MiniMax H3 で作るEC商品動画: 写真から動画への完全ガイド
Pixo の MiniMax H3 で商品写真をEC動画に。SKU をシーンをまたいで固定し、ネイティブ音声も同時生成。プロンプト付きのステップバイステップガイドです。
すべてのECチームが同じ壁にぶつかります。動画のある商品ページはコンバージョンが高く、広告プラットフォームは動画クリエイティブを優遇する。それなのに、まともな商品撮影は SKU あたり数十万円かかり、次のシーズンのカタログでそれが陳腐化する。これを50 SKU 分掛け算すると、「動画を作るべきだ」は静かに「うちには写真がある」に変わります。
AI動画がこれを今まで解決できなかった理由はドリフトです。商品を言葉で描写すると、生成のたびに少しずつ違う商品が発明されます。ロゴが歪み、素材が変わり、形状は惜しくも違う。ライフスタイルのBロールなら許容範囲でも、売り物の商品では失格です。
MiniMax が7月31日に出荷したオムニモーダルモデル MiniMax H3 は、別のルートを取ります。実際の商品写真をリファレンスとして読み込み、SKU を固定したまま、その周りにシーンを生成するのです。私たちはマルチモデル動画プラットフォーム Pixo を運営しており、H3 は Playground で稼働中です。商品写真のフォルダはあるが動画予算はない — そんなストアオーナーに手渡したいワークフローがこれです。
H3 が商品動画のために作られている理由
商品は写真にアンカーされる。描写にではなく。 H3 は1つのプロンプトで最大12のリファレンスファイル — 画像9枚、動画クリップ3本、音声トラック3本 — を受け付け、それらを1つのブリーフとして扱います。パックショットとディテールショットをアップロードし、役割をタグ付けすれば、生成されたシーンはあなたの商品を運びます。同じ形状、同じ素材、同じロゴ配置。公式マニュアルはまさにこれを実演しています — 1つの商品を3つの環境で見せ、形状・素材・ロゴがすべてのフレームで保たれる — そしてショーケースの実例（機能ツアーの中で回転するハーマンミラーのチェア、フレームのディテールに固定されたサングラスのスポット）は商品動画です。このモデルが何のためにチューニングされたかが分かります。
サウンドは映像と一緒に出荷される。 H3 のすべての出力には、同じパスで生成されるネイティブステレオ音声が含まれます。環境音、商品の音、書けばナレーションも。音楽ライブラリも吹き替えツールも要らないファーストカットの商品動画は、スペック表の一行ではなく、実際のワークフローの違いです。
1つのコンセプトを、すべての配置面へ。 Pixo ではプロンプト時にフレームを選びます。Reels と TikTok には 9:16、フィードには 1:1、マーケットプレイスのリスティングには 3:4、YouTube とサイトヒーローには 16:9 — 768p または 2K で。各フォーマットはネイティブに生成され、そのフレーム用に再構図されます。これが重要なのは、16:9 のマスターを 9:16 にクロップすることこそ、商品が自分の広告から切り取られる原因だからです。
A/B テストできる速さ。 クリップは4〜15秒 — 商品ページや広告配置で実際に視聴される長さ — で、それぞれが1回の生成です。「大理石のカウンター vs ビーチの光」のテストは、撮影2日ではなく生成2回です。
ワークフロー: 写真から商品動画まで5ステップ
- SKU ごとに写真を2〜3枚選ぶ。 クリーンなパックショット1枚、アングルまたはディテールショット1枚、任意で質感のクローズアップ。各ファイルは最大30MB — サムネイルではなく、本物のリスティング写真を使いましょう。
- Playground を開いて MiniMax H3 を選ぶ。 Pixo の Playground で動画 → MiniMax H3。写真をアップロードすると、アップロード順に番号付けされます — 画像1、画像2 — この番号で参照します。
- プロンプトを3部構成で書く。 まずリファレンス注記（「画像1が商品の形状・素材・ロゴを固定する」）、次にコアアイデア（どんなシーン、どんなムード）、最後にカメラが見るものを順番に。具体は詩情に勝ります。「湯気が立ち上り、カメラがゆっくりプッシュインする」は「趣のある朝」を必ず上回ります。
- フォーマットと解像度を選ぶ。 配信する配置面に合わせてアスペクト比を選び — フォーマットごとに1生成 — ドラフトは 768p、最終版は 2K で。
- 生成し、回し直し、エクスポートする。 ショットを確認し、外れた部分のプロンプトを調整し、ウォーターマークなしでエクスポートします。
コピペで使える3つのプロンプト
括弧の部分をあなたの商品に差し替え、構造はそのまま維持してください。
1. クリーンなスタジオパックショット（16:9 または 1:1、サイトヒーロー / リスティング）
このショーケースのリファレンスファイル
同じ書式によるマニュアル収録ショーケース
画像1が商品の正確な形状・素材・ロゴを固定する: [マットブラックのワイヤレスイヤホンケース]。
プレミアムなスタジオ商品動画。ケースは柔らかいグレーの背景の前、明るい大理石の面に
置かれている。左からのソフトなキーライト、大理石への穏やかな反射。カメラは商品の周りを
ゆっくりと180度周回する。中間地点で、蓋がなめらかに開き、中に収まったイヤホンが現れる。
穏やかでミニマルな環境音。蓋が開くときの柔らかいクリック音。
Non-narrative music: N/A。
なぜ効くか: 固定リファレンス1つ、面1つ、カメラの動き1つ、商品のアクション1つ。「non-narrative music: N/A」の行はトラックをクリーンに保ち、ポストでブランド音楽を足せます — あるいはこの行を消して H3 にスコアを任せても。
2. ライフスタイルシーン（9:16、Reels / TikTok / Shorts）
同じ書式によるマニュアル収録ショーケース
画像1が商品を固定する: [アンバーガラスのスキンケア用スポイトボトル、ラベルは表示どおり正確に]。
縦型のライフスタイル動画。朝の日差しが差し込むバスルームの棚、背後にはピントの外れた
グリーン。女性の手がフレームに入り、ボトルを持ち上げ、ラベルがカメラを向くように
ゆっくり回す。暖かい窓の光、浅い被写界深度、ガラスの棚の上の水滴。静かな朝の環境音。
穏やかな女性の声が言う:「2滴。それだけのルーティン。」
なぜ効くか: 手が顔の固定なしにスケールと生活感を与え、カメラに向けて回すビートがサムネイル用に読めるラベルフレームを保証し、セリフは一字一句書き出されています。H3 は声を映像と一緒に生成し、話者が画面外なのでリップシンクの心配もありません。
3. 同じ SKU の3シーンカットダウン（16:9、広告クリエイティブ）
このショーケースのリファレンスファイル
同じ書式によるマニュアル収録ショーケース
画像1が商品の形状・素材・ロゴを固定する: [ステンレスの真空断熱タンブラー]。
クリーンなハードカットの3シーン商品スポット。シーン1: ジムのベンチの上のタンブラー、
朝の光、隣にタオル。シーン2: 同じタンブラーが車のカップホルダーに、窓の外を流れる
都市のボケ。シーン3: 同じタンブラーがオフィスのデスクのノートPCの隣に、午後遅くの光。
商品の形状・素材・ロゴはすべてのシーンで完全に同一を保つこと。安定した三脚の
フレーミング、商品はセンター。環境音は各ロケーションに従う。Non-narrative music: N/A。
なぜ効くか: マニュアルのゼロドリフト実演を広告クリエイティブに変えたものです。3つの文脈、1つのアイデンティティ。「すべてのシーンで完全に同一を保つ」と明示的に書きましょう。アクションのテキスト内で固定を再宣言するのは安い保険です。
商品動画 vs UGC広告 — どちらのガイドが必要?
このガイドがカバーするのは商品主導の動画です。SKU が主役で、ルックは洗練されていて、行き先はリスティング、サイト、クリーンな広告配置。パフォーマンス広告向けの、意図的にラフでスマホ撮影風のクリエイター形式が欲しいなら、それは別のプレイブックです — Pixo で作る UGC 広告をどうぞ。スポークスパーソンと複数ショットにわたる物語の弧を持つ本格的なシネマティックスポットが必要なら、AIコマーシャルガイドのストーリーボードパイプラインがまさにそのために作られています。
よくある質問
写真から商品動画を作れるAIはありますか?
あります。MiniMax H3 は、手持ちの商品写真から4〜15秒の商品動画を生成します。パックショット、ディテールショット、ライフスタイル写真など最大9枚の画像をリファレンスとしてアップロードすると、H3 は生成されたシーン全体で商品の形状・素材・ロゴを固定し、サウンドも同じパスで生成します。Pixo の Playground で利用できます。
商品写真は何枚必要ですか?
ほとんどの SKU では、良い写真が2〜3枚あれば十分です。クリーンなパックショット1枚、アングルまたはディテールショット1枚、任意で質感のクローズアップ1枚。各リファレンスは最大30MBまで。プロンプト内で番号を付けて — 画像1が商品を固定、画像2がディテールを見せる — 各ファイルの役割をモデルに伝えます。
商品はすべてのシーンで同一に見えますか?
それこそがリファレンス固定生成の目的です。商品は言葉で描写されるのではなく、アップロードした写真にアンカーされるため、形状・素材・ロゴは異なる環境をまたいで保たれます。公式 H3 マニュアルは、同じ SKU を3つのシーンでドリフトゼロで見せる実演を掲載しています。
動画にはサウンドが付きますか?
はい。H3 のすべての出力には、映像とともに生成されるネイティブステレオ音声が含まれます。環境音、商品の音、そしてプロンプトにセリフを書けばナレーションも。ファーストカットに別途の音楽素材や吹き替え作業は不要です。
どのアスペクト比と解像度が使えますか?
Pixo ではプロンプト時にフォーマットを選びます。Reels・TikTok・Shorts には 9:16、フィード配置には 1:1、マーケットプレイスには 3:4 または 4:3、YouTube やサイトヒーローには 16:9 — 768p または 2K で。各生成は1つのフォーマットをネイティブにレンダリングし、クロップではなくそのフレーム用に再構図されます。
無料で試せますか?
新規ユーザーには登録時に200無料クレジットが付与され、プランは現在最大55%オフです。エクスポートにウォーターマークは付きません。
MiniMax H3 は Pixo の Playground で稼働中です。商品写真をアップロードし、4〜15秒のショットを 768p または 2K で生成しましょう。今すぐ登録 — 新規ユーザーには登録時に200無料クレジット、プランは現在最大55%オフです。よりラフなクリエイター風広告は Pixo の UGC 広告、マルチショットのシネマティックスポットは AIコマーシャルガイド、モデルの全体像は MiniMax H3 とはから。
