Modelo de vídeo · MiniMax ·
MiniMax H3 é um modelo de vídeo da MiniMax. No Endless custa a partir de 84 créditos por vídeo e está disponível em todos os planos.
MiniMax H3 é o modelo de vídeo omnimodal da MiniMax: gera clipes de 5 a 15 segundos em até 2K com áudio estéreo nativo de texto ou imagens.
O MiniMax H3, lançado em julho de 2026, modela imagem e som juntos, então diálogos, efeitos sonoros e música saem da mesma geração que o vídeo, em estéreo nativo. Ele produz clipes de 5 a 15 segundos em 720p ou 2K, em proporções de 21:9 a 9:16. Como modelo omnimodal, ele entende texto, imagens e vídeo no mesmo prompt.
Você pode animar uma única imagem como quadro inicial, enviar várias imagens de referência para fixar um assunto e um estilo, ou adicionar um clipe de referência cujo movimento e estilo guiam o resultado. Funciona bem em clipes para redes sociais centrados em um personagem e em filmes curtos de marca em que a mixagem de som importa tanto quanto a imagem.
O MiniMax H3 Max Lip-sync, também no catálogo da Endless, faz outro trabalho: transforma um retrato e uma faixa de áudio em um vídeo falado, sem prompt. Use o H3 para criar uma cena a partir de uma descrição, e o modelo de sincronia labial quando você já tem a voz e o rosto.
O MiniMax H3 gera imagem e som ao mesmo tempo. A MiniMax o descreve como um modelo omnimodal que lê texto, imagens, vídeo e áudio num mesmo contexto e entrega vídeo com áudio estéreo nativo. Isso muda o jeito de escrever: o prompt é uma linha do tempo do que se vê e do que se ouve, e não só uma descrição da imagem.
O guia de escrita da MiniMax organiza cada prompt em três partes:
Na fal, o provedor que o Endless usa para o H3, o endpoint reescreve seu prompt nessa estrutura antes de gerar, por padrão. Você pode escrever em frases comuns e ainda assim ter um prompt estruturado por baixo. Escrever as três partes você mesmo dá mais controle sobre o que entra em cada uma.
Um modelo curto:
[Estilo], [tamanho do plano]. [Sujeito e lugar]. [Ação, em ordem].
[Movimento de câmera]. Em 00:04.000 a câmera corta para [próximo plano].
Paisagem sonora: [ambiente e sons físicos].
Música: [instrumentos e andamento], ou sem música.
A MiniMax recomenda abrir com o estilo geral e a composição inicial, por exemplo "Live-action, cinematográfico, um plano geral médio de...". Outros estilos citados no guia são animação 2D, 3D CG, claymation, aquarela e filme antigo.
Para mais de um plano, dê a cada corte um tempo dentro do clipe: "Em 00:04.000 a câmera corta para um close de...". Use uma única marcação de tempo, não um intervalo, e mantenha os tempos em ordem crescente. Um corte deve trazer informação nova: um sujeito, lugar, estado, ponto de vista ou momento novo. Se você só precisa se aproximar ou mudar um pouco o ângulo, use um movimento de câmera.
O guia descreve o movimento de câmera em três partes: o tipo de movimento, a amplitude e a velocidade. Os tipos incluem zoom in e out, push in e pull out, pan, deslocamento lateral para a esquerda e a direita, tilt, subida e descida da câmera, arco, travelling de acompanhamento, plano fixo, POV, tremor leve ou forte e rotação no eixo. Acrescente "com pouca amplitude" ou "com grande amplitude", e "em velocidade lenta" ou "em velocidade rápida", só quando fizer diferença. Escreva como uma frase: "A câmera se aproxima com pouca amplitude em velocidade lenta da carta nas mãos dela".
Apresente cada personagem que fala com detalhes suficientes para definir a voz: idade, gênero, tom, timbre, velocidade ou sotaque. Depois escreva a fala. Mantenha a mesma descrição do personagem em todos os planos. A MiniMax lista suporte estável a diálogo em 11 idiomas: árabe, chinês, inglês, francês, alemão, italiano, japonês, coreano, português, russo e espanhol. Escreva cada fala no idioma em que ela deve ser dita.
Para narração, diga que o personagem fala "em voz off" e que os lábios dele ficam fechados, para que o modelo não anime a boca. Placas, rótulos e outros textos na tela vão entre aspas duplas, palavra por palavra.
No Endless, o H3 aceita três tipos de entrada além do prompt:
No seu workspace, abra o Video e escolha o MiniMax H3 no seletor de modelos.
Escreva um prompt com o tema, a câmera e o movimento, ou comece de uma imagem que você envia ou gera.
Gere e depois ajuste no chat ou em um canvas. Cada clipe fica salvo nos assets do seu workspace.
Agrupados por caso de uso. Cada um abre no Endless com o MiniMax H3, pronto para editar e gerar.
Live-action, cinematográfico. Plano geral médio de uma pequena torrefação ao amanhecer enquanto um torrador despeja grãos recém-torrados numa bandeja de resfriamento de aço. A câmera se aproxima devagar enquanto os grãos estalam e a fumaça sobe por um feixe de luz. Paisagem sonora: grãos estalando, um ventilador zumbindo, uma pá de metal raspando. Música: um padrão lento de violão que some no final.
Cinematográfico. Uma ciclista segue por uma estrada costeira ao nascer do sol, acompanhada de lado em velocidade rápida. Em 00:04.000 a câmera corta para um close da corrente e das engrenagens girando. Em 00:07.000 corta para um plano geral enquanto ela chega ao topo do morro e o mar se abre embaixo. Vento, pneus no asfalto, gaivotas. Música: pulso eletrônico constante que cresce em volume.
Close fixo de uma caneca de cerâmica sobre uma mesa de madeira enquanto chá quente é servido de uma chaleira de ferro fundido. O vapor sobe e pega a luz da janela. Atrás, uma placa de madeira diz "OPEN 7 AM". Paisagem sonora: água sendo servida, um tilintar suave, chuva na janela. Sem música.
3D CG, claro e limpo. Um par de fones sem fio gira devagar sobre um pedestal branco, depois o estojo se fecha com um clique e a câmera faz um arco em volta dele em velocidade lenta. Paisagem sonora: um clique magnético suave e um sopro grave. Música: notas mínimas de sintetizador em andamento moderado.
Live-action, luz quente de fim de tarde. Uma padeira de avental cheio de farinha tira uma assadeira de croissants de um forno de pedra. A câmera se desloca para a direita com pouca amplitude enquanto ela apoia a assadeira e sorri. Paisagem sonora: porta do forno rangendo, assadeira batendo, barulho leve da rua. Música: contrabaixo e bateria com vassourinhas, leve e lenta.
Live-action. Dois vizinhos conversam por cima da cerca do jardim numa tarde de sol. O homem mais velho, de voz lenta e rouca, levanta um tomate e diz: 'O maior deste ano.' A jovem, de voz rápida e animada, ri e responde: 'Você diz isso todo ano.' Paisagem sonora: abelhas, um cortador de grama distante, folhas se mexendo.
Cinematográfico. Um faroleiro sentado a uma escrivaninha escreve num diário de bordo à luz de uma lamparina. Ele narra em voz off, com os lábios fechados: 'Terceira noite de neblina. Nenhum navio hoje.' A câmera se aproxima devagar da página. Paisagem sonora: ondas contra as pedras, uma buzina de neblina ao longe, a caneta arranhando o papel.
Um vendedor de rua na Cidade do México entrega a um cliente um copo de elote. O vendedor, alegre e em voz alta, diz em espanhol: '¡Con todo, como te gusta!' O cliente responde em inglês, sorrindo: 'Perfect, thank you.' Paisagem sonora: trânsito, música de uma barraca próxima, conversas.
Dentro de um carro estacionado na chuva, à noite. A motorista, uma mulher de voz suave e cansada, olha para o passageiro e diz: 'Ainda dá pra voltar.' O passageiro, um homem de voz grave e calma, mantém os olhos na estrada e diz: 'Não. A gente continua.' Paisagem sonora: chuva no teto, limpadores de para-brisa, motor em marcha lenta.
Uma professora de pé diante do quadro numa sala ensolarada se vira para a turma. Com voz calorosa e clara, diz em francês: 'Bonjour à tous, on commence.' Em 00:03.000 a câmera corta para os alunos abrindo os cadernos. Paisagem sonora: cadeiras arrastando, páginas virando, pássaros lá fora.
Image 1 é a protagonista, uma mulher de capa de chuva amarela. Image 2 é o cachorrinho cinza dela. Mantenha os dois fiéis às referências enquanto caminham juntos por uma praça de paralelepípedos molhada ao anoitecer, e o cachorro se sacode da chuva. Paisagem sonora: chuva fina, patas na pedra, sinos distantes de igreja.
Image 1 é o figurino e o rosto da heroína. Image 2 é o cânion no deserto. A heroína entra no cânion ao meio-dia, para e protege os olhos para olhar o horizonte. A câmera sobe devagar para revelar as paredes do cânion. Vento e pedras soltas caindo.
Image 1 é o mascote. Mantenha as cores e as proporções dele enquanto ele acena para a câmera diante da vitrine de uma loja de brinquedos, depois pula e aterrissa com um pequeno quique. Paisagem sonora: um passo que range e crianças rindo por perto. Música: melodia brincalhona de xilofone.
Image 1 é o chef. Image 2 é o salão do restaurante. O chef atravessa o salão com um prato, coloca-o numa mesa e diz com voz orgulhosa e calorosa: 'O especial desta noite.' A câmera o acompanha de lado. Paisagem sonora: conversa baixa, talheres tilintando.
Image 1 define o estilo visual, uma ilustração em aquarela. Image 2 é o personagem da raposa. Nesse estilo de aquarela, a raposa trota por uma floresta nevada, para para farejar o ar e salta sobre um tronco caído. Paisagem sonora: neve estalando, vento nos pinheiros.
A mulher da imagem tira os olhos do livro e olha para a janela enquanto a luz da tarde muda sobre o rosto dela. A câmera se aproxima com pouca amplitude em velocidade lenta. A roupa, a cadeira e o quarto ficam como estão. Paisagem sonora: um relógio tiquetaqueando, páginas virando.
A partir desta foto de rua, as luzes das lojas acendem uma a uma enquanto anoitece. Um bonde passa da esquerda para a direita e os pedestres começam a se mover. A câmera mantém um plano fixo. Paisagem sonora: sino do bonde, passos, trânsito distante.
O cachorro da imagem inclina a cabeça e depois dispara em direção à câmera pela grama, com as orelhas balançando. A câmera se afasta em velocidade rápida para mantê-lo no quadro. Paisagem sonora: ofego, grama farfalhando, um latido curto.
A partir desta foto de produto, a tampa do frasco gira sozinha e uma névoa fina sobe, pegando a luz. A câmera faz um arco de um quarto de volta em torno do frasco. O texto do rótulo fica exatamente como na imagem. Paisagem sonora: um chiado suave e um clique.
A partir desta paisagem de montanha, as nuvens correm sobre os picos e as sombras descem pelo vale enquanto a luz passa da manhã ao entardecer. A câmera inclina devagar para baixo em direção ao rio. Paisagem sonora: vento, o grito distante de uma águia. Música: cordas graves sustentadas.
Video 1 fornece o movimento da dança. Image 1 é a dançarina. A dançarina de Image 1 executa a coreografia de Video 1 num terraço ao pôr do sol, com os prédios da cidade atrás. Paisagem sonora: vento e a cidade lá embaixo. Música: faixa eletrônica animada.
Video 1 fornece o movimento de câmera e o ritmo. Recrie esse mesmo percurso de câmera numa floresta tranquila ao amanhecer, com neblina entre as árvores e luz atravessando. Paisagem sonora: canto de pássaros e folhas pingando.
Video 1 é a referência de movimento de um corredor. Image 1 é a atleta. A atleta de Image 1 corre com a passada e o ritmo de Video 1 por uma praia na maré baixa. Paisagem sonora: ondas, respiração, pés batendo na areia molhada.
Video 1 fornece o ritmo dos gestos. Image 1 é um robô de desenho animado. O robô repete os acenos e as reverências de Video 1 diante de uma bancada de oficina cheia de ferramentas. Paisagem sonora: zumbidos de pequenos servos e um bipe alegre.
Video 1 define o ritmo dos cortes. Image 1 é o tênis. Monte uma sequência curta de produto com o mesmo ritmo de cortes: o tênis sobre concreto, um close dos cadarços, um plano geral de um skatista usando o tênis. Música: loop de bateria marcante.
Ultrapanorâmico 21:9, cinematográfico. Um cavaleiro solitário atravessa um enorme deserto de sal ao anoitecer, pequeno no quadro. A câmera se desloca devagar para a esquerda, mantendo-o centralizado enquanto o céu fica rosa. Paisagem sonora: cascos sobre a crosta de sal, vento. Música: um violoncelo solo e lento.
Vertical 9:16, live-action. Uma dançarina de rua gira numa quadra de basquete à noite sob um único refletor. A câmera inclina dos tênis até o rosto dela enquanto ela termina o passo e sorri. Paisagem sonora: tênis rangendo, uma bola quicando por perto. Música: batida de hip-hop.
Vertical 9:16. Um barista desliza um latte pelo balcão em direção à câmera e diz com voz simpática: 'O de sempre.' A câmera se aproxima da xícara. Paisagem sonora: chiado da máquina de espresso, conversa de café.
Ultrapanorâmico 21:9. Um navio de carga avança por um fiorde estreito ao nascer do sol, com penhascos dos dois lados. A câmera sobe com grande amplitude para revelar o fiorde inteiro. Paisagem sonora: ronco do motor, água contra o casco, gaivotas.
Quadrado 1:1. Plano fixo de cima de mãos arrumando frutas numa tábua de madeira: figos, uvas, uma laranja em rodelas. Cada peça cai com um toque suave. Paisagem sonora: toques suaves e uma faca cortando. Sem música.
da ByteDance
Clipes de 30 segundos em uma única passada, com até 50 referências
A partir de 51 créditos por vídeo
da ByteDance
Clipes de 4 a 15 segundos guiados por imagens, vídeo e áudio
A partir de 16 créditos por vídeo
da Black Forest Labs
Clipes de até 20 s com som, a partir de prompt, quadros ou clipe
A partir de 90 créditos por vídeo
MiniMax H3 ao lado de outros modelos: preço, criador e plano, lado a lado.
Comece grátis, crie um projeto e reúna as referências da sua marca. Ou agende uma demo para conhecer o Endless com sua equipe.