Generación de vídeo

MiniMax H3

Vídeo de hasta 2K con audio estéreo nativo a partir de un único contexto de texto, imagen, vídeo y sonido, con pesos abiertos para ejecuciones locales a 768p

MiniMax H3 es un modelo de vídeo multimodal de propósito general: lee texto, imágenes, vídeo y audio como un solo contexto y devuelve clips de 4 a 15 segundos con sonido estéreo nativo a 32 kHz, diálogo y efectos incluidos. Sus pesos H3-Base están abiertos en dos checkpoints, FL2VA y Ref2VA, que renderizan a 768p en tu propio hardware; la salida completa en 2K pasa por la API de MiniMax. H3 aún no se puede generar en Imgo.

Un contexto, no cuatro tuberíasEl sonido se genera con la imagenPesos abiertos para 768p, la API para 2K

instantánea de capacidad

2K

salida máxima, vía API

768p

pesos abiertos, en local

15s

clip máximo

Mira MiniMax H3 en acción

Un recorrido de 27 segundos por el flujo de trabajo, las ventajas clave y los resultados.

27 segundosTexto en pantalla en inglésDemostración ilustrativa: la interfaz se recrea con imágenes de ejemplo, no con resultados generados por esta función.

Beneficios principales

Valor práctico asignado a flujos de trabajo de producción reales.

Beneficio

01

Un contexto, no cuatro tuberías

Texto, imagen, vídeo y audio entran como un solo contexto, así que un prompt puede decir «toma el movimiento de cámara de este clip, haz que la persona de esta imagen cante, imita esta voz» y entenderse como una sola instrucción. El modo referencia admite hasta 9 imágenes, 3 clips de vídeo y 3 clips de audio, 12 archivos en total.

Beneficio

02

El sonido se genera con la imagen

El audio se genera junto con el vídeo en estéreo a 32 kHz, de modo que diálogo, efectos y ambiente llegan ya alineados con el plano en vez de superponerse después. MiniMax indica diálogo estable en 11 idiomas, entre ellos inglés, chino, japonés, coreano y español.

Beneficio

03

Pesos abiertos para 768p, la API para 2K

Los pesos de H3-Base son públicos en dos checkpoints: FL2VA para texto y vídeo con primer y último fotograma, Ref2VA para vídeo guiado por referencias. En local renderizan a 768p. La pasada a 2K, H3-Regenerate-2K, no es de código abierto, así que la salida completa en 2K pasa por la API de MiniMax.

flujo de trabajo recomendado

Un camino sencillo de tres pasos desde el material original hasta un resultado reutilizable.

Paso 1

Elige el modo

Usa FL2VA para planos solo con texto, primer fotograma, último fotograma o ambos, y Ref2VA cuando el plano se construye con imágenes, vídeo o audio de referencia. Una ejecución admite fotogramas o referencias, nunca ambos.

1

Paso 2

Reúne las referencias dentro de los límites

Hasta 9 imágenes, 3 clips de vídeo y 3 clips de audio, 12 archivos como máximo. Cada clip de vídeo o audio dura de 2 a 15 s y cada tipo suma 15 s o menos. Después explica con palabras sencillas para qué sirve cada referencia.

2

Paso 3

Elige dónde se ejecuta

Los pesos abiertos de H3-Base renderizan a 768p en tu propio hardware bajo la licencia comunitaria; la API de MiniMax ejecuta el flujo completo hasta 2K. En Imgo, H3 aún no se puede generar: redacta y copia los prompts desde la guía de prompts de H3.

3

Preguntas frecuentes

¿Qué resolución y duración produce?

Clips de 4 a 15 segundos a 24 fps, en relaciones de aspecto de 21:9 a 9:16, con audio estéreo a 32 kHz. Los pesos abiertos de H3-Base renderizan a 768p; el 2K sale de H3-Regenerate-2K, que MiniMax solo ofrece por ahora a través de su API.

¿Genera el audio o lo añado después?

H3 genera el audio junto con el vídeo: diálogo, efectos de sonido y ambiente en estéreo nativo en la misma pasada. En modo Ref2VA, los clips de audio de referencia también pueden guiar la voz y el ritmo.

¿MiniMax H3 es de código abierto?

En parte. En agosto de 2026, MiniMax publicó los pesos de H3-Base en Hugging Face como dos checkpoints, FL2VA y Ref2VA, bajo la MiniMax H3 Community License: pesos abiertos, no una licencia de código abierto aprobada por la OSI. El preprocesador de prompts H3-Context-IR y la etapa H3-Regenerate-2K no están abiertos, así que el flujo oficial en 2K sigue necesitando la API de MiniMax.

¿Puedo usar MiniMax H3 con fines comerciales?

Para pesos autoalojados se aplica la MiniMax H3 Community License. No cubre la UE, el Reino Unido, la República de Corea ni EE. UU. (las organizaciones de esos territorios pueden solicitar una licencia a MiniMax); los productos que facturan más de 20 millones de dólares al año necesitan autorización previa por escrito a través de [email protected]; los productos comerciales deben mostrar de forma destacada "MiniMax H3" en su interfaz; y el acuerdo se rige por la ley de Hong Kong. El uso de H3 a través de la API de MiniMax se rige, en cambio, por los términos de la API de MiniMax. Esto es un resumen, no asesoramiento legal: lee la licencia antes de lanzar tu producto.

¿Cuántos archivos de referencia admite Ref2VA?

Hasta 9 imágenes, hasta 3 clips de vídeo y hasta 3 clips de audio, con un máximo de 12 archivos en total. Cada clip de vídeo o audio debe durar de 2 a 15 segundos, y los clips de cada tipo deben sumar 15 segundos o menos.

¿Puedo generar vídeos con MiniMax H3 en Imgo?

Todavía no. H3 no está en el catálogo de modelos activos de Imgo, por eso esta página muestra su disponibilidad como pendiente. Ya puedes redactar y copiar prompts de H3 desde la guía de prompts de MiniMax H3, o ejecutar el mismo encargo con un modelo de vídeo activo en Imgo.

Siguiente paso

¿Quieres generar hoy?

Explora los modelos disponibles ahora mismo en Imgo, compara sus ajustes y presupuestos de créditos y empieza con uno de ellos.