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

> Hailuo AI es el modelo de vídeo de la empresa china MiniMax. Hailuo 2.3 (octubre de 2025) crea clips de 6–10 segundos en 768p y 1080p, y el nuevo MiniMax H3 (31 de julio de 2026), de 4–15 segundos hasta 2K con sonido estéreo, hasta 12 referencias y voz en 11 idiomas. H3 tiene pesos abiertos y es 8.º de 48 en Arena. Hailuo está en el generador de AI2Face.

Desarrollador: MiniMax · Lanzamiento: 2026-07-31 · Actualizado el 2026-10-02
URL: https://ai2face.com/es/models/hailuo

## Datos clave

| | |
|---|---|
| Desarrollador | MiniMax |
| Versiones | MiniMax H3 (31 de julio de 2026), Hailuo 2.3 y 2.3 Fast (28 de octubre de 2025) |
| Qué hace | Vídeo con sonido a partir de texto, fotogramas y referencias (fotos, vídeos, audio) |
| Duración | H3 — 4–15 segundos; Hailuo 2.3 — 6 o 10 segundos |
| Resolución | H3 — 768p por defecto, hasta 2K; Hailuo 2.3 — 768p y 1080p |
| Sonido | H3 — estéreo a 32 kHz junto con el vídeo |
| Referencias | H3 — hasta 9 fotos, 3 vídeos y 3 audios, 12 archivos en total |
| Idiomas de voz | 11, incluido el español |
| Pesos abiertos | H3 — en Hugging Face y ModelScope, licencia MiniMax H3 Community |
| En AI2Face | Sí |

## 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.

[Un descapotable rojo recorre una carretera de curvas junto a los acantilados mientras la cámara sube del asfalto a una panorámica del mar turquesa al atardecer](https://ai2face.com/_astro/media/models/hailuo/coastal-road.mp4 "La cámara sube de la carretera a una panorámica del mar, con sonido de motor y olas desde un solo prompt. MiniMax H3, 2K, 8 s")

**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.

[La mano de un artista termina de pintar en blanco FRESH BREAD en el cristal de una panadería y la cámara retrocede hacia el interior, hacia los estantes de pan](https://ai2face.com/_astro/media/models/hailuo/text-on-glass.mp4 "El rótulo no tiene errores, pero los primeros segundos aparece en espejo. MiniMax H3, 8 s")

**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.

[Un anciano de barba gris junto a una hoguera en un bosque de noche mira a cámara, dice una frase y luego echa una rama al fuego](https://ai2face.com/_astro/media/models/hailuo/campfire-line.mp4 "La frase del personaje está en el prompt, igual que el sonido de la hoguera y los grillos. MiniMax H3, 8 s")

**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](/es/models/seedance) | [Veo 3.1](/es/models/veo-3-1) | [Kling 3.0](/es/models/kling) |
|---|---|---|---|---|
| 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](/es/models/wan), con clips de hasta 30 segundos. El líder del ranking es [Gemini Omni](/es/models/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.

## Preguntas frecuentes

### ¿Qué es Hailuo AI?

Un modelo de vídeo de la empresa china MiniMax y la app Hailuo AI del mismo nombre. El modelo actual es MiniMax H3, también llamado Hailuo 3: clips de hasta 15 segundos en 2K con sonido estéreo.

### ¿En qué se diferencia MiniMax H3 de Hailuo 2.3?

H3 crea clips de hasta 15 segundos en lugar de 10, hasta 2K en lugar de 1080p, con sonido estéreo incluido, y admite hasta 12 referencias: fotos, vídeos y audio. En Arena, H3 es 8.º y Hailuo 2.3, 32.º.

### ¿Se puede usar Hailuo gratis?

Los pesos de H3 son abiertos, pero para ejecutarlo hace falta una tarjeta gráfica potente: el modelo tiene 33 000 millones de parámetros. En AI2Face puedes probar Hailuo con los créditos de bienvenida al registrarte, y el coste se ve antes de cada generación.

### ¿Qué idiomas entiende Hailuo?

MiniMax asegura un soporte estable de 11 idiomas en H3: alemán, árabe, chino, coreano, español, francés, inglés, italiano, japonés, portugués y ruso. Vale tanto para el prompt como para la voz de los personajes.

### ¿Cuánto cuesta Hailuo por API?

MiniMax H3 cuesta 0,08 $ por segundo en 768p y 0,13 $ en 2K. Hailuo 2.3 se cobra por clip: 0,28 $ por 6 segundos en 768p y 0,49 $ por 6 segundos en 1080p.

## Fuentes

- 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