MiniMax H3MiniMax H3 (Hailuo 3)
Un modelo de video omnimodal que lee texto, imágenes, video y audio en un solo contexto — y responde con una película en 2K nativo, sonido estéreo incluido, de hasta 15 segundos en una sola toma. Ya disponible en Molyin — genera abajo.
- Generaciones fallidas reembolsadas automáticamente
- Los packs de créditos nunca caducan
- El precio de cada modelo es público
- Cancela cuando quieras con un clic
- 2K
- Resolución nativa
- 24 fps
- Frecuencia de fotogramas
- 4–15 s
- Cualquier duración de clip
- Estéreo
- Sonido en cada toma
Muestras oficiales de MiniMax H3
Directas del lanzamiento de MiniMax — pasa el cursor para previsualizar y toca el icono del altavoz para escuchar la mezcla estéreo nativa.
- MiniMax H3
- Reference to video
- 15s
- 2K
La Imagen 1 sirve como referencia para la textura y la atmósfera general, mientras que la Imagen 2 proporciona la referencia para la apariencia del personaje. Crea un cortometraje de moda trendy de 15 segundos en formato panorámico 16:9. Mantén la coherencia en el diseño del personaje: pelo largo rubio platino, gafas de sol vintage negras y estrechas, gabardina negra de charol brillante, una expresión de moda fría y segura, y reflejos naranjas de las llamas sobre la superficie de la gabardina de cuero. El estilo general es un anuncio de moda de corte rápido con textura de cine, que mezcla elementos como escenas nocturnas de fuego, humo negro, llamas rojo-anaranjadas, glitches de VHS, interrupciones de emisión de CCTV, grano de película analógica de los 90, scan-lines, aberración cromática, light leaks, transiciones de flash blanco y un ligero temblor de cámara constante.
- MiniMax H3
- Reference to video
- 15s
- 2K
Crea un video de marca de moda de alta gama en formato panorámico 16:9. La atmósfera general, las escenas y la textura fílmica deben tomar como referencia la Imagen 1; los assets del bolso, la Imagen 3; los assets del personaje, la Imagen 2; y el logo de cierre de la marca, la Imagen 4. Es una campaña de moda para vender ropa y bolsos. El tono general debe ser sofisticado, cool y contenido, pero el montaje no puede resultar plano — necesita más dinamismo y un fuerte sentido del ritmo de moda. Evita la sensación de una película narrativa corriente o de un anuncio de e-commerce. La historia central sigue siendo simple: en una carretera del desierto, junto a un coche vintage, una mujer camina hasta el maletero, lo abre y saca un bolso negro. Hay una conexión breve y silenciosa entre ella y un hombre de pie junto al coche. Después, ella se aleja con el bolso. El bolso y la ropa deben integrarse con naturalidad en los movimientos de los personajes, convirtiéndose en una parte intrínseca de su personalidad.
- MiniMax H3
- Text to video
- 15s
- 2K
Un ritmo más rápido, grandioso pero sin alargarse. Cortes duros y veloces, el puente de mando temblando, destellos de luz intensos, breves fundidos a negro y saltos warp. El diseño del texto recuerda a las letras de espaciado amplio de un tráiler de cine, evitando el blanco plano pero con un brillo contenido y un acabado texturizado con sutiles realces en los bordes. La animación del texto incluye emerger del vacío profundo del espacio, iluminado por barridos de luz estelar, un espaciado de letras que se expande, estelas residuales, un resplandor sutil y destellos de fundidos a negro.
- MiniMax H3
- Reference to video
- 15s
- 2K
Estilo: un video musical dark-pop / cyber-grunge / rap con una textura de alta moda pero realista, que evoca la estética de una revista de cine. Los visuales tienen alto contraste pero evitan parecer baratos. La referencia general bebe de las revistas independientes de finales de los 90 y principios de los 2000, fanzines fotocopiados, escaneos de película, pósteres de música underground y estética de collage. Los visuales incluyen grano grueso, un sutil temblor de película, tramas de semitonos, bordes de impresión rugosos y desalineaciones de escaneo. El ritmo de montaje es rápido y se apoya únicamente en cortes duros, sin fundidos ni transiciones suaves. El estilo y la textura del diseño de texto deben tomar como referencia las imágenes adjuntas.
- MiniMax H3
- Text to video
- 15s
- 2K
Un video corto horizontal de 15 segundos en 16:9. Una escena de lavandería nocturna filmada en acción real, mezclada con animaciones luminosas dibujadas a mano. El escenario es una pequeña lavandería autoservicio con fluorescentes que parpadean débilmente. Dentro hay lavadoras en marcha, cestos de plástico para la ropa, un banco viejo y un calcetín solitario abandonado en el suelo. El espacio en conjunto se siente tranquilo, con una sutil nota de nostalgia. Filmado con un teléfono en mano, sujetado con una sola mano, el metraje presenta un temblor evidente; la luz fluorescente blanca provoca una exposición fluctuante; se ven reflejos en los paneles de cristal; y el enfoque se retrasa ligeramente cuando la cámara se acerca a los objetos. Los visuales no deben verse pulidos ni cuidados como un anuncio comercial. La textura general debe parecer una grabación espontánea y casual — como toparse con la lavandería a altas horas de la noche y capturar instintivamente visiones surrealistas con una crudeza documental.
- MiniMax H3
- Text to video
- 15s
- 2K
Genera una secuencia de apertura de película criminal de suspenso ligero de 15 segundos en formato panorámico 16:9. El estilo general debe tomar como referencia el lenguaje visual de estos conceptos: aperturas de anime japonés retro, siluetas de bordes duros, collage estilo cómic, pantallas divididas asimétricas, bloques de color geométricos contundentes, créditos de título en inglés, un mínimo de katakana japonés como decoración y un aire de jazz criminal. La atmósfera debe ser 60% suspenso y 40% jazz: misteriosa, cool, ágil, con una sensación de crimen urbano — ni aterradora ni pesada, y desde luego no un video musical de jazz alegre. Los efectos de movimiento de la apertura deben sentirse como collages gráficos animados: primero aparece un marco de línea negra, los bordes de la pantalla dividida se trazan rápidamente, los bloques de color y los marcos se pegan pieza a pieza; siluetas de personajes, primeros planos de objetos y créditos en inglés se deslizan hacia dentro, rebotan hacia fuera o se revelan mediante máscaras al ritmo de la batería. Evita las animaciones narrativas realistas — esto debe tener el acabado pulido de una secuencia de apertura. Los créditos en inglés deben ser legibles, con efectos animados permitidos: los marcos de línea fina pueden trazarse primero, los nombres se deslizan dentro del marco, las letras aparecen una a una y se revelan con bloques de color en movimiento, antes de una breve pausa al final. No añadas texto en chino, evita el texto corrupto y asegúrate de que ningún nombre en inglés esté mal escrito. Reglas de la secuencia: cada crédito y título en inglés debe aparecer solo una vez. No repitas el mismo título, no repitas el mismo nombre y no asignes varios roles a la misma persona. Las transiciones deben ser variadas: máscaras circulares de disco de vinilo, cortes verticales a través de puertas de coche, sombras de personajes como cortinillas, cortes de línea roja, máscaras con grandes letras en inglés, reorganizaciones de bordes de pantalla dividida, cortes duros de bloques de color geométricos y revelados de collage fotograma a fotograma. Todas las transiciones deben sincronizarse con los golpes de batería — precisas, llenas de suspenso, ágiles y con un aire de collage de cómic. Evita los fundidos suaves y las transiciones fluidas. BGM: crea una música de fondo original.
Entra un contexto. Sale una película.
Este es el ejemplo insignia del propio MiniMax. Tres assets — una referencia de movimiento de cámara, una imagen de personaje y una grabación vocal — más una frase que describe cómo encajan. MiniMax H3 los lee como un solo contexto y entrega el plano terminado, con el personaje cantando.
El prompt
Toma como referencia el movimiento de cámara al estilo Hitchcock del Video 1, haz que el personaje de la Imagen 2 cante, con la voz ajustada al Audio 3.
¿Qué es MiniMax H3?
MiniMax H3 es la tercera generación de la serie H de MiniMax, lanzada el 31 de julio de 2026 — y no es solo un modelo de video. MiniMax H3 es un modelo de generación multimodal de propósito general: entiende texto, imágenes, clips de video y audio dentro de un contexto unificado, y tú describes en lenguaje natural cómo se relacionan. Pídele que tome prestado el movimiento de cámara de un video, que ponga en pantalla al personaje de una imagen y que le haga cantar la voz de un archivo de audio — todo en un solo prompt.
El lado de la salida es igual de ambicioso. MiniMax H3 renderiza en 2K nativo por defecto — no una imagen escalada, sino una regeneración en contexto por el modelo base, y por eso sobreviven detalles finos como el texto pequeño. Cada generación incluye sonido estéreo nativo: la música, el diálogo y los efectos se producen junto con la imagen, no se añaden después. Suma el modelado multi-shot nativo, el renderizado preciso de texto y marcas y la transferencia de movimiento desde metraje de referencia, y MiniMax H3 se perfila como un modelo construido para el trabajo comercial — anuncios, e-commerce, películas de producto y de UI. MiniMax también ha anunciado planes para abrir los pesos del modelo.
Mientras MiniMax H3 se despliega, todas las capacidades con las que compite ya están disponibles en Molyin: prueba nuestro generador de video IA, consulta los precios o explora la biblioteca de modelos completa.
MiniMax H3 vs Hailuo 02
MiniMax H3 sustituye a la generación Hailuo 02 con una arquitectura nueva. Esto es lo que cambió de verdad.
| Capacidad | Hailuo 02 | MiniMax H3 |
|---|---|---|
| Diseño del modelo | Arquitectura centrada en video | Contexto unificado omnimodal, construido desde cero |
| Resolución | 768P / 1080P | 2K nativo por defecto, nivel económico de 768P |
| Duración del clip | Fija de 6 s o 10 s | Cualquier duración de 4 a 15 segundos |
| Audio | Salida muda | Sonido estéreo nativo en cada toma |
| Referencias | Imagen de primer fotograma | 9 imágenes + 3 videos + 3 clips de audio |
| Facturación | Por clip fijo | Por segundo — pagas exactamente lo que generas |
Especificaciones verificadas el 02-08-2026.
MiniMax H3 vs los modelos disponibles en Molyin
| Modelo | Posicionamiento | Fecha de lanzamiento | En Molyin |
|---|---|---|---|
| MiniMax H3 | Buque insignia omnimodal, 2K nativo + estéreo | 31 jul 2026 · pesos abiertos anunciados | Disponible — genera arriba |
| Seedance 2.5 | Buque insignia de ByteDance, tomas de hasta 30 s | 7 ago 2026 (API) | Disponible desde el primer día de la API — genera arriba |
| Wan 3.0 | El modelo All-in-One de Alibaba, tomas de hasta 30 s | 6 ago 2026 | Disponible desde el día del lanzamiento — genera arriba |
| HappyHorse | Generación expresiva + edición de video por instrucciones | jun 2026 (1.1) | Disponible — genera arriba |
| Familia Seedance 2.0 | Caballos de batalla Standard / Fast / Mini, hasta 4K | abr 2026 (API) | Disponible — genera arriba |
| Kling 3.0 | Referencias de elementos + audio nativo, hasta 4K | 4 feb 2026 | Disponible — genera arriba |
| Veo 3.1 | El modelo cinematográfico de Google con audio | Oct 2025 | Disponible — genera arriba |
Una suscripción, un saldo de créditos — todos los modelos disponibles arriba están incluidos.
Especificaciones completas de MiniMax H3
| Parámetro | Valor | Notas |
|---|---|---|
| Modos de generación | Texto / Imagen / Referencia a video | Tres modos, un solo contexto multimodal unificado — cambia libremente en el generador de arriba. |
| Niveles de resolución | 768P / 2K | 2K nativo — 2560×1440 en 16:9 — regenerado en contexto por el modelo base, no escalado; 768P es el nivel económico. |
| Frecuencia de fotogramas | 24 fps | Frecuencia de fotogramas de salida estándar de cine. |
| Duración del clip | 4–15 s | Cualquier duración entera en una sola toma, facturada por segundo — sin niveles fijos de 6 s/10 s. |
| Audio | Estéreo nativo, siempre activo | La música, el diálogo y los efectos se generan junto con la imagen; la voz puede seguir una referencia de audio. |
| Imágenes de referencia | Hasta 9 | Las primeras imágenes de cada solicitud son gratuitas; las extra llevan un pequeño recargo por imagen — los números exactos están en las preguntas frecuentes de abajo. |
| Videos de referencia | Hasta 3 | Cada clip de 2–15 s, metraje de referencia combinado de hasta 15 s; los segundos de referencia se facturan a la tarifa del nivel de salida. |
| Pistas de audio de referencia | Hasta 3 | Las referencias de audio no pueden ser la única entrada — combínalas con una imagen o un video. |
| Créditos por segundo | 18 (768P) · 29 (2K) | Facturado por segundo desde tu saldo de créditos; las generaciones fallidas se reembolsan automáticamente. |
Todo lo que aparece en esta tabla ya está admitido en el sitio y se mantiene sincronizado con las capacidades oficiales más recientes del modelo.
Precios de MiniMax H3 en Molyin
Facturado por segundo desde el mismo saldo de créditos que cualquier otro modelo disponible. Los números de abajo se calculan directamente desde nuestro motor de facturación — y las generaciones fallidas se reembolsan automáticamente.
| Modelo | Resolución | Créditos/seg | Video de 5s | Video de 5s + referencia de 3s |
|---|---|---|---|---|
| 768p | 18 | 90 créditos | 144 créditos | |
| 2k | 29 | 145 créditos | 232 créditos |
- Excepción: los segundos de video de referencia de MiniMax H3 se facturan a la tarifa completa por segundo.
- MiniMax H3: las primeras 5 imágenes de referencia son gratis; cada imagen adicional añade 9 créditos.
Consulta los precios en créditos de todos los modelos en la lista de precios completa →
Cómo generar con MiniMax H3
Tres pasos de la idea a una película en 2K nativo con sonido estéreo
Elige MiniMax H3 y un modo
Elige texto a video, imagen a video o referencia a video.
Escribe el prompt, añade referencias
Describe el plano como un director. Opcionalmente adjunta imágenes, clips de video y audio, y di cómo se relacionan.
Genera y exporta
MiniMax H3 entrega imagen y sonido estéreo en una sola pasada. Previsualiza ahí mismo y descarga después el archivo original.
La fórmula de prompts de tres pistas
MiniMax H3 genera imagen, sonido ambiente y banda sonora en una sola pasada — así que un buen prompt escribe para los ojos y los oídos a la vez. Directo de nuestra guía completa de prompts, con 12 ejemplos listos para ejecutar.
[Sujeto] + [Acción] + opcional [Estilo] [Cámara] [Sonido ambiente] [Banda sonora]
Sujeto
De quién o de qué trata el plano — cuanto más concreta la descripción, más estable el resultado.
Acción
Qué hace el sujeto, un beat claro cada vez. Los verbos vagos producen movimiento vago.
Estilo
El acabado general, declarado al principio: cinematográfico de acción real, animación 2D, claymation, película vintage.
Cámara
Tamaño de plano y movimiento. H3 sigue bien el lenguaje de cámara explícito — el capítulo 2 da el vocabulario completo.
Sonido ambiente
Cómo suena la escena en sí: lluvia, tráfico, aceite chisporroteando. Los personajes pueden oírlo.
Banda sonora
Música que solo oye el público. Nombra instrumentos y tempo, no estados de ánimo.
MiniMax H3 — Preguntas frecuentes
Especificaciones, estado del lanzamiento y cómo probarlo
Empieza a crear con Molyin hoy
Regístrate gratis y convierte tu primera idea en un video cinematográfico en minutos.