
MiniMax H3で自作曲MV制作!1曲まるごと歌わせるコツと費用対効果を徹底解説【PR】| リップシンク | 費用比較
※この記事はPollo AI様のプロモーションを含みます。
こんにちは、ねんころです。
みなさん、お気づきかとは思いますが
ねんころは、
そらちゃんを歌わせるのが大好きです💖
前回、MiniMax H3に画像と自作曲を渡して、
短いリップシンクMVを作ったとき、
「歌わせる用途、H3はかなり強いのでは?」
と思ったんです。
なので今回は、
短いサビだけではなく、1曲まるごと! 🔥
自作のシティポップ曲
「夜風とイヤホン」で、
約4分2秒のMVを作りました。
画像もすべて新しく用意して、
横16:9と縦9:16の両方に挑戦しています。
結論から言うと、
自作曲を歌わせるMV、やっぱりH3は強い。
前回の手応えが、今回かなり大きくなりました。
横版に使った動画生成クレジットは、
試作ややり直しを含めて1,555クレジット。
縦版も含めた2本の合計は3,090クレジットです。
「クレジットって、いくらくらい?」
という方へ、料金の目安もひとつ。
例えば、Pollo AIのプロプラン(月払い)なら、
月800クレジットで、月額約4,532円(税別) です。
公式料金ページ
※2026年9月18日時点の表示価格です。
う、お高い…!
でも、これリーズナブルな方なんですよ💦
完成した映像と、
後ほど、Seedance 2.5で同じ量を生成した場合の概算も
あわせて見ていきます👀
まずは完成した「夜風とイヤホン」から

今回の主役は、
相棒キャラクターのそらちゃん。
少し疲れた帰り道に、
イヤホンから音楽が流れ出す。
夜の街を歩くうちに気持ちがほどけて、
最後の青信号でまた歩き出す。
そんな小さな物語です。
横長版はこちら👇
リップシンク、割と完璧にできてないですか??
少なくとも、私がこのMVを見た感想はこれです🤣
曲を流している横で
なんとなく口が動いている、というより、
そらちゃんが、この曲を歌ってる!
前回から思っていた、
「自作曲MVのリップシンクなら、
MiniMax H3がかなり強いのでは?」という仮説。
今回で、私の中では
かなり確信に変わりました🔥
短い作例だけではなく、
1曲分の作品になっても
この手応えがあるのはうれしいです。
※口形の一致率を採点した結果ではなく、
今回の完成MVを見た私の感想です。
縦長版はこちら👇
最初の企画では「約3分」を
想定していたのですが、
今回選んだ曲は約4分2秒。
MiniMaxH3の精度の良さに
調子に乗って曲の最後まで
使って作りました✨✨
曲に合わせて、画像から新しく準備

前回の作例を延ばすのではなく、
今回は曲も画像も新しくしています。
そらちゃんの顔や髪の印象をそろえつつ、
服装と絵柄の基準を決めて、
駅のガラス、夜の街、歌う場面、
最後の横断歩道へと
場面を広げました。
お話の軸は、
「青信号になるまで」。
曲の中にも、
急がんでもええよと
誰かが言うみたいに
という歌詞があります。
大事件が起きるMVというより、
帰り道の気分が少し変わるような、
夜の空気を出したかったんですよね。
最初に考えたのは16場面。
そこから生成する長さに合わせて、
横・縦それぞれ23区間に分けました。
縦版は、横版の映像を
そのまま流用したものではなく、
縦向けの画像も用意して、
別に動画を生成しています。
画像と、その場面で流れる曲を渡す

今回使ったのは、
画像と音楽を参照して動画を作る、
MiniMax H3のみです。
各場面の画像に、
その区間で流れる原曲の音声を添えて、
4〜15秒ずつ生成しました。

長い曲をいきなり全部任せるというより、
「この場面では、この部分を歌ってね」
と区切って渡していく感じです。
曲を渡して歌わせたいなら、やっぱりH3が頼もしい
リップシンクは、
歌声に合わせた口の動きのことです。
前回の短いMVでも驚いたんですが、
今回はそらちゃんの顔や
衣装の印象を保ちながら、
複数の歌う場面を
1曲の中へ入れられました。
静止画で見ていたキャラが、
自分の曲を歌ってくれる。
やっぱり、ここは何回見てもうれしい……!✨
私が音楽参照で気になるのは、
「曲の雰囲気を参考にしてほしい」ではなく、
「この曲を歌ってほしい」 というところです。
Seedance 2.5を使ったときは、
音楽を参照させても、
曲や歌い方をアレンジされたように
感じることがありました。
以前の試作では、
歌詞の後ろに英語のフレーズが余分に足されて、
そこから口の動きがずれたこともあります。
そのアドリブめちゃくちゃ
レベル高かったですけどね…
でも、そのアドリブは、今は要らないっす!😂
それに対して、今回のH3は、
渡した曲についてきてくれる感覚が強い。
「こういう感じの別の曲」ではなく、
自作曲のタイミングで歌う映像がほしい。
その用途では、
私はH3をかなり頼もしく感じています。
なお、完成版の音声には原曲を使っています。
生成直後の素材にも参照音源にかなり
近いんですが、
H3の出力音声が原曲と完全一致する、
というわけではないんですよね~😂😂
そして、歌う顔だけ見ていると、
ほかの変化を見落としがちでした😇
生成した映像には、
背景の信号の点灯が不自然だったり、
袖や裾の形が変わったり、
別の区間に移ると人物の大きさや
ポーズに差が出たりするものもありました。
特に気になったのが、
最後の横断歩道です。
遠ざかっていくはずのそらちゃんが、
次の区間でまた手前に戻ったように
大きく見えてしまうことがありました。
さっきまで向こうにいたのに!😂
そこで、前の映像の終わり付近を
次の参照画像に使い、
人物の大きさや頭・足の位置まで
指定して再生成しました。
プロンプト👇
Continue this EXACT WIDE composition from the first frame. At the start, Sora is a SMALL FULL-BODY figure already FAR AWAY: about 44% of the image height, centered near 50% of the image width, with head near 25% image height and shoes near 69%. Keep this exact starting size and position; never enlarge him or bring him closer. He slowly walks farther away, becoming slightly smaller. His back stays toward us. Both shoes and his entire head remain visible throughout. The camera stays completely fixed. Preserve the existing street, lights, color and geometry. Preserve his waist-length silver-blue hair, hip-length white overshirt with long sleeves rolled to forearms and blue folded cuffs, dark trousers and pale shoes. Gentle natural alternating steps and arm swing. No close-up, reframing, camera motion, new person, new object or cut. Use the attached song only, no added voice or effects.翻訳するとこんな感じ👇
1枚目のフレームから、この「ワイドな構図」を完全に継承してください。
開始時点のキャラクター(Sora)は、すでに遠くにいる「小さな全身像」として描写します。サイズは画面高の約44%とし、水平方向の中央(50%付近)に配置。頭の頂点は高さ25%付近、靴は69%付近に位置するようにしてください。この初期サイズと位置を厳守し、決して人物を大きくしたり、カメラに近づけたりしないでください。
彼は背中を向けたまま、ゆっくりとさらに遠くへ歩いていき、わずかに小さくなっていきます。足元(靴)から頭の先まで、全身が常にフレーム内に収まっているようにしてください。カメラは完全に固定。既存の通り、照明、色調、幾何学的な構造をすべて維持してください。
【キャラクター詳細】
腰まであるシルバーブルーの髪。ヒップ丈の白いオーバーシャツ(袖は前腕までまくり上げられ、青い折り返しのカフスが見えている状態)。ダークカラーのトラウザーと淡い色の靴。
【動作・制約】
自然でゆったりとした交互の足運びと腕の振り。クローズアップ、再フレーミング、カメラの動き、新しい人物や物体の追加、カット割りは一切行わないでください。音声は添付された楽曲のみを使用し、追加のボイスやエフェクトは入れないでください。
今回の完成版では、
その距離感を改善できています。
ただ、細かな髪や足の動きまで
完全に連続しているわけではありません。
長いMVでは、口の動きだけでなく、
人物と背景が場面をまたいで
どう見えるかも確認したい。
が、むずかしい~~!!😂😂
これは今回、かなり感じたところです。
横版1,555クレジット、縦版1,535クレジット。やり直しも含めた内訳

ここから、気になるクレジットです👀
以下は、今回のMV動画生成で
各生成時に表示されたクレジットを
合計したものです。
再生成した分や、
完成版に使わなかった分も含めています。


完成映像に使った生成元は、
横23本・縦23本の合計46本。
56回生成したうち、
10回分は完成版には使っていません😇😇
「完成に使った本数だけ」で
費用を考えると、
試作ややり直しの分が
抜けてしまうんですよね😂😂
横・縦では画像や再生成の指示も違うため、
この20クレジットの差から
「縦のほうが安く作れる」とは
言えません。
今回は、あくまで実制作の内訳です。
この表には、
画像・音源を作る費用や
制作にかかった時間は含めていません。
冒頭の月額料金は、プランの目安です。
「同じ4分なら、
必ずこのクレジット数」ではなく、
今回の条件で、やり直しも含めて
これだけ使ったという目安として
見てもらえたらと思います。
Seedance 2.5で同じ量を作ったら、いくらくらい?
ここで気になるのが、
「これをSeedance 2.5で作ったら?」
というところですよね👀
2026年9月18日のPollo AIの画面では、
Seedance 2.5は60%OFFの表示でした。
参照素材から動画を作るモードで、
720p・音声オン・出力1本を選ぶと、
4秒48クレジット・15秒180クレジット。
つまり1秒あたり12クレジットです。
確認したPollo AIの生成画面
今回H3で生成した尺は、
試作ややり直しも含めると、
横311秒・縦307秒でした。
この秒数をSeedance 2.5の表示単価へ
当てはめると、こんな計算になります。
単位はすべてクレジットです。

同じ生成秒数で換算すると、
H3は約42%のクレジットで済んでいる計算!
横・縦を合わせた差は、約4,300クレジットです。
長いMVになると、
この差はなかなか大きい……!😳
ただし、H3は768p、Seedance 2.5は720p。
近い解像度帯ですが、完全な同条件ではありません。
モデルが変われば、必要な生成回数も変わります。
同じ品質のMVが同じ回数で完成する、
という比較ではありません。
またseedance2.5はモデル側が
動画をなんかいい感じにしてくれるという
必殺技を持っています!!✨✨
それでも、自分の曲に合わせて歌う手応えがあって、
何度か試し直すときのクレジットも抑えやすい。
今回「自作曲MVならH3のコスパがいい!」
と思ったのは、この両方があったからです。
※Seedance 2.5は確認日の割引適用価格です。
キャンペーンや設定で表示額は変わるため、
生成前に画面で確認してください。
1曲分で試して、H3への期待が大きくなった

今回、画像から新しく準備して、
自作曲1曲分のMVを
横・縦の両方で形にできました。
前回は「これ、MV制作に使えるのでは?」。
今回は「本当に、1曲分の作品にできた!」。
この一歩は大きかったです🔥
自作曲を歌わせたい。
しかも、何度か試しながら仕上げたい。
その両方を考えると、
今回のMiniMax H3はかなり魅力的でした。
一方で、長くなるほど
チェックする場所も増えます。
キャラの顔や衣装の印象が変わっていないか
口だけでなく、手や背景にも不自然さがないか
前後の場面で人物の大きさや位置が飛ばないか
やり直す分のクレジットも考えているか
私なら次も、
まずサビなどの短い区間で
キャラクターと曲の相性を見てから、
全体へ広げていくと思います。
自作曲やオリジナルキャラクターがあって、
短い作例からもう一歩進めてみたい方には、
今回の完成MVと制作回数が
参考になればうれしいです☺️
前回の記事と、これまでの検証はこちら👇
※今回のH3の生成条件と使用クレジットは、
2026年9月17日の制作記録に基づきます。
Seedance 2.5の表示価格は、
2026年9月18日の確認に基づく試算です。
ではでは、最後まで読んで頂き
ありがとうございました!
ねんころでした!

#PR #プロモーション #MiniMaxH3 #Seedance2 .5 #PolloAI #AI動画 #生成AI #AI活用 #動画生成AI #AIで遊ぼう #やってみた #AI動画生成AI #画像生成AI活用 #クリエイターの試行錯誤 #作りたいをカタチにする動画生成AI #AIとやってみた #AI活用術 #音楽生成AI #動画 #創作