# MiniMax H3 (Hailuo H3): qué sabe hacer el modelo de vídeo de MiniMax — 2K, estéreo y 12 referencias

> MiniMax H3 es un modelo de vídeo de la empresa china MiniMax, publicado el 31 de julio de 2026. Genera clips de 4–15 segundos en 768p o 2K con sonido estéreo, acepta hasta 12 referencias — fotos, vídeo y audio — y pone voz a las réplicas. Los pesos se publicaron el 3 de agosto de 2026 y en Arena ocupa el puesto 8. MiniMax H3 está en el generador de AI2Face.

Desarrollador: MiniMax · Lanzamiento: 2026-07-31 · Actualizado el 2026-10-28
URL: https://ai2face.com/es/models/minimax-h3

## Datos clave

| | |
|---|---|
| Desarrollador | MiniMax (Shanghái); H3 Max, junto con fal.ai |
| Fecha de salida | 31 de julio de 2026; pesos publicados el 3 de agosto de 2026 |
| Duración | 4–15 segundos, de segundo en segundo; 24 fotogramas por segundo |
| Resolución | 768p; 2K regenerando el mismo clip |
| Sonido | Estéreo junto con el vídeo — voz, efectos y música |
| Referencias | Hasta 9 fotos, 3 vídeos y 3 audios, 12 archivos en total |
| Modos | Por texto, por primer y/o último fotograma, por referencias |
| Pesos abiertos | 33 000 millones de parámetros, Hugging Face y ModelScope, licencia MiniMax H3 Community |
| Precio de la API | 0,08 $ por segundo en 768p, 0,13 $ en 2K |
| En AI2Face | Sí, en el generador |

## Qué es MiniMax H3

MiniMax H3 es un modelo de vídeo de la empresa china MiniMax, creadora del servicio Hailuo AI. Salió el 31 de julio de 2026 y sustituyó a Hailuo 2.3, por eso a menudo se le llama Hailuo 3 o Hailuo H3. El panorama de toda la familia y la comparación con la 2.3 anterior están en la página de [Hailuo AI](/es/models/hailuo).

MiniMax llama a H3 «modelo multimodal de propósito general». Antes hacían falta modelos distintos para el texto a vídeo, el vídeo a partir de una imagen, la transferencia de movimiento y la voz. En H3 es uno solo: entiende texto, imágenes, vídeo y audio, y genera la imagen y el sonido estéreo a la vez.

El 3 de agosto de 2026 MiniMax publicó los pesos de H3. El núcleo es un transformer denso de 33 000 millones de parámetros. Unos 13 000 millones se pueden precalcular y no hace falta cargarlos al generar.

En la clasificación de Arena del 21 de septiembre de 2026, H3 ocupa el puesto 8 de 48 modelos de vídeo, por delante de Veo 3.1 y de Sora 2 Pro.

## Qué sabe hacer MiniMax H3

**Un clip con sonido de hasta 15 segundos.** La duración va de 4 a 15 segundos, de segundo en segundo, a 24 fotogramas por segundo. La voz, los ruidos y la música se generan junto con la imagen, en estéreo.

**2K por regeneración.** La resolución base es 768p. Una petición aparte, Regeneration, toma el clip terminado y todas las referencias originales y lo vuelve a generar en 2K. MiniMax insiste en que no es un upscaler: el modelo redibuja el texto pequeño, los detalles del producto y la estructura del plano.

**Hasta 12 referencias.** En el modo por referencias, H3 acepta:

- hasta 9 imágenes;
- hasta 3 vídeos de 2 a 15 segundos, 15 segundos como máximo en total;
- hasta 3 audios con los mismos límites de duración.

En total, no más de 12 archivos. El vídeo de referencia marca el movimiento o la cámara; el audio, una voz, una canción o un ritmo. El audio solo funciona junto con una imagen o un vídeo.

![Tablero de referencias 3×3: una chica de melena castaña corta y chubasquero amarillo de frente, de perfil y de espaldas, un paraguas rojo, una bicicleta verde, la tela del chubasquero, una calle mojada, un café con toldo de rayas y gotas en el cristal](https://ai2face.com/_astro/refs.DyroEu7F_1QPwoV.jpg "Nueve imágenes, el máximo que H3 acepta en una generación: el personaje en tres ángulos, objetos y lugares. Fotograma hecho en Nano Banana Pro")

**Primer y último fotograma.** Puede dar una imagen como inicio, otra como final, o las dos: el modelo construye el movimiento entre ellas. Sin imágenes, la petición pasa a ser generación por texto.

![La misma panadería de esquina desde un solo ángulo: a la izquierda al amanecer, con el cierre bajado; a la derecha una hora después, abierta, con luz cálida y el panadero dentro](https://ai2face.com/_astro/first-last.D1amWmZH_1ElFnS.jpg "Par de primer y último fotograma: H3 calcula sola cómo sube el cierre y se enciende la luz. Fotogramas hechos en Nano Banana Pro")

**Voz en 11 idiomas.** H3 pone voz a una réplica entre comillas y la sincroniza con los labios del personaje. MiniMax afirma un soporte estable de 11 idiomas, entre ellos el ruso.

**Texto y marcas en el plano.** MiniMax señala el dibujo preciso del texto y de las marcas como uno de los puntos fuertes de H3, y apunta directamente a la publicidad, el comercio electrónico y los pósters animados.

![Fotograma vertical de anuncio: una botella de limonada con el texto FRESH LEMON sobre piedra mojada, y alrededor rodajas de limón y cubitos de hielo congelados en el aire](https://ai2face.com/_astro/ad-frame.Ch8YKyNV_ZuaM8U.jpg "Un fotograma de arranque típico para un anuncio en H3: un producto con un texto que el modelo debe mantener en movimiento. Fotograma hecho en Nano Banana Pro")

**Relaciones de aspecto:** 21:9, 16:9, 4:3, 1:1, 3:4 y 9:16; en el vídeo a partir de una imagen, la relación sigue al original.

## Versiones de MiniMax H3 y precios

| | MiniMax H3 | H3 + Regeneration | MiniMax H3 Max |
|---|---|---|---|
| Quién lo hizo | MiniMax | MiniMax | fal.ai, a partir de H3 |
| Resolución | 768p | 2K | 480p, 768p |
| Duración | 4–15 s | como el original | 5–15 s |
| Modos | texto, fotogramas, referencias, edición | repetición de un clip listo | texto, imagen, referencias |
| Precio de la API por segundo | 0,08 $ | +0,05 $ sobre el clip en 768p, o 0,13 $ si el 2K sale directo | 0,08 $ en 768p, 0,05 $ en 480p |
| Imágenes de referencia gratis | 5 | — | 2 |

En la tarifa de MiniMax también hay variantes más ligeras: H3 Highspeed a 0,06 $ por segundo en 768p, y H3 Lite a 0,04 $ en 768p y 0,025 $ en 480p. El vídeo de entrada se cobra por su duración, a la misma tarifa; el audio de entrada es gratis.

## Para qué sirve MiniMax H3

- **Publicidad y comercio electrónico** — un producto con texto, un logotipo, un póster animado.
- **Un clip con un personaje a partir de fotos** — 9 imágenes bastan para mantener la cara, la ropa y los objetos.
- **Transferencia de movimiento** — el vídeo de referencia marca la gestualidad del personaje o el movimiento de cámara.
- **Videoclip de una canción** — el audio de referencia marca la voz y el ritmo.
- **Un servidor propio** — los pesos abiertos permiten ejecutar H3 en local; cómo hacerlo en ComfyUI está en la guía [MiniMax H3 en ComfyUI](/es/blog/minimax-h3-comfyui).

## MiniMax H3 y las alternativas

| | MiniMax H3 | [Wan 3.0](/es/models/wan-3-0) | [Kling 3.0](/es/models/kling-3-0) | [Seedance 2.5](/es/models/seedance-2-5) |
|---|---|---|---|---|
| Desarrollador | MiniMax | Alibaba | Kuaishou | ByteDance Seed |
| Duración | 4–15 s | hasta 30 s | hasta 15 s | 4–30 s |
| Resolución máxima | 2K | 1080p | 4K | 1080p |
| Referencias | 9 fotos, 3 vídeos, 3 audios | 10 fotos, 5 vídeos, 5 audios, un documento | hasta 7 imágenes o elementos | hasta 50 archivos |
| Pesos abiertos | sí | no | no | no |
| Puesto en Arena (21.09.2026) | 8 | 6 | — | 7 |
| En AI2Face | sí | sí | sí | sí |

H3 es el único modelo del top 10 de Arena con pesos abiertos, y el conjunto de entradas más flexible: fotos, vídeo y audio en una misma generación. Si necesita un clip de más de 15 segundos, use Wan 3.0 o Seedance 2.5; para 4K, Kling 3.0.

## Cómo escribir prompts para MiniMax H3

1. **Describa con palabras llanas cómo se relacionan las entradas y el resultado.** MiniMax lo recomienda así: «la protagonista de la primera foto canta siguiendo el audio, y la cámara se mueve como en el vídeo».
2. **Añada etiquetas de cámara.** H3 entiende etiquetas como `[pan]`, `[zoom]` y `[static]`: marcan el movimiento sin descripciones largas.
3. **Las réplicas, entre comillas**, indicando quién habla.
4. **El sonido, en una frase aparte:** «Sonido: lluvia sobre los adoquines, un saxofón, un tranvía lejano».
5. **No escatime texto.** Un prompt puede llegar a 7.000 caracteres.

Un ejemplo para el tablero de referencias de arriba:

```
La protagonista de las imágenes 1–3, con un chubasquero amarillo, va en la bicicleta verde de la imagen 5
por el adoquinado mojado de la imagen 7, con el paraguas rojo de la imagen 4. Se detiene
en el café de la imagen 8, se quita la capucha y sonríe a la cámara: "Por fin en casa."
[pan] la cámara la sigue de lado, luego [static] en un primer plano.
Sonido: lluvia, el roce de los neumáticos, un acordeón suave desde el café.
```

## Cómo usar MiniMax H3 en AI2Face

MiniMax H3 está en el generador de AI2Face, junto a [Wan 3.0](/es/models/wan-3-0), [Kling](/es/models/kling) y [Veo 3.1](/es/models/veo-3-1).

1. Regístrese: las cuentas nuevas reciben créditos de bienvenida.
2. Abra el generador, pase a vídeo y elija MiniMax H3.
3. Suba fotogramas o referencias, escriba el prompt y elija la duración y la resolución.
4. El coste en créditos se ve antes de empezar. Los créditos de los paquetes no caducan. Puede pagar con tarjeta o con criptomonedas.

Las referencias se preparan en el mismo generador: una hoja con los ángulos del personaje, como la de esta página, se hace en [Nano Banana Pro](/es/models/nano-banana-pro).

## Límites

- **15 segundos por generación.** Si hace falta más, hay que empalmar clips.
- **El 2K es un paso aparte.** Primero 768p y después la regeneración.
- **H3 Max no tiene 2K** ni clips de menos de 5 segundos.
- **El audio de referencia no funciona solo**, solo junto con una imagen o un vídeo.
- **Límites de archivo:** vídeo hasta 50 MB, imagen hasta 30 MB, audio hasta 15 MB; los lados de la imagen, de 256 a 5.760 px; la relación, de 2:5 a 5:2.
- **Los pesos abiertos son pesados.** El ejemplo de arranque de MiniMax está pensado para 4 tarjetas gráficas, y la etapa 2K solo está disponible por API.
- **El detalle fino.** La propia MiniMax escribe que, en algunas escenas, el detalle todavía se puede mejorar.

## Conclusión

MiniMax H3 es la mejor opción cuando el clip se monta a partir de muchas fuentes: fotos del personaje, un vídeo con el movimiento y un audio con la voz en una sola generación, más un 2K de verdad y sonido estéreo. Es el único modelo del top 10 de Arena con pesos abiertos, así que se puede ejecutar en local. Para clips de más de 15 segundos, use [Wan 3.0](/es/models/wan-3-0) o [Seedance 2.5](/es/models/seedance-2-5); para un storyboard con personajes como elementos, [Kling 3.0](/es/models/kling-3-0). Todos se comparan con el mismo prompt en AI2Face.

## Preguntas frecuentes

### ¿Qué es MiniMax H3?

Un modelo de vídeo de la empresa china MiniMax, sucesor de Hailuo 2.3; también se le llama Hailuo 3. Un solo modelo entiende texto, fotos, vídeo y audio, y hace clips de hasta 15 segundos en 2K con sonido estéreo.

### ¿En qué se diferencia MiniMax H3 de H3 Max?

H3 Max es una versión que fal.ai entrenó después: es más rápida y sigue el prompt con más precisión, pero solo da 480p y 768p, y clips a partir de 5 segundos. La H3 principal ofrece 2K y permite editar clips.

### ¿Cómo se obtiene 2K en MiniMax H3?

Primero se genera el clip en 768p y luego una petición aparte, Regeneration, lo vuelve a generar en 2K teniendo en cuenta las referencias originales. No es un upscaler: el modelo redibuja el texto pequeño y los detalles.

### ¿Cuánto cuesta MiniMax H3?

En la API de MiniMax, 0,08 $ por segundo en 768p y 0,13 $ en 2K; regenerar un clip ya hecho de 768p a 2K cuesta 0,05 $ por segundo. Cinco imágenes de referencia por tarea son gratis y el audio de entrada no se cobra.

### ¿Se puede descargar MiniMax H3?

Sí. Los pesos están en Hugging Face y ModelScope bajo la licencia MiniMax H3 Community, pero el modelo tiene 33 000 millones de parámetros y el ejemplo de arranque de MiniMax está pensado para 4 tarjetas gráficas. La etapa 2K no se ha publicado en abierto.

### ¿Está MiniMax H3 en AI2Face?

Sí. MiniMax H3 está en el generador de AI2Face y el coste se ve antes de empezar.

## Fuentes

- https://www.minimax.io/blog/minimax-h3
- https://www.minimax.io/news/minimax-h3-open-source
- https://platform.minimax.io/docs/guides/video-generation
- https://platform.minimax.io/docs/guides/pricing-paygo
- https://platform.minimax.io/docs/release-notes/models
- https://arena.ai/leaderboard/text-to-video