# Hailuo AI: das Videomodell von MiniMax — Hailuo 2.3 und MiniMax H3

> Hailuo AI ist das Videomodell des chinesischen Unternehmens MiniMax. Hailuo 2.3 (Oktober 2025) erstellt Clips von 6–10 Sekunden in 768p und 1080p, das neue MiniMax H3 (31. Juli 2026) 4–15 Sekunden bis 2K mit Stereoton, bis zu 12 Referenzen und Sprache in 11 Sprachen. H3 hat offene Gewichte und liegt bei Arena auf Platz 8 von 48. Hailuo ist im AI2Face-Generator verfügbar.

Entwickler: MiniMax · Veröffentlicht: 2026-07-31 · Aktualisiert am 2026-10-02
URL: https://ai2face.com/de/models/hailuo

## Wichtige Fakten

| | |
|---|---|
| Entwickler | MiniMax |
| Versionen | MiniMax H3 (31. Juli 2026), Hailuo 2.3 und 2.3 Fast (28. Oktober 2025) |
| Was es macht | Video mit Ton aus Text, Frames und Referenzen – Fotos, Videos, Audio |
| Länge | H3 – 4–15 Sekunden; Hailuo 2.3 – 6 oder 10 Sekunden |
| Auflösung | H3 – standardmäßig 768p, bis 2K; Hailuo 2.3 – 768p und 1080p |
| Ton | H3 – Stereo mit 32 kHz zusammen mit dem Video |
| Referenzen | H3 – bis zu 9 Fotos, 3 Videos und 3 Audiodateien, insgesamt 12 Dateien |
| Sprachen | 11, darunter Deutsch |
| Offene Gewichte | H3 – auf Hugging Face und ModelScope, Lizenz MiniMax H3 Community |
| In AI2Face | Ja |

## Was ist Hailuo AI

Hailuo ist eine Familie von Videomodellen des chinesischen Unternehmens MiniMax samt der App Hailuo AI. Laut MiniMax haben seine Videomodelle Nutzern bis Ende 2025 geholfen, mehr als 600 Millionen Clips zu erstellen.

Die Familie hat zwei aktuelle Generationen. **Hailuo 2.3** und das schnellere **2.3 Fast** erschienen am 28. Oktober 2025 und verbesserten Körperbewegung, Mimik, Physik und Stilunterstützung – Anime, Illustration, Tuschezeichnung, Game-CG. **MiniMax H3**, auch Hailuo 3 genannt, erschien am 31. Juli 2026 als neue Generation: Ein einziges Modell versteht Text, Bilder, Video und Audio und erzeugt den Clip direkt mit Stereoton.

Am 3. August 2026 veröffentlichte MiniMax die Gewichte von H3 auf Hugging Face und ModelScope unter der Lizenz MiniMax H3 Community. Im Kern steckt ein Transformer mit 33 Milliarden Parametern, der Video und Ton gemeinsam vorhersagt. Hailuo 2.3 führt MiniMax inzwischen unter den Vorgängermodellen.

## Was Hailuo kann

**Clips mit Ton bis 2K.** H3 erzeugt 4–15 Sekunden mit 24 fps. Die Basisauflösung ist 768p, eine eigene Stufe namens Regenerate-2K erzeugt den Clip unter Berücksichtigung des ursprünglichen Kontexts erneut in 2K. Der Ton ist Stereo mit 32 kHz und entsteht zusammen mit dem Bild.

[Ein rotes Cabrio fährt eine Serpentine entlang der Klippen, die Kamera steigt vom Asphalt zu einem Panorama über dem türkisfarbenen Meer bei Sonnenuntergang](https://ai2face.com/_astro/media/models/hailuo/coastal-road.mp4 "Die Kamera steigt von der Straße zum Meerespanorama, Motor- und Wellengeräusche aus einem Prompt. MiniMax H3, 2K, 8 s")

**Text im Bild.** MiniMax hebt die präzise Darstellung von Text und Marken hervor. In unserem Test ist der Schriftzug FRESH BREAD im Schaufenster fehlerfrei, zu Beginn des Clips sind die Buchstaben aber gespiegelt – als würde man von außen auf eine Schrift schauen, die von innen gemalt wurde.

[Die Hand eines Künstlers malt FRESH BREAD in Weiß auf die Scheibe einer Bäckerei, dann fährt die Kamera zurück ins Innere zu den Brotregalen](https://ai2face.com/_astro/media/models/hailuo/text-on-glass.mp4 "Der Schriftzug ist fehlerfrei, in den ersten Sekunden aber gespiegelt. MiniMax H3, 8 s")

**Sprache der Figuren.** Du kannst einen Satz in Anführungszeichen in den Prompt schreiben – H3 spricht ihn und bewegt die Lippen der Figur. MiniMax verspricht stabile Unterstützung von 11 Sprachen: Arabisch, Chinesisch, Deutsch, Englisch, Französisch, Italienisch, Japanisch, Koreanisch, Portugiesisch, Russisch und Spanisch.

[Ein grauhaariger alter Mann am Lagerfeuer in einem nächtlichen Wald schaut in die Kamera und sagt einen Satz, dann wirft er einen Ast ins Feuer](https://ai2face.com/_astro/media/models/hailuo/campfire-line.mp4 "Der Satz der Figur steht im Prompt, ebenso das Knistern des Feuers und die Grillen. MiniMax H3, 8 s")

**Referenzen.** Im Modus Ref2VA nimmt H3 bis zu 9 Bilder, 3 Videos von 2–15 Sekunden und 3 Audiodateien, insgesamt 12 Dateien. Audio muss zusammen mit einem Bild oder Video kommen. Der Modus FL2VA erstellt den Clip zwischen einem ersten und einem letzten Frame.

**Seitenverhältnisse:** 21:9, 16:9, 4:3, 1:1, 3:4 und 9:16.

## Hailuo 2.3 und H3: die Unterschiede

| | Hailuo 2.3 | MiniMax H3 |
|---|---|---|
| Erschienen | 28. Oktober 2025 | 31. Juli 2026 |
| Länge | 6 oder 10 s | 4–15 s |
| Auflösung | 768p, 1080p (1080p in der API nur mit 6 s) | 768p, bis 2K |
| Ton | nein | Stereo zusammen mit dem Video |
| Input | Text oder ein Bild | Text, bis zu 9 Fotos, 3 Videos, 3 Audiodateien |
| Offene Gewichte | nein | ja |
| Platz bei Arena (21.09.2026) | 32 von 48 | 8 von 48 |
| API-Preis | 0,28 $ für 6 s in 768p | 0,08 $ pro Sekunde in 768p |

## Wofür sich Hailuo eignet

- **Werbung und E-Commerce.** MiniMax nennt Werbung, Branding und E-Commerce ausdrücklich als Hauptanwendungen von H3: präziser Text und Marken im Bild.
- **Clips mit einer Figur nach Fotos.** 9 Referenzbilder reichen, um Gesicht, Kleidung und Produkt zu halten.
- **Bewegungsübertragung.** Ein Referenzvideo gibt die Bewegung der Figur vor – MiniMax hebt das als Stärke hervor.
- **Mehrsprachige Clips mit Sprache.** H3 beherrscht 11 Sprachen stabil.
- **Stilisierte Videos.** Hailuo 2.3 hält Anime, Illustration und Game-CG gut.

## Hailuo und Alternativen

| | MiniMax H3 | [Seedance 2.5](/de/models/seedance) | [Veo 3.1](/de/models/veo-3-1) | [Kling 3.0](/de/models/kling) |
|---|---|---|---|---|
| Entwickler | MiniMax | ByteDance | Google | Kuaishou |
| Länge | 4–15 s | bis 30 s | 4, 6 oder 8 s | bis 15 s |
| Auflösung | bis 2K | vom Entwickler nicht angegeben | bis 4K | 720p, 1080p |
| Ton | Stereo | ja | ja | ja |
| Referenzen | bis 12 Dateien | bis 50 | bis 3 Fotos | bis 7 Fotos |
| Offene Gewichte | ja | nein | nein | nein |
| Platz bei Arena | 8 | 5 und 7 | 23 (Veo 3) | 29 (2.6 Pro) |

H3 ist eine starke Wahl, wenn du 2K, Stereoton und viele Referenzen brauchst. Wenn die Cliplänge zählt, sind Seedance 2.5 oder [Wan 3.0](/de/models/wan) mit Clips bis 30 Sekunden praktischer. Spitzenreiter im Ranking ist [Gemini Omni](/de/models/gemini-omni).

## Wie man Prompts für Hailuo schreibt

- **Beginn mit Handlung und Kamera:** was passiert und wie sich die Kamera bewegt – „die Kamera steigt vom Asphalt zum Panorama“.
- **Ton in eine eigene Zeile.** „Sound: Motorgeräusch, Wind, Wellen“ – H3 erzeugt ihn zusammen mit dem Bild.
- **Dialoge in Anführungszeichen.** Gib an, wer spricht, und beschreib kurz den Ton.
- **Text im Bild exakt und in Anführungszeichen**, dazu „spelled exactly“. Wenn die Kamera durch Glas schaut, prüf, ob der Schriftzug gespiegelt ist.
- **Referenzen Rollen zuweisen.** Nenn im Prompt, was aus welcher Datei kommt: das Gesicht vom ersten Foto, die Jacke vom zweiten, die Bewegung aus dem Video.

## So nutzt du Hailuo in AI2Face

Hailuo ist im AI2Face-Generator verfügbar, ein MiniMax-Konto brauchst du nicht. Du kannst einen Prompt auf Hailuo, Seedance, Veo 3.1 und Kling laufen lassen und die Ergebnisse vergleichen. Die Kosten jeder Generierung siehst du vor dem Start, bezahlt wird per Karte oder Krypto, und Credits aus Paketen verfallen nicht. Neue Konten bekommen nach der Registrierung Startguthaben.

## Einschränkungen

- **15 Sekunden pro Generierung.** Für längere Geschichten musst du Clips zusammenschneiden oder Modelle mit 30 Sekunden nehmen.
- **2K ist eine eigene Stufe.** Die Basisauflösung von H3 ist 768p, 2K entsteht durch erneute Generierung und kostet mehr.
- **Text durch Glas und Spiegelungen** gibt das Modell manchmal gespiegelt wieder, wie in unserem Test.
- **Eine Audio-Referenz funktioniert nicht allein** – nur zusammen mit einem Bild oder Video.
- **Die offenen Gewichte brauchen starke Hardware:** 33 Milliarden Parameter laufen nicht auf einem normalen Laptop.

## Fazit

Hailuo gehört zu den stärksten Videomodellen 2026: MiniMax H3 liegt bei Arena auf Platz 8, erstellt Clips bis 15 Sekunden in 2K mit Stereoton, verarbeitet bis zu 12 Referenzen und spricht 11 Sprachen. Hailuo 2.3 bleibt die günstige Option für kurze stilisierte Clips. Nimm H3 für Werbung und Clips mit einer Figur und Text im Bild; für längere Geschichten Seedance 2.5 oder Wan 3.0, für 4K Veo 3.1. Am einfachsten vergleichst du sie mit demselben Prompt in AI2Face.

## Häufige Fragen

### Was ist Hailuo AI?

Ein Videomodell des chinesischen Unternehmens MiniMax und die gleichnamige App Hailuo AI. Das aktuelle Modell ist MiniMax H3, auch Hailuo 3 genannt: Clips bis 15 Sekunden in 2K mit Stereoton.

### Was unterscheidet MiniMax H3 von Hailuo 2.3?

H3 erstellt Clips bis 15 statt 10 Sekunden, bis 2K statt 1080p, direkt mit Stereoton, und nimmt bis zu 12 Referenzen – Fotos, Videos und Audio. Bei Arena liegt H3 auf Platz 8, Hailuo 2.3 auf Platz 32.

### Kann man Hailuo kostenlos nutzen?

Die Gewichte von H3 sind offen, zum Betrieb brauchst du aber eine starke Grafikkarte: Das Modell hat 33 Milliarden Parameter. In AI2Face kannst du Hailuo mit dem Startguthaben nach der Registrierung testen, die Kosten siehst du vor jeder Generierung.

### Welche Sprachen versteht Hailuo?

MiniMax verspricht für H3 stabile Unterstützung von 11 Sprachen: Arabisch, Chinesisch, Deutsch, Englisch, Französisch, Italienisch, Japanisch, Koreanisch, Portugiesisch, Russisch und Spanisch. Das gilt für den Prompt und für die Sprache der Figuren.

### Was kostet Hailuo über die API?

MiniMax H3 kostet 0,08 $ pro Sekunde in 768p und 0,13 $ in 2K. Hailuo 2.3 wird pro Clip abgerechnet: 0,28 $ für 6 Sekunden in 768p und 0,49 $ für 6 Sekunden in 1080p.

## Quellen

- https://www.minimax.io/news/minimax-h3-open-source
- https://www.minimax.io/blog/minimax-h3
- https://www.minimax.io/news/minimax-hailuo-23
- https://platform.minimax.io/docs/release-notes/models
- https://platform.minimax.io/docs/guides/pricing-paygo
- https://arena.ai/leaderboard/text-to-video
- https://www.minimax.io/news/minimax-global-announces-full-year-2025-financial-results