MiniMax H3 vs Kling 3.0

DreamBenchでの仕様だけを見ると、2つは似ています。どちらも21:9から9:16まで同じ5つのアスペクト比で720pと1080pを作り、1回の生成で最大15秒をレンダリングします。上の行は、MiniMax H3とKling 3.0のページの表に基づいています。違いはサウンド、話し声、動く場所にあり、2026年11月1日に確認した開発元のページとDreamBenchの設定がそれを示しています。

DreamBenchの動画では、すべてのシーンに1つのモデルを使います。自分の指示文で比べるには、Film Studioで同じ動画をそれぞれのモデルで1回ずつ作り、気に入ったほうを残してください。

2つの開発元が挙げる言語は異なります。MiniMaxのモデルカードは安定対応の11言語を挙げています：アラビア語、中国語、英語、フランス語、ドイツ語、イタリア語、日本語、韓国語、ポルトガル語、ロシア語、スペイン語。それ以外は程度の差はあれ使えるとしています。KlingのVideo 3.0ガイドは中国語、英語、日本語、韓国語、スペイン語の5言語を挙げ、それ以外の言語のセリフは英語に翻訳されるとしています。そのため、ポルトガル語、フランス語、ドイツ語、イタリア語、ロシア語、アラビア語のセリフならMiniMax H3です。

話し方の面では、Klingのほうが踏み込んでいます。ガイドには、アメリカ、イギリス、インドの英語の訛りや、広東語や四川語などの中国語の方言が挙げられ、1つのシーンの中でキャラクターが言語を切り替えられ、各セリフを話者と話し方とともに書く形が示されています。Kling 3.0のページによると、複数のキャラクターが話すとき、モデルはそれぞれの声と唇の動きを合わせます。MiniMaxのページには訛りの説明がなく、複数の話者についての記載もありません。

DreamBenchでは、どちらのモデルでも声はプロンプトの言葉から作られ、アップロードする音声の録音はありません。話すセリフはそれぞれ引用符で囲み、名前のあるキャラクターに割り当て、言語を明記します。1秒に約2語として、クリップの中で言い切れる短さにしてください。

MiniMax H3のクリップは、DreamBenchでもMiniMax自身のモデル説明でも、すべてステレオのサウンド付きで生成されるので、見せたいものだけでなく聞かせたいものも描写してください。Kling 3.0はサウンドがオンのとき、動作に合わせたセリフ、効果音、環境音を映像と一緒に生成し、オフのときは映像だけを作ります。

この切り替えが重要になるのは、サウンドを別に用意するときです：ナレーション、ブランドの音源、編集ソフトで加える音楽など。DreamBenchでは、無音のKling 3.0のクリップは、サウンド付きより1秒あたりのクレジットが少なく済みます。MiniMax H3のクリップには常に独自のサウンドトラックが付くので、あとでミュートするか置き換えることになります。

MiniMax H3にできて、Kling 3.0にできないこと

• DreamBenchの「動画」ページで動きます：5〜15秒のクリップ1本、プロンプトは書いたとおりに送られます。
• モデルカードに挙げられた11言語を確実に話します。フランス語、ドイツ語、イタリア語、ポルトガル語、ロシア語、アラビア語も含まれます。
• すべてのクリップがステレオで出力されます。
• 自分で動かしたい人向けに、MiniMax独自のH3 Community Licenseのもとで重みが公開されています。

Kling 3.0にできて、MiniMax H3にできないこと

• サウンドをオフにでき、クレジットが少なく済みます。
• 指定した訛りや方言で話し、1つのシーンの中で言語を切り替えます。
• Klingの説明によると、セリフを複数の話者の声と唇に合わせます。

開発元のツールは、DreamBenchが使う以上のことができます。どちらもそこでは最初と最後のフレームを受け付け、1クリップ内でショットの間をカットできます。MiniMax H3は参照の動画や音声も受け付けて映像を編集でき、Kling 3.0はElementsでキャラクターの見た目を固定します。DreamBenchでは、どちらのモデルのクリップも、DreamBenchが参照画像から作る開始フレームから始まる1ショットで、新しいショットは新しいシーンになります。

開発元の言葉による限界：MiniMaxによると、H3の映像の細部は、場面によってはまだ改善の余地があります。DreamBenchでは、Kling 3.0のクリップは途中で新しい舞台にカットせず、新しい映像はどちらのモデルでも3〜12秒のクリップに分けられます。

「動画」ページでは、MiniMax H3にプロンプトが書いたとおりに届きます。MiniMaxによるとH3は指示に忠実に従うので、正確な指示文が効果を発揮します。ショットサイズ、動作、カメラワーク、聞こえるものの順に描写し、話すセリフはそれぞれ引用符で囲んで言語を明記します。文字やロゴが重要なら、1080pを選び、フレームには被写体を1つだけ入れます。

Kling 3.0はFilm Studioで動き、DreamBenchがあなたの指示文から各シーンのプロンプトを書くので、大事なのは指示文です。Klingのガイドはカットなしのワンテイクとして書きます：フレーム、「4秒目に」のようなタイミング付きで場面ごとの動作、カメラ、見た目、そしてサウンド。セリフは「名前（話し方）：『セリフ』」の形で書きます。DreamBenchのKling 3.0のプロンプトでは音楽を入れません。

• どちらのモデルでも、すべてのセリフの言語を明記します。
• MiniMax H3には、ほしい音を書きます。どのクリップにも音が付くので、それが何かを書いてください。
• Kling 3.0には、1シーンにつき数秒のメインの動作を1つ渡します。DreamBenchでは、クリップはそれぞれ1ショットです。
• Film Studioでは、どちらのモデルでも、参照画像にタグを付けて指示文の中で@で名前を呼ぶと、DreamBenchがそれを各開始フレームに組み込みます。

Kling 3.0プロンプトガイドでは、Klingのセリフの書き方をさらに詳しく、コピーして使えるプロンプトとともに紹介しています。