Modelo de video · MiniMax ·
MiniMax H3 es un modelo de video de MiniMax. En Endless cuesta desde 84 créditos por video y está disponible en todos los planes.
MiniMax H3 es el modelo de video omnimodal de MiniMax: crea clips de 5 a 15 segundos hasta 2K con audio estéreo nativo desde texto o imágenes.
MiniMax H3, lanzado en julio de 2026, modela imagen y sonido a la vez, así que los diálogos, los efectos y la música salen de la misma generación que el video, en estéreo nativo. Crea clips de 5 a 15 segundos a 720p o 2K, en relaciones de aspecto de 21:9 a 9:16. Como modelo omnimodal, entiende texto, imágenes y video en un mismo prompt.
Puedes animar una sola imagen como fotograma inicial, pasar varias imágenes de referencia para fijar un sujeto y un estilo, o sumar un clip de referencia cuyo movimiento y estilo guíen el resultado. Encaja en clips para redes protagonizados por un personaje y en piezas cortas de marca donde la mezcla de sonido importa tanto como la imagen.
MiniMax H3 Max Lip-sync, también en el catálogo de Endless, cumple otra función: convierte un retrato y una pista de audio en un video hablado sin necesidad de prompt. Usa H3 para crear una escena a partir de una descripción, y el modelo de sincronía labial cuando ya tienes la voz y el rostro.
MiniMax H3 genera imagen y sonido al mismo tiempo. MiniMax lo describe como un modelo omnimodal que lee texto, imágenes, video y audio en un mismo contexto, y que entrega video con audio estéreo nativo. Eso cambia cómo escribes: el prompt es una línea de tiempo de lo que se ve y lo que se oye, no solo una descripción de la imagen.
La guía de escritura de MiniMax organiza cada prompt en tres partes:
En fal, el proveedor que Endless usa para H3, el endpoint reescribe tu prompt con esta estructura antes de generar, por defecto. Puedes escribir en frases normales y aun así obtener un prompt estructurado por debajo. Escribir tú mismo las tres partes te da más control sobre lo que termina en cada una.
Una plantilla corta:
[Estilo], [tamaño de plano]. [Sujeto y lugar]. [Acción, en orden].
[Movimiento de cámara]. En 00:04.000 la cámara corta a [siguiente plano].
Paisaje sonoro: [ambiente y sonidos físicos].
Música: [instrumentos y tempo], o sin música.
MiniMax recomienda empezar con el estilo general y la composición inicial, por ejemplo "Acción real, cinematográfico, un plano general medio de...". Otros estilos que nombra la guía son animación 2D, 3D CG, claymation, acuarela y película antigua.
Para más de un plano, dale a cada corte un tiempo dentro del clip: "En 00:04.000 la cámara corta a un primer plano de...". Usa una sola marca de tiempo, no un rango, y que los tiempos vayan en aumento. Un corte debe aportar información nueva: un sujeto, un lugar, un estado, un punto de vista o un momento nuevos. Si solo necesitas acercarte o cambiar un poco el ángulo, usa un movimiento de cámara.
La guía describe el movimiento de cámara en tres partes: el tipo de movimiento, su amplitud y su velocidad. Los tipos incluyen zoom in y out, push in y pull out, paneo, desplazamiento lateral a izquierda y derecha, inclinación, subida y bajada de la cámara, arco, travelling de seguimiento, plano fijo, POV, sacudida leve o fuerte, y giro sobre el eje. Agrega "con poca amplitud" o "con gran amplitud", y "a velocidad lenta" o "a velocidad rápida", solo cuando importan. Escríbelo como una frase: "La cámara se acerca con poca amplitud a velocidad lenta hacia la carta que tiene en las manos".
Presenta a cada personaje que habla con suficiente detalle para definir la voz: edad, género, tono, timbre, velocidad o acento. Luego escribe la línea. Mantén la misma descripción del personaje en todos los planos. MiniMax indica soporte estable de diálogo en 11 idiomas: árabe, chino, inglés, francés, alemán, italiano, japonés, coreano, portugués, ruso y español. Escribe cada línea en el idioma en que debe decirse.
Para una narración, indica que el personaje habla "con voz en off" y que sus labios se quedan cerrados, para que el modelo no le mueva la boca. Los letreros, etiquetas y otros textos en pantalla van entre comillas dobles, palabra por palabra.
En Endless, H3 acepta tres tipos de entrada además del prompt:
En tu workspace, abre Video y elige MiniMax H3 en el selector de modelos.
Escribe un prompt con el sujeto, la cámara y el movimiento, o parte de una imagen que subas o generes.
Genera y luego ajusta en el chat o en un canvas. Cada clip se guarda en los assets de tu workspace.
Agrupados por caso de uso. Cada uno se abre en Endless con MiniMax H3, listo para editar y generar.
Acción real, cinematográfico. Plano general medio de una pequeña tostaduría al amanecer mientras un tostador vacía granos recién tostados en una bandeja de enfriado de acero. La cámara se acerca despacio mientras los granos crujen y el humo sube por un haz de luz. Paisaje sonoro: granos que crujen, un ventilador que zumba, una pala de metal que raspa. Música: un patrón lento de guitarra acústica que se apaga al final.
Cinematográfico. Una ciclista avanza por una carretera costera al amanecer, seguida de lado a velocidad rápida. En 00:04.000 la cámara corta a un primer plano de la cadena y los engranajes girando. En 00:07.000 corta a un plano general mientras ella llega a la cima y el mar se abre abajo. Viento, llantas sobre el asfalto, gaviotas. Música: pulso electrónico constante que sube de volumen.
Primer plano fijo de una taza de cerámica sobre una mesa de madera mientras se sirve té caliente desde una tetera de hierro fundido. El vapor sube y atrapa la luz de la ventana. Detrás, un letrero de madera dice "OPEN 7 AM". Paisaje sonoro: agua que se sirve, un tintineo suave, lluvia en la ventana. Sin música.
3D CG, luminoso y limpio. Un par de audífonos inalámbricos gira despacio sobre un pedestal blanco, luego el estuche se cierra con un clic y la cámara hace un arco a su alrededor a velocidad lenta. Paisaje sonoro: un clic magnético suave y un silbido grave. Música: notas mínimas de sintetizador a tempo moderado.
Acción real, luz cálida de tarde. Una panadera con delantal lleno de harina saca una bandeja de croissants de un horno de piedra. La cámara se desplaza a la derecha con poca amplitud mientras ella deja la bandeja y sonríe. Paisaje sonoro: la puerta del horno que rechina, la bandeja que golpea, ruido leve de la calle. Música: contrabajo y batería con escobillas, ligera y lenta.
Acción real. Dos vecinos conversan por encima de la cerca del jardín en una tarde soleada. El hombre mayor, de voz lenta y ronca, levanta un tomate y dice: 'El más grande de este año.' La joven, de voz rápida y alegre, se ríe y responde: 'Eso dices todos los años.' Paisaje sonoro: abejas, una podadora lejana, hojas que se mueven.
Cinematográfico. Un farero sentado en un escritorio escribe en una bitácora a la luz de una lámpara. Narra con voz en off, con los labios cerrados: 'Tercera noche de niebla. Hoy no hay barcos.' La cámara se acerca despacio a la página. Paisaje sonoro: olas contra las rocas, una sirena de niebla lejana, la pluma que raspa.
Un vendedor ambulante en Ciudad de México le da a un cliente un vaso de elote. El vendedor, alegre y en voz alta, dice en español: '¡Con todo, como te gusta!' El cliente responde en inglés, sonriendo: 'Perfect, thank you.' Paisaje sonoro: tráfico, música de un puesto cercano, conversaciones.
Dentro de un auto estacionado bajo la lluvia, de noche. La conductora, una mujer de voz suave y cansada, mira al pasajero y dice: 'Todavía podemos dar la vuelta.' El pasajero, un hombre de voz grave y tranquila, mantiene la vista en el camino y dice: 'No. Seguimos.' Paisaje sonoro: lluvia en el techo, limpiaparabrisas, el motor en ralentí.
Una maestra de pie frente al pizarrón en un salón lleno de sol se voltea hacia la clase. Con voz cálida y clara dice en francés: 'Bonjour à tous, on commence.' En 00:03.000 la cámara corta a los alumnos abriendo sus cuadernos. Paisaje sonoro: sillas que se arrastran, páginas que pasan, pájaros afuera.
Image 1 es la protagonista, una mujer con impermeable amarillo. Image 2 es su perrito gris. Mantén a ambos fieles a sus referencias mientras caminan juntos por una plaza empedrada y mojada al anochecer, y el perro se sacude la lluvia. Paisaje sonoro: lluvia ligera, patas sobre la piedra, campanas lejanas de una iglesia.
Image 1 es el vestuario y la cara de la heroína. Image 2 es el cañón del desierto. La heroína entra al cañón al mediodía, se detiene y se cubre los ojos para mirar el horizonte. La cámara sube despacio para mostrar las paredes del cañón. Viento y piedras sueltas que caen.
Image 1 es la mascota. Mantén sus colores y proporciones mientras saluda a la cámara frente a la vitrina de una juguetería, luego salta y cae con un pequeño rebote. Paisaje sonoro: un paso que rechina y niños riendo cerca. Música: melodía juguetona de xilófono.
Image 1 es el chef. Image 2 es el interior del restaurante. El chef cruza el comedor con un plato, lo deja en una mesa y dice con voz orgullosa y cálida: 'El especial de esta noche.' La cámara lo sigue de lado. Paisaje sonoro: conversación suave, cubiertos que tintinean.
Image 1 define el estilo visual, una ilustración en acuarela. Image 2 es el personaje del zorro. Con ese estilo de acuarela, el zorro trota por un bosque nevado, se detiene a olfatear el aire y salta sobre un tronco caído. Paisaje sonoro: nieve que cruje, viento entre los pinos.
La mujer de la imagen levanta la mirada del libro hacia la ventana mientras la luz de la tarde cambia sobre su cara. La cámara se acerca con poca amplitud a velocidad lenta. Su ropa, la silla y la habitación se quedan como están. Paisaje sonoro: un reloj que hace tictac, páginas que pasan.
A partir de esta foto de la calle, las luces de las tiendas se encienden una a una mientras cae la tarde. Un tranvía pasa de izquierda a derecha y los peatones empiezan a moverse. La cámara se mantiene fija. Paisaje sonoro: la campana del tranvía, pasos, tráfico lejano.
El perro de la imagen inclina la cabeza y luego corre hacia la cámara por el pasto, con las orejas al viento. La cámara se aleja a velocidad rápida para mantenerlo en cuadro. Paisaje sonoro: jadeo, pasto que se mueve, un ladrido corto.
A partir de esta foto de producto, la tapa de la botella se desenrosca sola y una bruma fina sale hacia arriba, atrapando la luz. La cámara hace un arco de un cuarto de vuelta alrededor de la botella. El texto de la etiqueta queda exactamente como en la imagen. Paisaje sonoro: un siseo suave y un clic.
Desde este paisaje de montaña, las nubes corren sobre los picos y las sombras bajan por el valle mientras la luz pasa de la mañana al atardecer. La cámara se inclina despacio hacia el río. Paisaje sonoro: viento, el grito lejano de un águila. Música: cuerdas graves sostenidas.
Video 1 aporta el movimiento del baile. Image 1 es la bailarina. La bailarina de Image 1 hace la coreografía de Video 1 en una azotea al atardecer, con los edificios de la ciudad detrás. Paisaje sonoro: viento y la ciudad abajo. Música: tema electrónico animado.
Video 1 aporta el movimiento de cámara y el ritmo. Recrea ese mismo recorrido de cámara por un bosque tranquilo al amanecer, con niebla entre los árboles y luz que se abre paso. Paisaje sonoro: canto de pájaros y hojas que gotean.
Video 1 es la referencia de movimiento de un corredor. Image 1 es la atleta. La atleta de Image 1 corre con la zancada y el ritmo de Video 1 por una playa con marea baja. Paisaje sonoro: olas, respiración, pies sobre la arena mojada.
Video 1 aporta el ritmo de los gestos. Image 1 es un robot de caricatura. El robot repite los saludos y las reverencias de Video 1 frente a un banco de taller lleno de herramientas. Paisaje sonoro: zumbidos de pequeños servos y un pitido alegre.
Video 1 marca el ritmo de los cortes. Image 1 es la zapatilla. Arma una secuencia corta de producto con el mismo ritmo de cortes: la zapatilla sobre concreto, un primer plano de los cordones, un plano general de un skater que la usa. Música: loop de batería contundente.
Ultrapanorámico 21:9, cinematográfico. Un jinete solitario cruza un salar enorme al anochecer, pequeño en el cuadro. La cámara se desplaza despacio a la izquierda, manteniéndolo centrado mientras el cielo se vuelve rosado. Paisaje sonoro: cascos sobre la costra de sal, viento. Música: un violonchelo solo y lento.
Vertical 9:16, acción real. Una bailarina urbana gira en una cancha de básquetbol de noche bajo un solo reflector. La cámara se inclina desde sus zapatillas hasta su cara mientras termina el paso y sonríe. Paisaje sonoro: zapatillas que rechinan, un balón que rebota cerca. Música: beat de hip-hop.
Vertical 9:16. Un barista desliza un latte por la barra hacia la cámara y dice con voz amable: 'Lo de siempre.' La cámara se acerca a la taza. Paisaje sonoro: siseo de la cafetera, conversación de cafetería.
Ultrapanorámico 21:9. Un barco de carga avanza por un fiordo estrecho al amanecer, con acantilados a ambos lados. La cámara sube con gran amplitud para mostrar todo el largo del fiordo. Paisaje sonoro: zumbido del motor, agua contra el casco, gaviotas.
Cuadrado 1:1. Plano cenital fijo de unas manos que acomodan fruta en una tabla de madera: higos, uvas, una naranja en rodajas. Cada pieza cae con un toque suave. Paisaje sonoro: toques suaves y un cuchillo que corta. Sin música.
de ByteDance
Clips de 30 segundos en una sola pasada, con hasta 50 referencias
Desde 51 créditos por video
de ByteDance
Clips de 4 a 15 segundos guiados por imágenes, video y audio
Desde 16 créditos por video
de Black Forest Labs
Clips de hasta 20 s con sonido, desde un prompt, fotogramas o un clip
Desde 90 créditos por video
MiniMax H3 junto a otros modelos: precio, creador y plan, lado a lado.
Empieza gratis, crea un proyecto y reúne las referencias de tu marca. O agenda una demo para conocerlo con tu equipo.