中国風仙境 ＡＩ動画再現：MiniMax-H3 対 SeeDance 2.0 対 Kling

中国風仙境 ＡＩ動画再現：MiniMax-H3 対 SeeDance 2.0 対 Kling

2026年8月初め、「中国風仙境」ＡＩ動画が国内外のＳＮＳで大流行しました——石造りのアーチ橋の上に立つ紅衣の漢服の女性、うねる雲海、遠くにかすかに見える黄金の宮殿群。原作者は MiniMax H3 のＡＰＩでこの映像を再現し、完全なワークフローを公開しました。私たちは Neta Studio のマルチモーダルゲートウェイで、同じシーンを MiniMax-H3、SeeDance 2.0、Kling の三モデルに通し、二種類の参照フレーム（Gemini が生成したフレームと原動画のキーフレーム）を使って直接比較しました。

使用した参照フレーム

二種類のファーストフレームを使用しました。Gemini が生成したフレーム（左）はテキストプロンプトのみから作成したものです。原動画のキーフレーム（右）は話題の動画から切り出し、下部の透かしをトリミングで除去しました——これにより、モデルに原動画とまったく同じ構図を与えられます。

四つの生成結果——動画で直接チェック

以下の四本の動画はすべて、テキストプロンプト（またはプロンプト＋ファーストフレーム参照画像）から生成され、パラメータは10秒／768Ｐ／16:9です。再生して、構図の再現度、動きの滑らかさ、ディテールの一貫性を比較してください。

使用したプロンプト

使用したプロンプトをそのまま公開します。再現にもアレンジにもお使いいただけます。テキストから動画生成（MiniMax-H3）のプロンプトはシーン全体を記述し、画像から動画生成のプロンプトは固定したファーストフレームの上での動きのみを記述しています。

コスト／ステータス比較

結論：どのモデルが「中国風仙境」を最も忠実に再現できるか？

MiniMax-H3（テキストから動画生成）が最もコストパフォーマンスに優れています。10秒・768Ｐの動画が $0.68 で生成でき、構図は原動画を忠実に再現——紅衣の漢服の女性、石造りのアーチ橋、うねる雲海、黄金の宮殿がすべて揃い、参照フレームも不要でプロンプト一つで完結します。

SeeDance 2.0は最も精細な描写を生み出しますが、コストは5倍（$3.76）かかり、ファーストフレームの出どころが結果に大きく影響します——原動画のキーフレームを使うと、構図と雰囲気が最も元の動画に近づきます。

Klingはその中間（$1.26）に位置し、動きが自然で、品質と価格のバランスに優れています。

おまけ：「仙境の仙宮」シーン——高速版 対 高精細版

橋のシーンに加えて、宮殿に焦点を当てたバリエーション（「中国風仙境の仙宮」）も生成しました。流れる雲海、遠くに広がる黄金の宮殿群、中景では雲海を突き破って飛び出す鯤鵬の神鳥、前景では迎客松の下で語らう三人の古装の仙人。Seedance 2.0 で二つのバージョンを作成しました——参照なしの高速版と、スタイル参照フレーム2枚を使用する高精細版です。

V1 · Seedance 2.0 高速版（参照なし）

純粋なテキストから生成——プロンプトは、流れる雲、壮麗な宮殿、雲海から飛び出す鯤鵬、松の下の三人の仙人を要求しています。低コストで全要素を実現でき、アイデアを素早く検証するのに最適です。

V2 · Seedance 2.0（スタイル参照フレーム2枚）

同じプロンプトに、スタイル参照用のスクリーンショット2枚を追加しました。ファーストフレームは手作業で確認済みです。断崖の石の台座の上、迎客松の下に三人の古装の仙人（男性1人、女性2人）が立ち、霞のかなたの黄金の宮殿を見つめています。中景には鯤鵬。全体の雰囲気と色彩は参照素材にずっと近く——最終納品にはこちらが最適です。

V1 対 V2：参照フレームが変えるもの

まとめ：シーンに強いスタイル要件（色彩、雰囲気、建築のディテール）がある場合、スタイル参照フレームが重要になります——内容は同じでも、V2 は意図した見た目にはるかに近く仕上がります。素早い実験には、480Ｐ の高速版で十分です。

完全なワークフロー（自分で再現する）

なぜ Neta Studio で作るのか？

Neta Studio のマルチモーダルゲートウェイは、MiniMax-H3、SeeDance 2.0、Kling、Seedance などのモデルを一つのコマンドでまとめて呼び出せ、複数のＡＰＩキーを切り替える必要はありません。生成結果は自動的にＣＤＮへアップロードされ、そのまま埋め込みや共有に使えます。