HeyGenの動画が1秒0.01ドルで登場：HeyGenによるMiniMax H3のポストトレーニングが実際に変えるもの

HeyGen Videoは9月30日に毎秒0.01ドルで公開され、10月いっぱいまでその価格が続く。そして、その数字こそがすべてを物語っている。10秒のクリップが10セントだ。HeyGen自身の比較チャートでは、そのチューニング元となったベース生成モデル——2026年7月31日リリースのMiniMax H3——は、同じ768p・音声付きで毎秒0.08ドルと請求され、チャート上の他の参照点ではGoogleのVeo 3.1が毎秒0.40ドルにまで達する。このローンチに奇抜な点は何もない。モデルは1つ、プロンプトモードは3つ、音声は同じ呼び出しで生成される。異例なのは、ある企業がオープンウェイトのベースモデルを手に取り、自社の垂直領域向けにポストトレーニングを施し、その結果を派生元のモデルより1桁近く安く価格設定していることだ——しかも同じ呼吸で、ブラインドテストの評価者がそれをそのベースモデルより上位に位置づけたと述べながら。どちらの主張もHeyGenによるものであり、その背後にある算術こそが、購入者の意思決定が実際に生きる場所なのだ。

HeyGen Videoとは実際何なのか

HeyGen Videoは汎用の動画モデルであり、アバターエンジンではありません。HeyGenを使ったことがある方にとって、この違いは重要です。同社自身のドキュメントはその境界線を明確に引いています。同社のアバター描画エンジンは、すでに書いたスクリプトに基づいて、すでに所有している外見をアニメーション化するのに対し、こちらは説明から被写体、設定、光、音を一度に生成します。これは識別子heygen-video-1でPOST /v3/models/videosとして提供され、x-api-keyヘッダーで認証し、有料のAPIキーでのみ動作します。

3つのモードがコンディショニングに対応しています：

• text_to_video — プロンプトのみ、出力はデフォルトで16:9になります。

• image_to_video — プロンプトと画像1枚を指定すると、その画像がEXIFの向き設定も含めて文字通り最初のフレームとなり、出力はその画像の縦横比に従います。

• reference_to_video — デフォルトのモード。プロンプトと最大9枚の参照画像、3本の参照動画、3つの参照音声クリップ、合計12項目。リストの順序が、プロンプトで指定するラベルになります：reference_imagesの最初の項目は<Picture 1>、最初の動画は<Video 1>、画像、動画、音声はそれぞれ独立して番号付けされます。

出力エンベロープはタイトで、価格の前に読む価値があります：

• 継続時間 — 5～15の任意の整数秒、デフォルトは5。

• 解像度 — 480p または 768p、デフォルトは 768p。16:9 の場合、1344 × 768、9:16 の場合、768 × 1344。

• フレームレートとオーディオ — MP4/H.264コンテナで24 fps、32 kHzステレオのAACオーディオに、生成されたダイアログ、アンビエンス、エフェクトを収録。

• アスペクト比 — 21:9、16:9、4:3、1:1、3:4、9:16、さらにアダプティブは参照モード用で、最初の参照画像の形状を継承します。

• プロンプト強化 — ターボがデフォルト、品質はより長い処理向け、無効にするとテキストをそのまま送信します。

スキーマは厳格で、未知のフィールドは無視されず拒否されます。また、seedは符号なし32ビット整数で、ショットを保持したまま一度に1つの句だけを変更していく際に、そのショットを再現可能にします。ダウンロードリンクは署名付きで有効期限があるため、ポーリングによって更新されます。コールバックはジョブごとに1回だけ試行され、HeyGen自身も、これを保証ではなくレイテンシの最適化として扱うよう案内しています。

ベンダー自身の数字と、それに組み込まれた注意事項

HeyGenはローンチページに比較表を載せており、それはこの記事の中で唯一の定量的な主張なので、そのまま繰り返すよりも精査して検証する価値がある。

品質チャートはElo表で、HeyGen Videoが首位の1000、続いてDreamina Seedance 2.0が955、H3 Maxファミリーが952から860、Kling 3.0 Proが857、Veo 3.1が744となっている。脚注がかなり重要な役割を果たしている。スコアはArtificial Analysis Arenaのクエリによる内部評価セットと4,800票の投票に基づくもので、HeyGen自身のスコアは比較を簡単にするため1000に正規化されている。ベンダーが自社チャートの首位に自分を正規化することは、それが首位である証拠にはならない。それは提示上の選択にすぎない。その下の相対的な間隔こそが有益な部分だ。

より有用なのは直接対決だ。HeyGenによれば、ブラインドテスターは650票の比較のうち55.8%で、falのH3 Maxよりも自社モデルを好んだ。範囲は49～62%だった。この範囲こそが正直なディテールだ。下限では50%をまたいでおり、HeyGen自身の数値でも、H3 Maxに対する選好がノイズと明確に区別できているとは言えない。軸ごとの内訳もまちまちで、元画像への忠実さで65%、タイミングで66%である一方、一貫性は43%、音楽は45%——これは、単一の完結したショットはうまく保てるものの、より長いショットではズレていくモデルのように読める。

速度は最も異論の余地が少ない数字だ。HeyGenは、10秒の画像から動画へのクリップ1本について、その拡散推論が3.7秒だと報告している。これに対し、H3 Max Turboは4.1秒、H3 Maxは8.3秒で、キャプショナー時間はモードによって変動するため除外されている。生成したクリップの長さを下回るものは、リアルタイムより速い。

価格、そしてHeyGen自身のコピーにおける不一致

HeyGenに関する2つの情報源が、2つの異なる標準料金を示している。ローンチ時のコピーでは、料金は10月まで1秒あたり$0.01からとされ、標準の$0.02からの50%オフと説明されている——つまり10月がプロモーション料金で、$0.02が定価となる。同じページのコストチャートには、768p・音声付きの1秒あたりの定価として脚注が付されているが、ローンチプロモーション前、HeyGen Videoは$0.03となっている。

それは単なる丸め誤差ではない。HeyGenの文章が標準料金だと述べている額と、HeyGenの表が示している額との間に50%の開きがあるということだ。表の他の行は外部の価格設定と整合している——MiniMaxはベースのMiniMax H3を1秒あたり$0.08で請求しており、これはArtificial Analysisが記録している1分あたり$4.80と一致する——ので、H3ファミリーの数値だけが浮いているわけではない。HeyGenがAPI料金ページを公開するまでは、$0.01は現行のプロモーション料金なので確定済みとして扱い、10月以降の数値は1秒あたり$0.02から$0.03の間のどこかとして扱う。

千秒の代償

これが重要な比較です。768p、音声付きで、生成動画1,000秒分——10秒クリップ100本:

• 10月のHeyGen Video — 毎秒$0.01で$10。

• 10月以降のHeyGen Video — $0.02で$20、チャートの$0.03が正しければ$30。

• OrcaRouterのMiniMax H3 — プロバイダー定価の毎秒$0.08で$80、マークアップ0%のため、ベンダーの価格変更は当日ここに反映されます。

• fal's H3 Max — チャート記載の1秒あたり$0.08で$80

• Kling 3.0 Pro — 1秒あたり$0.168で$168。

• Veo 3.1 — $400、1秒あたり$0.40。

大量に生成し、その大半を捨てるチーム——ソーシャル向けカットダウン、広告バリエーション、プロダクトループ——にとって、破棄率こそが実質的なコスト項目であり、10秒の試行が10セントという価格では、反復の経済性は一変する。問題は上限だ。768p/24fpsは2K納品フォーマットではなく、「プロダクション品質」はHeyGenの言い回しであって、仕様ではない。ベースのMiniMax H3は、MiniMaxのホスト型API上の別個の再生成モジュールを通じて毎秒0.13ドルで2Kに到達するが、HeyGen Videoにはそれに相当するものがない——つまり、納品ターゲットが768pを超えるなら、その安い1秒は、あなたが必要とする1秒ではない。

両者を比較したいチームのために、MiniMax H3 は OrcaRouter 上で minimax/minimax-h3 として毎秒 $0.08 で提供されているので、ベースモデルとポストトレイン版を、2 つの契約ではなく 1 つのキーの下に置くことができます。HeyGen Video 自体は今日ここではルーティングされたモデルではありません — それは HeyGen 独自の API と複数のサードパーティプラットフォームを通じて提供されています — そしてまさにこれが 自動フェイルオーバー の存在するケースです。数日前のモデルに対してプロトタイプを作りつつ、本番経路をそれに賭ける必要はありません。そしてそれがルーティングされたプロバイダーに到達すれば、上乗せ価格ではなく定価で表示されます。

HeyGenが苦手だと言っていること

HeyGenのドキュメントで最も役立つ段落は、失敗モードを列挙したものです。ベンダーがそれらを書くことはめったにないからです。HeyGen Videoは、会社自身の言葉によれば、最も信頼性が低いのは、長い画面上のテキスト、柔らかい有機的な動き、例えば花びら、紙、髪などの、そして細かい手作業、例えば機器の組み立てや操作などです。短く、限られたショット、つまり被写体が1つ、場所が1つ、動作が1つ、カメラが固定されているかほとんど動かない場合に最高の性能を発揮します。

そのプロファイルは、上記の軸ごとのブラインド数値と一致している——提供された画像への適合は良好で、一貫性は弱い——そして、それはあなたがそれをどうテストするかを方向づけるはずだ。ローンチ映像が最も強く頼っている能力は、ショット内で生成されるレタリングだ。そこに出てくるすべてのタイトルは、合成されるのではなく、シーンに描かれ、刻印され、または押し込まれていた。HeyGen 自身のガイダンスでは、正確につづられた短いフレーズは安定してレンダリングされるとされているが、これは限定的な主張であり、同じドキュメントは画面上の長いテキストを警告している。あなたのワークフローが可読性の高いタイポグラフィに依存しているなら、まずそこを検証すべきだ。

5週間で2度目となるMiniMax H3のポストトレーニング

興味深い構造的事実は、HeyGen VideoがMiniMax H3をファインチューニングして作られた最初の商用製品ではないということだ。falは8月27日にH3 Maxを出荷した。これはfalの推論スタックと共同最適化された同じベースモデルのポストトレインであり、Artificial Analysisの音声付きimage-to-videoボードの首位でデビューした。今度はHeyGenが、別のバーティカル——ビジネス動画、製品デモ、トレーニング、物件内覧——向けに同じことを行い、それをベースより低価格に設定した。

そのパターンこそが本当のシグナルだ。MiniMaxがH3の重みを自社のコミュニティライセンスの下で公開する決定によって、このモデルは他社が特化して再販できる基盤に変わった。そして5週間で2つ目のそうした製品が登場したことは、コンバージョン率が本物であることを示唆している。また、これは「MiniMax H3」が単一のモデルではなくファミリーになりつつあることも意味する。ベースモデル、falのH3 Max、HeyGen Videoは今や、異なる価格と異なる解像度で互いに競合しており、「H3」を他の何かと比較する購入者は、どのH3なのかを言わなければならない。

Artificial Analysisのテキスト・トゥ・ビデオ・ボードは、それがどれほど強く効いてくるかを示している。音声付きの2位モデルはElo 1150のUtopai X——Artificial AnalysisがMiniMax H3をベースとすると脚注で記している——で、4位のベースMiniMax H3自体（1138）を上回っている。ベースモデル自体のスコアがどうであれ、それをもとに作られた派生モデルは、少なくとも1つの独立系ボードにおける人間のブラインド選好でベースモデルを上回っている。

まだ未確認なのは何ですか？

読者が開いたままにしておくべき三つのこと。

まず、HeyGen Videoには独立したスコアがありません。10月1日時点で、Artificial Analysisの3つの動画ボード——テキストから動画、画像から動画、動画編集——のいずれにも掲載されていないため、まだブラインドの第三者によるEloは存在しません。この記事のすべての品質数値はHeyGen自身のもので、HeyGenが4,800票を投じて集めたArenaクエリの評価セットに基づいています。それは擁護できる方法論であり、ベンダーの結果であり、そのように読まれるべきです。

第二に、HeyGenは重みの公開について何も述べていない。チューニング元となったモデルはオープンウェイトだが、ポストトレーニングは新たな成果物であり、HeyGen自身のライセンスはHeyGen独自のものである。発表資料の中には、どちらの立場にコミットする内容もない。

第三に、ドキュメント自体が矛盾しています。APIリファレンスには、プロンプトは最大5,000 Unicode文字を受け付けると記載されている一方、モデルページのパラメータ表では範囲が1～32,000文字と示されています — 厳格な入力上限における6倍の開きです。低い方の数値がリファレンスと変更履歴の概要に記載されている値なので、HeyGenがこの2つを整合させるまでは5,000を基準に計画してください。

誰が行動すべきで、誰が待つべきか

あなたの動画制作が、限定されたショット内で完結するもの——作業台の上の製品、ゆっくりドリーする部屋、単一の被写体と固定カメラ——で、かつ768p以下で納品するなら、10月末まで適用される料金は、ナレーションと音楽を付けた映像を大規模に生成するための、現在誰かが公開している中で最も安価で信頼できる方法だ。プロモーションが有効な今月中に試し、ローンチ用映像を中心にするのではなく、HeyGenが弱点だと認めている3つの点を中心にテストを設計しよう。

納品先が768pを超える場合、画面上に長いテキストが必要な場合、またはショット間で読みやすさの一貫性を保つことが目的なら、待ってください。ベースのMiniMax H3は、768pなら毎秒$0.08でルーティング可能なH3のままです。そのホスト型2Kパスは毎秒$0.13となっています。どちらもOrcaRouter上の1つのキーで利用でき、プロバイダーの定価で、マークアップはありません。そのため、HeyGenの10月以降の価格が$0.02ではなく$0.03になった場合、その修正は1か月後ではなく、それが起きた当日にここで確認できます。判定を最も早く変えるのは独立したEloです。HeyGen Videoが第三者のブラインドボードに登場すれば、ベンダーの55.8%が持ちこたえるか、そうでないかがわかります。