--- title: "MiniMax-H3とは｜必要スペック（VRAM・RAM）と量子化版の選び方、LoRA・商用ライセンスの条件" url: "https://www.issoh.co.jp/tech/details/16096/" published: 2026-08-03 updated: 2026-10-12 categories: ["AI"] publisher: "株式会社一創" --- # MiniMax-H3とは｜必要スペック（VRAM・RAM）と量子化版の選び方、LoRA・商用ライセンスの条件 MiniMax-H3は、MiniMaxが2026年8月3日に[Hugging Faceで重みを公開](https://huggingface.co/MiniMaxAI/MiniMax-H3)した動画生成モデルです。テキスト・画像・動画・音声を一つの文脈として読み、映像と32kHzのステレオ音声を同時に生成します。この記事では、手元のGPUで動かすときに必要なVRAMとシステムRAM、量子化版の選び方、LoRAの使い方と学習、商用利用の条件を、公式資料とGPU別の実測値で整理します（2026年10月12日時点）。 ## まとめ：MiniMax-H3の必要スペックと商用利用の結論 公式は最小VRAMを公表していません。公式推論エンジンSGLangの試験では、**VRAMを12GB、使えるRAMを32GBに制限した条件で、480p・約5秒の生成が約319〜356秒**でした。VRAM上限16GBで重み約117GBをRAMに固定できた条件では約2分、実機のRTX 5090（32GB）＋RAM 60GBでは約1分50秒です。動くかどうかを決めるのはVRAMより**システムRAMとNVMe SSD**で、RAMが足りないと同じGPUでも3倍近く遅くなります。 ComfyUI公式テンプレートの構成は、枝刈りint8 convrot本体、NVFP4テキストエンコーダ、映像VAE、音声VAEの計約42.5GBです。公開重みの生成解像度は短辺768pxです。2Kへ作り直すH3-Regenerate-2Kは非公開で、ローカルで2Kのファイルを得るには別工程のアップスケールを使います。 日本は無償の商用利用が認められる対象地域ですが、ライセンス全体の遵守が必要です。まず確認する主な条件は次の四つです。 - 製品・サービスの年間収益が2,000万ドルを超えるなら、事前の書面許諾が要る - 米国・EU・英国・韓国は対象外で、これらの地域では別のライセンスが要る - 製品のUIに「MiniMax H3」と表示する - 公開の場に出す生成物には、機械生成であることを明示する 月の生成尺が数十分程度でGPUを新規調達するなら、まずAPI（768Pで1秒0.08ドル）で試す方針を勧めます。既存GPUを使う場合の費用差は、電気代と運用工数を含めて比較してください。 ## MiniMax-H3の仕様と、オープンウェイトで使える範囲 ### 出力仕様と2つのチェックポイント（FL2VA・Ref2VA） 公式モデルカードに書かれた仕様は次のとおりです。 | 項目 | 公式仕様 | | ------------ | ------------------------------- | | 生成尺 | 4〜15秒 | | フレームレート | 24FPS | | 解像度 | 短辺768px（2KはH3-Regenerate-2Kが必要） | | 音声 | 32kHzステレオを同時生成 | | アスペクト比 | 21:9・16:9・4:3・1:1・3:4・9:16など | | 台詞の言語 | 日本語を含む11言語 | | 参照入力（Ref2VA） | 画像9枚・動画3本・音声3本、合計12ファイルまで | 公開されたチェックポイントは2種類です。テキストだけ、または先頭・末尾フレームの画像から作るFL2VAと、画像・動画・音声を参照素材として受け取るRef2VAです。ComfyUIのT2V・I2VテンプレートはFL2VAを、R2VテンプレートはRef2VAを読み込みます。二つのファイルは互いに代用できません。 ### H3-Context-IRとH3-Regenerate-2Kが公開されていない影響 公式のH3は3段構成です。入力を読み解いて生成用の記述へ組み直すH3-Context-IR、768pで生成するH3-Base、768pの結果を2Kで作り直すH3-Regenerate-2Kです。オープンウェイトに入っているのはH3-Baseだけです。 そのため、ローカル実行ではH3-Regenerate-2Kによる2K再生成はできません。ComfyUIの公式ガイドも、2Kが必要なら768pで生成してから別工程で拡大するよう案内しています。また、モデルカードはContext-IRを「最終出力の品質を大きく左右する」と書いています。API版と同じ品質をローカルで出したいなら、公式の[プロンプト記述ガイド](https://huggingface.co/MiniMaxAI/MiniMax-H3/blob/main/docs/VIDEO%5FPROMPT%5FWRITING%5FGUIDE%5Fbase%5Fen.md)に沿って入力を自分で組み立てる必要があります。 ### 33Bの内訳と、推論で読み込まずに済む13Bの分岐 本体のH3-Omni-Transformerは33Bパラメータの密な単一ストリームTransformerで、50層あります。テキストエンコーダにはQwen3-VL-32Bの重みをそのまま使っています。33Bのうち約13BはAdaLN関連の分岐で、推論だけなら事前計算した値で置き換えられます。 ComfyUI向けの「pruned（枝刈り）」版は、この仕組みを使った軽量版です。BF16で66.28GBの本体が40.23GBまで小さくなります。BF16で必要なメモリを「33B×2バイト＝66GB」と見積もるのは、推論だけなら過大です。逆に、フル版の重みを前提に学習したLoRAを使う予定があるなら、枝刈り版では読み込めない部分が出ます（LoRAの章で説明します）。同じ会社のテキストLLM（M3など）は別系統で、言語モデルとしての性能は[MiniMax（ミニマックス）とは？M3までのモデル一覧・料金・商用ライセンスとAPIの使い方](/tech/details/10575/)で扱っています。 ## 必要スペック：VRAM・システムRAM・SSDのGPU別の目安 MiniMax公式の[セルフホストガイド](https://platform.minimax.io/docs/guides/local-deploy-h3)（2026年8月26日改訂）は、ComfyUIで必要な最小GPUメモリと性能を「公表していない」と明記しています。以下は、公式推論エンジンの一つである[SGLangのcookbook](https://docs.sglang.io/cookbook/diffusion/MiniMax/MiniMax-H3)に載った実測値です。レイヤー単位オフロードを使った結果ですが、BF16とint8 convrotの測定が混在しています。また、12GB・16GBの行は容量制限試験で、GPU機種別の実測ではありません。 ### VRAM 12GB・16GB・24GB・32GBでの生成時間の実測 | 構成 | 解像度・フレーム数 | 生成時間 | | ---------------------------- | -------------------- | ---------------------- | | VRAM 12GB＋RAM 32GB | 864×480・124枚・20ステップ | 318.9秒／356.4秒 | | VRAM 16GB＋RAM固定約117GB | 864×480・124枚・20ステップ | 120.9秒 | | RTX 4090 D（24GB）BF16 | 1344×768・107枚・20ステップ | 405.6秒 | | RTX 4090 D（24GB）int8 convrot | 1344×768・107枚・20ステップ | 303.3秒 | | RTX 5090（32GB）＋RAM 60GB | 864×480・124枚・20ステップ | 112.2秒（ComfyUIは145.9秒） | 124枚は24FPSで約5.2秒、107枚は約4.5秒の映像です。RTX 4090 Dでは、ピークのVRAM使用量が約18GBにとどまりました。同じカードでint8 convrotにSageAttentionを組み合わせると174.9秒まで縮みますが、BF16との画素の一致度（PSNR）は23.51dBまで下がります。 表の「VRAM 12GB＋RAM 32GB」は容量を制限した試験で、RTX 3060実機の生成時間ではありません。RTX 3060での動作については、ComfyUIが公開当日の[公式ブログ](https://blog.comfy.org/p/minimax-h3-day-0-support-in-comfyui)で、最小構成のファイルで総容量を123.6GBから42.5GBへ66%減らし、動的なVRAMオフロードと組み合わせてRTX 3060級で動かせると説明しています。表の12GBの行には但し書きもあります。測定に使ったマシンはメモリを2TB積んでおり、約108GBの重みがすべてOSのキャッシュに載っていました。RAMが32GBしかない実機ではSSDから読み直しが起きるため、表より遅くなるとcookbookは書いています。 ### システムRAMとSSDが速度を決める理由 公式BF16の重みは、本体61.73GBとテキストエンコーダ46.18GBで計約108GBあります。どの消費者向けGPUにも収まらないため、溢れた分をどこに置くかで速度が決まります。cookbookはこれを「消費者向けハードでは、どのカードかよりも、その裏にどれだけのシステムRAMがあるかが問題になる」と書いています。 上の表で、VRAM 12GB構成（約320秒）と16GB構成（約121秒）の差は、VRAMの4GBよりもRAMの量から来ています。16GB構成は重みをRAMに固定（ピン留め）できたため、ステップあたりの時間が16.8〜18.7秒から6.01秒まで縮みました。RAM 32GBでは重みを固定できず、1ステップごとに約60GiBをSSD上のファイルから読み直すことになります。 RAMは32GBを最低線として、可能なら64GB以上を積んでください。SSDはNVMeが前提です。cookbookは「NVMeは推奨ではなく必須」と書いています。 ### VRAM 8GBで動かす場合のGGUF版と限界 VRAM 8GBのGPUで公式の実測値は出ていません。手段は、Unslothが公開している[GGUF版](https://huggingface.co/unsloth/MiniMax-H3-GGUF)です。枝刈り版の本体をQ2\_K（6.72GB）からQ8\_0（21.44GB）まで段階的に量子化したファイルがあり、stable-diffusion.cppで動かせます。配布ページの例は、テキストエンコーダをCPU側に置き、小さいGPUでは本体もCPUへ逃がす構成です。 実行コマンド例は640×384・25フレーム（約1秒）です。これは動作例の設定であり、生成尺の上限ではありません。Q2系の品質は量子化方式や素材によって異なります。8GB環境では、必要な尺・解像度での品質と所要時間を確認してから用途を決めてください。業務で768pを回すなら、VRAM 16GB以上とRAM 64GB以上が現実的な下限です。 ### DGX Spark・AMD・Macでの対応状況 - **DGX Spark（GB10・統合メモリ128GB）**：SGLangでは、オフロードの指定を何も付けずに起動するのが最速です。手動で指定した構成より生成工程が2.1倍速くなりました。起動時の読み込みに約12分、リクエストごとのテキストエンコードに約5.5分、480pの生成1本に約12分かかります。 - **AMD**：vLLM-OmniのレシピがInstinct MI300X×4（ROCm）で動作を確認しており、SGLangもMI300X・MI355Xで検証済みです。Radeonなど消費者向けGPUについて、公式資料に記述はありません。 - **Mac（Apple Silicon）**：MiniMax・ComfyUI・SGLangのいずれも公式の手順を出していません。ComfyUIの[Issue](https://github.com/Comfy-Org/ComfyUI/issues/15967)には、統合メモリ32GBのMacBook Airで、352×608・3秒の音声付き動画をRef2VAのint8 convrot版とTurbo LoRAで生成し、全体で11分53秒かかったという利用者の報告があります。複数のカスタムノードを組み合わせた構成です。3秒の出力に約12分かかるため、短時間で多数の候補を比較する業務には向きません。 ## 量子化版の選び方：int8 convrot・NVFP4・fp8・w6a8・GGUF ### Comfy-Org配布ファイルの容量と組み合わせ [Comfy-Org/MiniMax-H3](https://huggingface.co/Comfy-Org/MiniMax-H3)の配布ファイルを、Hugging FaceのAPIで取得した容量で並べます（FL2VAの値。Ref2VAも同じ容量です）。 | 部品 | 形式 | 容量 | | --------- | ----------------- | ------------- | | 本体（フル） | bf16 | 66.28GB | | 本体（フル） | int8 convrot | 34.04GB | | 本体（枝刈り） | bf16 | 40.23GB | | 本体（枝刈り） | int8 convrot | 20.97GB | | 本体（枝刈り） | fp8 scaled | 20.96GB | | 本体（枝刈り） | w6a8 | 15.98GB | | テキストエンコーダ | bf16 | 51.51GB | | テキストエンコーダ | int8 convrot | 27.14GB | | テキストエンコーダ | NVFP4（AWQ） | 15.69GB | | 映像VAE | fp16／int8 convrot | 5.21GB／2.81GB | | 音声VAE | fp32 | 0.61GB | ComfyUI公式テンプレートの構成（枝刈りint8 convrot＋NVFP4＋映像VAE fp16＋音声VAE）は計42.5GBです。全部品をbf16で揃えると123.6GBになります。FL2VAとRef2VAの両方を使うなら、本体がもう1本（枝刈りint8なら約21GB）増えます。 ### int8 convrotとfp8・NVFP4の使い分け Comfy-Orgの配布ページは、本体について「CUDA 13.0向けビルドのPyTorchを使えるならint8 convrotを選ぶ」「fp8 scaledはint8 convrotを使えないときだけ」と順位を付けています。迷ったらこの順に従えば外しません。 検索の多いNVFP4は、ComfyUIの配布ではテキストエンコーダ専用の形式です。本体のNVFP4版はComfy-Orgにはなく、コミュニティが別に公開しています。配布ページには「このNVFP4テキストエンコーダはBlackwell世代のGPUでなくても使える」とあり、RTX 30・40系でも読み込めます。4ビットの浮動小数点がどういう形式かは[FP8とは？FP16・BF16・FP4との違いとE4M3/E5M2の仕組み、対応GPU【2026年版】](/tech/details/5959/)で解説しています。 「int4 convrot」「W4A8」と名の付くファイルも、本体を4ビットにしたコミュニティ版です。Comfy-Orgの公式配布には含まれていません。 ## ComfyUIでの導入手順とファイル配置 ComfyUIはH3にネイティブ対応しています。[公式ガイド](https://docs.comfy.org/tutorials/video/minimax/minimax-h3)によれば、T2V・I2V・R2Vのテンプレートには0.30.0以降、複数フレームの参照には0.34.0以降、ControlNet（Fun ControlNet Union）には0.35.0以降が必要です。通常はテンプレートを開いたときに出るダウンロード案内に従えば足ります。手動で揃えるなら、Comfy-Orgのリポジトリのフォルダ名がComfyUIのmodels配下と同じなので、次の1行でそのまま配置できます。 ``` hf download Comfy-Org/MiniMax-H3 \ diffusion_models/minimax_h3_fl2va_pruned_int8_convrot.safetensors \ text_encoders/qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors \ vae/minimax_h3_video_vae_fp16.safetensors \ vae/minimax_h3_audio_vae_fp32.safetensors \ --local-dir ComfyUI/models ``` hf CLI 2.2.0で末尾に `--dry-run` を付けて実行すると、4ファイル・合計42.5GBと表示されます（2026年10月12日に確認）。R2Vも使う場合は `diffusion_models/minimax_h3_ref2va_pruned_int8_convrot.safetensors` を追加します。 生成するときは、次の2点を押さえてください。 - **解像度**：16:9なら1344×768がH3本来の大きさです。Resolution Selectorでは0.98メガピクセルを選びます。1.0メガピクセルにすると1376×768になり、モデルの上限を超えます。 - **フレーム数**：「17の倍数＋5」の刻みに丸められます。124枚が約5.2秒、345枚が約14.4秒です。 同じくComfyUIで動かす音声付き動画モデルとして[LTX-2.3のプロンプトの書き方と使い方｜日本語セリフ・ComfyUI導入・低VRAM設定](/tech/details/11604/)があり、低VRAMでの設定の考え方はほぼ共通です。 ## LoRAの使い方と学習：Turbo LoRA・互換の落とし穴・musubi-tuner ### Turbo LoRAで歩数を減らすときの品質の落ち方 ComfyUIのテンプレートには「Enable Lightning LoRA」のスイッチがあります。オンにするとTurbo LoRAが読み込まれ、既定の20ステップが、T2VとI2Vでは8ステップ、R2Vなど参照系では4ステップに減ります。 ただし公式ガイドは、参照を使う生成ほど歩数削減の損が大きいと注意しています。4ステップでは参照がほとんど効かず、動画の途中で人物の顔の向きや姿勢が参照から離れていくことがあります。参照に忠実であるべきカットはスイッチを切って20ステップで回し、それでもずれるなら25ステップへ上げてください。鎖帷子や細かい模様のような高周波の絵柄は、50ステップ付近まで改善が続きます。 ### 枝刈り版・フル版とLoRAの互換性 LoRAは、学習に使った本体と同じ版で使うのが原則です。フル版（非枝刈り）で学習したLoRAはAdaLNの重みを含みますが、枝刈り版の本体には対応するテンソルがありません。この組み合わせでは、ComfyUIが形の不一致を報告し、その部分だけを読み飛ばします。エラーで止まらないため、LoRAが一部しか効いていないことに気付きにくい点が厄介です。 Turbo LoRAはAdaLNの重みを持たないので、どちらの版にも載ります。配布元がフル版と枝刈り版の両方を出しているLoRAは、枝刈り版を選んでください。SGLangはネイティブ形式・Diffusers/PEFT形式・Kohya形式のLoRAを読み込めます。cookbookに載っている用途別LoRAには、高速化用（8ステップ・4ステップ）のほかに、実写の人物向けや、物理的な動き（衝突・積み重ね）向けがあります。 ### 自前のLoRAをmusubi-tunerで学習する手順 学習ツールでは、Kohya氏の[musubi-tuner](https://github.com/kohya-ss/musubi-tuner/blob/main/docs/minimax%5Fh3.md)が2026年9月16日にMiniMax-H3のLoRA学習へ試験的に対応しました。T2VA・FL2VA・Ref2VAの3種類を学習でき、音声付きの動画を教材にすると音声側も学習します。ドキュメントに載っている学習コマンドの骨格は次のとおりです。 ``` accelerate launch --num_cpu_threads_per_process 1 --mixed_precision bf16 minimax_h3_train_network.py \ --dataset_config /data/h3/dataset.toml \ --task t2va \ --dit /models/minimax_h3_fl2va_bf16.safetensors \ --network_dim 16 --network_alpha 16 \ --sdpa --mixed_precision bf16 --gradient_checkpointing \ --blocks_to_swap 48 \ --optimizer_type adamw8bit --learning_rate 1e-4 \ --max_train_epochs 16 --save_every_n_epochs 1 \ --output_dir /data/h3/output --output_name h3-lora ``` このコードは学習コマンドの骨格です。実行前にデータセットを設定し、動画・音声の潜在表現とテキスト埋め込みをキャッシュしたうえで、公式ガイドから損失方式を一つ選び、その引数を末尾に加えます。H3固有の制約は三つです。 - データセットの `batch_size` は1に固定 - 動画は24fpsに正規化される - フレーム数は124〜345枚（17刻み）に限られる VRAMが足りないときは、`--blocks_to_swap` で50ブロック中最大48ブロックをCPU側に逃がせます。本体をint8 convrotにすると約66GBが約34GBになり、ブロック入れ替えの時間もほぼ半分になります。musubi-tuner全体の推奨は、動画の学習でVRAM 24GB以上です。 ほかの学習ツールでは、ModelScopeの[DiffSynth-Studio](https://github.com/modelscope/DiffSynth-Studio/blob/main/docs/en/Model%5FDetails/MiniMax-H3.md)が、FL2VA・Ref2VAのLoRA学習コードを公開しています。NF4に量子化した重みなら、すべての部品が1枚のGPUに載る単段の学習になると説明しています。 なお、作ったLoRAはライセンス上「Model Derivatives（派生物）」にあたり、配布するとH3本体と同じ地域制限と表示義務を引き継ぎます。 ## API料金とローカル実行の費用比較 ### MiniMax APIの単価（2026年10月時点） MiniMaxの[従量課金の料金表](https://platform.minimax.io/docs/guides/pricing-paygo)では、H3の単価は次のとおりです。公開直後の資料で見かけた「768Pで1秒0.09ドル」は、現在の表と一致しません。 | モデル | 解像度 | 出力1秒あたり | | -------------- | ---- | ------- | | MiniMax-H3 | 768P | 0.08ドル | | MiniMax-H3 | 2K | 0.13ドル | | MiniMax-H3-Max | 480P | 0.05ドル | | MiniMax-H3-Max | 768P | 0.08ドル | | 再生成（768P→2K） | 2K | 0.05ドル | 入力音声は両モデルとも無料です。画像はH3が5枚まで無料・追加1枚0.04ドル、H3-Maxが2枚まで無料・追加1枚0.074ドルです。入力動画は別途秒単位で課金されます。H3 Maxはfal.aiがH3を追加学習した高速版で、出力は480Pと768Pに限られます。動画パッケージ（前払い）はH3に対応しておらず、使えるのは従量課金だけです。 ### 月30本の広告カットで試算した費用と時間 10秒のカットを月30本、採用率を4分の1と置くと、生成する総尺は1,200秒です。 - **API・768P**：1,200秒×0.08ドル＝96ドル - **API・2K**：1,200秒×0.13ドル＝156ドル - **ローカル（RTX 4090 D・int8 convrot）**：約4.5秒のカット1本に約5分かかる。同じ尺に換算すると約270本で約23時間（10秒のカットは1本あたりさらに長くかかる） この試算のAPI出力料金は月96〜156ドルです。ローカルの約23時間は短尺ベンチマークからの単純換算で、10秒動画の実測ではありません。GPUの新規調達を避けたい場合はAPIを勧めます。ローカル実行が見合うのは、次のいずれかに当てはまる場合です。 - 素材や台本を社外に出せない - 参照画像を差し替えながら数百本単位で試す - 既存GPUに生成へ回せる空き時間があり、他の学習ジョブの納期を圧迫しない 同じ価格帯の動画生成サービスとの比較は[動画生成AIランキング｜業務利用で選ぶ主要9ツールの実額比較と生産投入の判断基準【2026年最新】](/column/details/13579/)にまとめています。 ## 商用利用とライセンス：年間収益2,000万ドル・除外地域・表示義務 重みは[MiniMax H3 Community License Agreement](https://huggingface.co/MiniMaxAI/MiniMax-H3/blob/main/LICENSE)（2026年8月2日付）のもとで配布されています。OSI承認のオープンソースライセンスではありません。 ### 年間収益2,000万ドルの基準と事前許諾の申請先 ライセンスは、商用の製品・サービスの年間収益が2,000万米ドル（または他通貨の同等額）を超える場合に、事前の書面許諾を求めています。申請先は api@minimax.io で、件名は「MiniMax H3 licensing – authorization request」と指定されています。条文の主語は「your commercial products and services」で、H3を使う商材の収益だけを数えるのか、複数の商材を合算するのかは書かれていません。受託案件では、受託者とクライアントのどちらがライセンシーとして利用するかを整理し、収益の判定対象をMiniMaxへ確認してください。 表示義務もあります。H3を使う商用の製品・サービスでは、UIに「MiniMax H3」を目立つ形で表示しなければなりません。「Powered by MiniMax H3」の表示と、生成ファイルへのAI生成の識別子は推奨にとどまります。再配布するときは、契約書の写しと、定型文を書いたNOTICEファイルを添え、改変したファイルにはその旨を明示します。出力物についてMiniMaxは権利を主張しません。 ### 米国・EU・英国・韓国での利用申請と審査 対象地域は「EU・英国・韓国・米国を除く全世界」です。対象地域の外では、重みも出力も利用・複製・配布・表示してはならないと定めています。日本は対象地域に入りますが、生成した映像を世界中から見られる場に出す場合は、除外地域での表示が起きえます。 ここは公開後に情報が増えた点です。公式の[ライセンスQ&A](https://huggingface.co/MiniMaxAI/MiniMax-H3/blob/main/docs/QA-about-License.md)は、除外の理由を規制の不確実さと説明し、現状を「まだ」であって「永久に」ではないと書いています。除外地域の組織も申請フォームから申し込め、利用場面と安全対策の審査を経て許諾される場合があります。 もう一つの経路が、Comfyが販売する[MiniMax商用ライセンス](https://comfy.org/minimax/license)です。Comfyは自社を「唯一の公式リセラー」としています。ローカル実行向けで、Professionalは月5,000ドルからです。約46,250秒分の生成と10ユーザーが含まれ、LoRA学習と受託案件での利用も明記されています。Comfy Cloudで生成した分には、最初から商用の権利が付きます。 なお、ComfyUIの公式ガイドは「ローカルで生成した出力の商用利用には商用ライセンスが要る」と書いています。一方で、同社の販売ページのQ&Aとライセンス本文は、対象地域内で2,000万ドル以下なら商用利用を認めています。判断はライセンス本文を基準にしてください。 ### 利用規範で禁止される使い方とNSFWの扱い ライセンス付属の利用規範は20項目の禁止事項を定めています。広告や販促で見落としやすいのは12号です。公開の場に出す情報やコンテンツは、機械生成であることを明確かつ目立つ形で示さない限り、生成・拡散してはならないとしています。SNS広告にH3の映像を使うなら、AI生成である旨の表記が要ります。ほかに、本人の同意のないなりすまし（13号）、安全機構の回避（5号）、未成年者を害する利用（6号）、軍事目的（19号）も禁じられています。 性的表現（NSFW）について、利用規範は名指しで禁じる項目を置いていません。ただし法令違反・未成年・なりすましの各号は及びます。API側では、送信したテキスト・画像・動画が自動審査にかかり、違法・ポルノの疑いがあるものは遮断されるとモデルカードに書かれています。コミュニティには検閲を外したと称する改変版もありますが、5号との関係が整理できない以上、業務では使わないでください。 ## MiniMax-H3の採用を見送るべき場面 次の条件に当てはまる案件では、H3のオープンウェイトを本番に使わない判断が妥当です。 - **2Kの納品が必須**：ローカルの生成は768pまでです。別工程で2Kに拡大しても、生成時に描かれなかった細部は戻りません。 - **1カット15秒を超える**：30秒のCMを1本で作れないため、カットを繋ぐ編集が前提になります。 - **同じ人物を全カットで完全に同一に見せる**：参照画像を9枚渡しても、カット間で髪や服の細部は揺れます。 - **除外地域向けに配信する**：APIを使うか、Comfy経由の商用ライセンスを取得してから進めてください。 人物が主役の映像は実写かCGで作り、H3は背景・商品カット・イメージ映像に限定する、という切り分けが現実的です。生成AIを社内の制作工程に組み込む設計や運用ルールづくりから相談したい場合は、[生成AI導入支援](/service/ai/genai/)で対応しています。 ## よくある質問 ### MiniMax-H3はVRAM 8GBで動きますか？ 8GB実機での実測値は公開されていません。試す手段は、GGUF版（本体Q2\_Kで6.72GB）とCPUへのオフロードの組み合わせです。配布ページには最小のUD-Q2\_K\_XLで960×544・124フレームを生成した作例があります。768pを業務で回すなら、VRAM 16GB以上とシステムRAM 64GB以上を目安にしてください。 ### RTX 3060（12GB）で動きますか？生成時間はどのくらいですか？ ComfyUIはRTX 3060級で動くと案内しています。ただしRTX 3060そのものの公式実測はありません。参考になるのはSGLangのcookbookで、VRAMを12GB、使えるRAMを32GBに制限した試験で、864×480・124枚（約5秒）・20ステップの生成が約320〜356秒でした。ただし測定機は大容量メモリでSSDの読み直しが発生していないため、RAM 32GBの実機ではこれより遅くなります。NVMe SSDは必須です。 ### MiniMax-H3でLoRAは使えますか？ 使えます。ComfyUIのテンプレートは高速化用のTurbo LoRA（8ステップ・4ステップ）を同梱しています。自前のLoRAはmusubi-tunerで学習できます（2026年9月16日に試験対応）。フル版で学習したLoRAを枝刈り版の本体に載せると、AdaLNの部分が読み飛ばされます。本体と同じ版のLoRAを選んでください。 ### MiniMax-H3は無料で商用利用できますか？ 日本を含む対象地域では、ライセンス全体を遵守すれば無償で商用利用できます。主な確認事項は次の四つです。製品・サービスの年間収益が2,000万ドルを超えるなら事前の書面許諾を得ること、UIに「MiniMax H3」と表示すること、公開する生成物は機械生成と明示すること、米国・EU・英国・韓国では利用しないことです。除外地域で使う場合は、MiniMaxへの申請かComfy経由の商用ライセンスが要ります。 ### MiniMax M2やM3とは何が違いますか？ 系統が別です。M2・M3はテキストを扱う大規模言語モデルで、H3は映像と音声を生成するモデルです。H3はテキストエンコーダにQwen3-VL-32Bを使っており、M系列の重みは含みません。ライセンスもモデルごとに別の文書が用意されています。 ## 関連記事 - [MiniMax（ミニマックス）とは？M3までのモデル一覧・料金・商用ライセンスとAPIの使い方](/tech/details/10575/) - [LTX-2.3のプロンプトの書き方と使い方｜日本語セリフ・ComfyUI導入・低VRAM設定](/tech/details/11604/) - [AnimeGenとは？国産アニメ特化の動画生成AIをローカル実行・商用利用の観点で解説【2026年7月版】](/tech/details/13630/) - [FP8とは？FP16・BF16・FP4との違いとE4M3/E5M2の仕組み、対応GPU【2026年版】](/tech/details/5959/) - [動画生成AIランキング｜業務利用で選ぶ主要9ツールの実額比較と生産投入の判断基準【2026年最新】](/column/details/13579/) --- 出典: [MiniMax-H3とは｜必要スペック（VRAM・RAM）と量子化版の選び方、LoRA・商用ライセンスの条件]()（株式会社一創）