Hailuo AI: el modelo de vídeo de MiniMax — Hailuo 2.3 y MiniMax H3

Qué es Hailuo AI

Hailuo es una familia de modelos de vídeo de la empresa china MiniMax, junto con su app Hailuo AI. Según MiniMax, a finales de 2025 sus modelos de vídeo habían ayudado a los usuarios a crear más de 600 millones de clips.

La familia tiene dos generaciones vigentes. Hailuo 2.3 y el más rápido 2.3 Fast salieron el 28 de octubre de 2025 y mejoraron el movimiento corporal, las expresiones faciales, la física y el soporte de estilos: anime, ilustración, tinta china, CG de videojuego. MiniMax H3, también llamado Hailuo 3, salió el 31 de julio de 2026 como nueva generación: un solo modelo entiende texto, imágenes, vídeo y audio y genera el clip directamente con sonido estéreo.

El 3 de agosto de 2026, MiniMax publicó los pesos de H3 en Hugging Face y ModelScope con licencia MiniMax H3 Community. En su base hay un transformer de 33 000 millones de parámetros que predice vídeo y sonido de forma conjunta. MiniMax ya incluye Hailuo 2.3 entre sus modelos anteriores.

Qué sabe hacer Hailuo

Clips con sonido hasta 2K. H3 genera 4–15 segundos a 24 fps. La resolución base es 768p, y una etapa aparte, Regenerate-2K, vuelve a generar el clip en 2K teniendo en cuenta el contexto original. El sonido es estéreo a 32 kHz y se crea junto con la imagen.

Texto en el plano. MiniMax destaca la precisión al dibujar texto y marcas. En nuestra prueba, las palabras FRESH BREAD del escaparate salieron sin errores, pero al principio del clip las letras se ven en espejo, como si miraras desde fuera un rótulo pintado por dentro.

Voz de los personajes. Puedes escribir una frase entre comillas en el prompt: H3 la pone en boca del personaje y mueve sus labios. MiniMax asegura un soporte estable de 11 idiomas: alemán, árabe, chino, coreano, español, francés, inglés, italiano, japonés, portugués y ruso.

Referencias. En el modo Ref2VA, H3 admite hasta 9 imágenes, 3 vídeos de 2–15 segundos y 3 audios, 12 archivos en total. El audio tiene que ir acompañado de una imagen o un vídeo. El modo FL2VA crea el clip entre un primer y un último fotograma.

Relaciones de aspecto: 21:9, 16:9, 4:3, 1:1, 3:4 y 9:16.

Hailuo 2.3 y H3: en qué se diferencian

	Hailuo 2.3	MiniMax H3
Lanzamiento	28 de octubre de 2025	31 de julio de 2026
Duración	6 o 10 s	4–15 s
Resolución	768p, 1080p (1080p solo con 6 s en la API)	768p, hasta 2K
Sonido	no	estéreo junto con el vídeo
Entrada	texto o una imagen	texto, hasta 9 fotos, 3 vídeos y 3 audios
Pesos abiertos	no	sí
Puesto en Arena (21/09/2026)	32 de 48	8 de 48
Precio de la API	0,28 $ por 6 s en 768p	0,08 $ por segundo en 768p

Para qué sirve Hailuo

• Publicidad y e-commerce. MiniMax cita la publicidad, el branding y el comercio electrónico como usos principales de H3: texto y marcas precisos en el plano.
• Clips con un personaje a partir de fotos. 9 imágenes de referencia bastan para mantener la cara, la ropa y el producto.
• Transferencia de movimiento. Un vídeo de referencia marca el movimiento del personaje; MiniMax lo destaca como punto fuerte.
• Clips con voz en varios idiomas. H3 maneja 11 idiomas con estabilidad.
• Vídeo estilizado. Hailuo 2.3 mantiene bien el anime, la ilustración y el CG de videojuego.

Hailuo frente a sus alternativas

	MiniMax H3	Seedance 2.5	Veo 3.1	Kling 3.0
Desarrollador	MiniMax	ByteDance	Google	Kuaishou
Duración	4–15 s	hasta 30 s	4, 6 u 8 s	hasta 15 s
Resolución	hasta 2K	el desarrollador no lo indica	hasta 4K	720p, 1080p
Sonido	estéreo	sí	sí	sí
Referencias	hasta 12 archivos	hasta 50	hasta 3 fotos	hasta 7 fotos
Pesos abiertos	sí	no	no	no
Puesto en Arena	8	5 y 7	23 (Veo 3)	29 (2.6 Pro)

H3 es una buena elección cuando necesitas 2K, sonido estéreo y muchas referencias. Si importa la duración, son más cómodos Seedance 2.5 o Wan 3.0, con clips de hasta 30 segundos. El líder del ranking es Gemini Omni.

Cómo escribir prompts para Hailuo

• Empieza por la acción y la cámara: qué pasa y cómo se mueve la cámara, por ejemplo «la cámara sube del asfalto a una panorámica».
• El sonido, en una línea aparte. «Sound: ruido del motor, viento, olas»: H3 lo genera junto con la imagen.
• Los diálogos, entre comillas. Indica quién habla y describe brevemente el tono.
• El texto en pantalla, exacto y entre comillas, más «spelled exactly». Si la cámara mira a través de un cristal, comprueba que el rótulo no salga en espejo.
• Asigna un papel a cada referencia. Indica en el prompt qué tomar de cada archivo: la cara de la primera foto, la chaqueta de la segunda, el movimiento del vídeo.

Cómo usar Hailuo en AI2Face

Hailuo está disponible en el generador de AI2Face, sin necesidad de una cuenta de MiniMax. Puedes lanzar el mismo prompt en Hailuo, Seedance, Veo 3.1 y Kling y comparar el resultado. El coste de cada generación se ve antes de lanzarla, puedes pagar con tarjeta o cripto y los créditos de los paquetes no caducan. Las cuentas nuevas reciben créditos de bienvenida al registrarse.

Limitaciones

• 15 segundos por generación. Para historias largas tendrás que unir clips o usar modelos de 30 segundos.
• El 2K es una etapa aparte. La resolución base de H3 es 768p; el 2K se obtiene volviendo a generar y cuesta más.
• El texto a través de cristales y reflejos a veces sale en espejo, como en nuestra prueba.
• La referencia de audio no funciona sola: solo junto con una imagen o un vídeo.
• Los pesos abiertos exigen hardware potente: 33 000 millones de parámetros no caben en un portátil normal.

En resumen

Hailuo es uno de los modelos de vídeo más fuertes de 2026: MiniMax H3 es 8.º en Arena, crea clips de hasta 15 segundos en 2K con sonido estéreo, admite hasta 12 referencias y habla 11 idiomas. Hailuo 2.3 se queda como opción barata para clips cortos estilizados. Usa H3 para publicidad y para clips con un personaje y texto en pantalla; para historias largas, Seedance 2.5 o Wan 3.0, y para 4K, Veo 3.1. La forma más fácil de compararlos con el mismo prompt es AI2Face.