Hailuo AI : le modèle vidéo de MiniMax — Hailuo 2.3 et MiniMax H3

Qu’est-ce que Hailuo AI

Hailuo est une famille de modèles vidéo de la société chinoise MiniMax, accompagnée de l’application Hailuo AI. Selon MiniMax, fin 2025, ses modèles vidéo avaient permis aux utilisateurs de créer plus de 600 millions de clips.

La famille compte deux générations actuelles. Hailuo 2.3 et le plus rapide 2.3 Fast sont sortis le 28 octobre 2025 et ont amélioré les mouvements du corps, les expressions du visage, la physique et la prise en charge des styles : anime, illustration, encre de Chine, CG de jeu vidéo. MiniMax H3, aussi appelé Hailuo 3, est sorti le 31 juillet 2026 comme nouvelle génération : un seul modèle comprend le texte, les images, la vidéo et l’audio, et génère le clip directement avec un son stéréo.

Le 3 août 2026, MiniMax a publié les poids de H3 sur Hugging Face et ModelScope sous licence MiniMax H3 Community. Au cœur du modèle, un transformer de 33 milliards de paramètres prédit conjointement la vidéo et le son. MiniMax range désormais Hailuo 2.3 parmi ses modèles précédents.

Ce que sait faire Hailuo

Des clips avec son jusqu’en 2K. H3 produit de 4 à 15 secondes à 24 i/s. La résolution de base est 768p, et une étape à part, Regenerate-2K, régénère le clip en 2K en tenant compte du contexte d’origine. Le son est en stéréo 32 kHz, créé en même temps que l’image.

Du texte dans l’image. MiniMax met en avant un rendu précis du texte et des marques. Dans notre test, l’inscription FRESH BREAD sur la vitrine est sans faute, mais au début du clip les lettres apparaissent en miroir, comme si l’on regardait de l’extérieur une inscription peinte de l’intérieur.

La voix des personnages. Vous pouvez écrire une réplique entre guillemets dans le prompt : H3 la fait dire au personnage et anime ses lèvres. MiniMax annonce une prise en charge stable de 11 langues : allemand, anglais, arabe, chinois, coréen, espagnol, français, italien, japonais, portugais et russe.

Références. En mode Ref2VA, H3 accepte jusqu’à 9 images, 3 vidéos de 2 à 15 secondes et 3 audios, soit 12 fichiers au total. L’audio doit être fourni avec une image ou une vidéo. Le mode FL2VA construit le clip entre une première et une dernière image.

Formats d’image : 21:9, 16:9, 4:3, 1:1, 3:4 et 9:16.

Hailuo 2.3 et H3 : les différences

	Hailuo 2.3	MiniMax H3
Sortie	28 octobre 2025	31 juillet 2026
Durée	6 ou 10 s	4–15 s
Résolution	768p, 1080p (1080p seulement en 6 s dans l’API)	768p, jusqu’à 2K
Son	non	stéréo avec la vidéo
Entrées	texte ou une image	texte, jusqu’à 9 photos, 3 vidéos, 3 audios
Poids ouverts	non	oui
Rang sur Arena (21/09/2026)	32 sur 48	8 sur 48
Prix de l’API	0,28 $ pour 6 s en 768p	0,08 $ par seconde en 768p

À quoi sert Hailuo

• Publicité et e-commerce. MiniMax cite la publicité, le branding et le commerce en ligne comme usages principaux de H3 : texte et marques précis dans l’image.
• Clips avec un personnage à partir de photos. 9 images de référence suffisent pour garder le visage, la tenue et le produit.
• Transfert de mouvement. Une vidéo de référence donne le mouvement du personnage ; MiniMax en fait un point fort.
• Clips parlés multilingues. H3 gère 11 langues de façon stable.
• Vidéo stylisée. Hailuo 2.3 tient bien l’anime, l’illustration et le CG de jeu vidéo.

Hailuo face aux alternatives

	MiniMax H3	Seedance 2.5	Veo 3.1	Kling 3.0
Développeur	MiniMax	ByteDance	Google	Kuaishou
Durée	4–15 s	jusqu’à 30 s	4, 6 ou 8 s	jusqu’à 15 s
Résolution	jusqu’à 2K	non communiquée par le développeur	jusqu’à 4K	720p, 1080p
Son	stéréo	oui	oui	oui
Références	jusqu’à 12 fichiers	jusqu’à 50	jusqu’à 3 photos	jusqu’à 7 photos
Poids ouverts	oui	non	non	non
Rang sur Arena	8	5 et 7	23 (Veo 3)	29 (2.6 Pro)

H3 est un bon choix quand il vous faut de la 2K, du son stéréo et beaucoup de références. Si la durée compte, Seedance 2.5 ou Wan 3.0, avec des clips jusqu’à 30 secondes, sont plus pratiques. Le leader du classement est Gemini Omni.

Comment écrire des prompts pour Hailuo

• Commencez par l’action et la caméra : ce qui se passe et comment bouge la caméra, par exemple « la caméra s’élève de l’asphalte vers un panorama ».
• Le son sur une ligne à part. « Sound : bruit de moteur, vent, vagues » : H3 le génère avec l’image.
• Les répliques entre guillemets. Précisez qui parle et décrivez brièvement le ton.
• Le texte à l’écran, exact et entre guillemets, avec « spelled exactly ». Si la caméra regarde à travers une vitre, vérifiez que l’inscription n’est pas en miroir.
• Donnez un rôle à chaque référence. Indiquez dans le prompt ce qu’il faut prendre dans chaque fichier : le visage de la première photo, la veste de la deuxième, le mouvement de la vidéo.

Comment utiliser Hailuo dans AI2Face

Hailuo est disponible dans le générateur AI2Face, sans compte MiniMax. Vous pouvez lancer le même prompt sur Hailuo, Seedance, Veo 3.1 et Kling et comparer les résultats. Le coût de chaque génération s’affiche avant le lancement, le paiement se fait par carte ou en crypto, et les crédits des packs n’expirent pas. Les nouveaux comptes reçoivent des crédits de bienvenue à l’inscription.

Limites

• 15 secondes par génération. Pour des histoires plus longues, il faudra monter plusieurs clips ou passer à des modèles de 30 secondes.
• La 2K est une étape à part. La résolution de base de H3 est 768p ; la 2K s’obtient par régénération et coûte plus cher.
• Le texte vu à travers une vitre ou dans un reflet sort parfois en miroir, comme dans notre test.
• Une référence audio ne fonctionne pas seule : uniquement avec une image ou une vidéo.
• Les poids ouverts demandent du matériel puissant : 33 milliards de paramètres ne tournent pas sur un portable ordinaire.

En résumé

Hailuo est l’un des modèles vidéo les plus solides de 2026 : MiniMax H3 se classe 8ᵉ sur Arena, crée des clips jusqu’à 15 secondes en 2K avec son stéréo, gère jusqu’à 12 références et parle 11 langues. Hailuo 2.3 reste l’option économique pour de courts clips stylisés. Prenez H3 pour la publicité et les clips avec un personnage et du texte à l’écran ; pour les histoires longues, Seedance 2.5 ou Wan 3.0, et pour la 4K, Veo 3.1. Le plus simple pour les comparer sur un même prompt, c’est AI2Face.