MiniMax H3

⧉

minimax-h3

Modelo de vídeo MiniMax H3 (Hailuo 03): salida en 1080P, audio nativo generado siempre, de 5 a 15 segundos de segundo en segundo y seis relaciones de aspecto. Texto a vídeo sin imagen de referencia, imagen a vídeo con una (usada como primer fotograma). Asíncrono: envías y luego consultas el id del trabajo para obtener un enlace mp4 rehospedado (se conserva 15 días). Facturado por segundo; los trabajos fallidos se reembolsan íntegramente.

Texto a vídeoImagen a vídeo1080PAudio nativo

Obtener clave API → Documentación de la API

Puntos fuertes del servicio

Salida en 1080P
Audio nativo generado siempre, sin parámetro extra
De 5 a 15 segundos, elegibles de segundo en segundo
Facturado por segundo, con reembolso íntegro si falla

Medido en llamadas reales

Peticiones de clientes de los últimos 30 días

Tasa de éxito90.5%

Tiempo mediano de render por clip4.6 min

El 90% de los trabajos termina en este tiempo o menos13.9 min

Precios

Por segundo$0.036

Mínimo 5s$0.180

Máximo 15s$0.540

Facturado por segundo = tarifa x duración (5–15s, cualquier número entero). 1080P cuestan lo mismo. La retención al enviar coincide exactamente con el cargo final; los fallos se reembolsan por completo.

Ver los precios detallados

Prueba en directo

Prueba MiniMax H3 aquí mismo (disponible tras iniciar sesión).

Entrada

Prompt

"Bajo las murallas de Troya": un corto épico de acción. @Image1 es un héroe griego con armadura dorada y capa carmesí, lanza larga y escudo con un león; @Image2 es un campeón troyano con armadura negra y capa azul, espada curva y escudo con un caballo; el escenario sigue las murallas de Troya y el campo de batalla al atardecer de @Image3. Mantén la armadura, el casco, el color de la capa y el emblema del escudo de cada guerrero exactamente como en su referencia; nunca los intercambies.
Inicio: el viento arrastra la arena mientras los dos se enfrentan a veinte pasos, con miradas afiladas tras los cascos.
Desarrollo: cargan a la vez; la lanza choca contra el escudo del caballo en una lluvia de chispas; tajos y paradas cuerpo a cuerpo mientras la cámara gira 360 grados.
Clímax: el sol poniente queda justo entre ellos y chocan en el aire a cámara superlenta, con chispas, arena y la capa carmesí suspendidas.
Final: ambos bajan las armas y se saludan.
Estética de anuncio de acción cinematográfico, 24 fps con grano de película, pelea fluida y contundente; tambores de guerra, choques de metal y música épica con los golpes clave sobre el compás. Sin sangre ni heridas, sin personajes extra, sin texto ni marcas de agua en pantalla, sin armas ni extremidades deformes.

0 / 2000 bytes

Duración

Resolución

Relación de aspecto

Función de la imagen de referencia

Imágenes de referencia0 / 5

Haz clic para subir o arrastra los archivos aquí jpg / png / webp / gif, hasta 16 MB cada una o pega enlaces

Con varias referencias, menciónalas en el prompt como @Image1 / @Image2; por ejemplo: «el personaje de @Image1 aparece en la escena de @Image2». Sin esas marcas, el modelo decide por su cuenta.

Audio de referencia0 / 3

Haz clic para subir o arrastra los archivos aquí mp3 / wav / m4a, hasta 15 MB y 30 s cada uno o pega enlaces

Necesita también una imagen o un vídeo de referencia. Menciónalo como @Audio1 en el prompt.

Las referencias subidas se guardan 7 días.

El render suele tardar entre 5 y 20 minutos; si el backend está saturado puede superar los 60 (esperamos hasta 90). Consulta el id del trabajo en lugar de reenviarlo: cada reenvío se factura por separado. Se factura por segundo y se reembolsa íntegramente si falla. Límite del prompt: 2000 bytes (unos 666 caracteres chinos).

Salida

video

Los resultados aparecerán aquí al ejecutar.

🕑 Las imágenes y vídeos generados se conservan 15 días hasta 2026-10-29 09:49:40 UTC; desde ese momento se conservan 7 días y se eliminan los archivos existentes de más de 7 días.

Acerca de MiniMax H3

MiniMax H3 (Hailuo 03) es el modelo de vídeo de mayor resolución de aquí: salida en 1080P con audio nativo siempre activo. La duración es cualquier entero de 5 a 15 segundos en seis relaciones de aspecto; omite la imagen de referencia para texto a vídeo e inclúyela (primer fotograma por defecto) para imagen a vídeo. Trabajo asíncrono: POST /v1/videos/generations devuelve al instante HTTP 202 y un id de trabajo; consulta GET /v1/videos/jobs/{id} hasta status=succeeded y lee data[0].url. Ese enlace es un mp4 rehospedado por nosotros que se conserva 15 días (mucho más que el enlace de la CDN del proveedor); descárgalo o cópialo a tu propio almacenamiento antes de que caduque.

Casos de uso

Salida en alta definición

1920x1088, con el mejor detalle por fotograma y la mejor iluminación de todos los modelos de vídeo de la plataforma.

Clips con sonido, sin pasada de audio

El audio nativo se genera siempre sin parámetros adicionales, lo que elimina todo un paso de producción.

Coreografía de cámara completa

Resolvió un travelling que encadena con una inclinación rápida y termina en contrapicado, así que encaja con trabajos que tienen un guion de planos real.

Imagen a vídeo

Con la referencia como primer fotograma, el sujeto y la composición se mantienen estables: va bien para poner en movimiento arte conceptual.

Cómo elegir

Elígelo cuando quieras resolución, audio nativo o una coreografía de cámara completa. Para más de 15 segundos usa seedance-2.5; para apagar la banda sonora o partir de un vídeo de origen, usa la línea Seedance. También es el que más tarda en renderizar de todos (unos 11 minutos para un clip de 15 segundos), así que usa seedance-2.0-fast cuando importe la velocidad.

Preguntas frecuentes

¿Puedo desactivar el audio?

No. Este modelo genera siempre audio nativo, y audio=false se rechaza explícitamente en lugar de ignorarse en silencio. Para clips mudos usa la línea Seedance con audio=false.

¿Por qué tarda tanto?

1080P con audio nativo es sencillamente pesado: alrededor de 4 minutos para 5 segundos y 11 minutos para 15. Es un trabajo asíncrono, así que te quedas con un id de trabajo y lo consultas; no se mantiene ninguna conexión abierta.

¿Cómo funciona imagen a vídeo?

Pasa una imagen (URL pública, data: URI o base64). Por defecto se convierte en el primer fotograma, de modo que el clip conserva el sujeto y el encuadre de la referencia. Una segunda imagen pasa a ser el último fotograma; pon image_role=reference para cambiar al modo de referencia de sujeto o estilo. Los modos de primer/último fotograma y de referencia son mutuamente excluyentes.

¿Cómo se factura y se me cobra si falla?

Se factura por segundo: la retención que se hace al enviar se calcula con la duración que pediste y el cargo final es exactamente ese mismo número. Un render fallido o caducado devuelve la retención completa, así que nunca pagas por un clip que no recibiste.