MiniMax H3 (Hailuo H3) : ce que sait faire le modèle vidéo de MiniMax — 2K, stéréo et 12 références

Qu’est-ce que MiniMax H3

MiniMax H3 est un modèle vidéo de l’entreprise chinoise MiniMax, qui édite le service Hailuo AI. Il est sorti le 31 juillet 2026 et a remplacé Hailuo 2.3 — d’où les noms Hailuo 3 et Hailuo H3 qu’on lui donne souvent. Le tour de la famille et la comparaison avec l’ancien 2.3 sont sur la page Hailuo AI.

MiniMax qualifie H3 de « modèle multimodal général ». Avant, le texte vers vidéo, la vidéo à partir d’une image, le transfert de mouvement et la voix demandaient des modèles séparés. Dans H3, c’est un seul modèle : il comprend le texte, les images, la vidéo et l’audio, et génère l’image et le son stéréo ensemble.

Le 3 août 2026, MiniMax a publié les poids de H3. Au cœur, un transformer dense de 33 milliards de paramètres. Environ 13 milliards d’entre eux peuvent être précalculés et n’ont pas besoin d’être chargés à la génération.

Au classement Arena du 21 septembre 2026, H3 est 8e sur 48 modèles vidéo — devant Veo 3.1 et Sora 2 Pro.

Ce que sait faire MiniMax H3

Un clip avec le son, jusqu’à 15 secondes. La durée va de 4 à 15 secondes, par pas d’une seconde, à 24 images par seconde. La parole, les bruits et la musique sont générés avec l’image, en stéréo.

Le 2K par régénération. La résolution de base est le 768p. Une requête Regeneration à part prend le clip fini et toutes les références d’origine, et le génère à nouveau en 2K. MiniMax insiste : ce n’est pas un upscaler. Le modèle redessine le petit texte, les détails du produit et la structure du plan.

Jusqu’à 12 références. En mode références, H3 accepte :

• jusqu’à 9 images ;
• jusqu’à 3 vidéos de 2 à 15 secondes, 15 secondes au plus au total ;
• jusqu’à 3 audios avec les mêmes limites de durée.

Pas plus de 12 fichiers en tout. La vidéo de référence fixe le mouvement ou la caméra ; l’audio, une voix, une chanson ou un rythme. L’audio ne fonctionne qu’avec une image ou une vidéo.

Première et dernière image. Vous pouvez donner une image comme départ, une comme fin, ou les deux : le modèle construit le mouvement entre les deux. Sans images, la requête devient une génération à partir du texte.

La parole dans 11 langues. H3 dit une réplique écrite entre guillemets et la synchronise avec les lèvres du personnage. MiniMax annonce une prise en charge stable de 11 langues, dont le russe.

Le texte et les marques dans l’image. MiniMax cite le rendu précis du texte et des marques parmi les grands points forts de H3, et vise directement la pub, l’e-commerce et les affiches animées.

Formats d’image : 21:9, 16:9, 4:3, 1:1, 3:4 et 9:16 ; pour la vidéo à partir d’une image, le format suit la source.

Versions de MiniMax H3 et prix

	MiniMax H3	H3 + Regeneration	MiniMax H3 Max
Qui l’a fait	MiniMax	MiniMax	fal.ai, à partir de H3
Résolution	768p	2K	480p, 768p
Durée	4–15 s	comme la source	5–15 s
Modes	texte, images, références, édition	reprise d’un clip fini	texte, image, références
Prix de l’API par seconde	0,08 $	+0,05 $ sur le clip en 768p, ou 0,13 $ en 2K direct	0,08 $ en 768p, 0,05 $ en 480p
Images de référence gratuites	5	—	2

Le tarif MiniMax compte aussi des variantes plus légères : H3 Highspeed à 0,06 $ par seconde en 768p, H3 Lite à 0,04 $ en 768p et 0,025 $ en 480p. La vidéo en entrée est facturée selon sa durée, au même tarif ; l’audio en entrée est gratuit.

À quoi sert MiniMax H3

• Pub et e-commerce — un produit avec une inscription, un logo, une affiche animée.
• Un clip avec un personnage à partir de photos — 9 images suffisent à tenir le visage, les vêtements et les objets.
• Transfert de mouvement — la vidéo de référence fixe le jeu du personnage ou le mouvement de caméra.
• Clip sur une chanson — l’audio de référence fixe la voix et le rythme.
• Son propre serveur — les poids ouverts permettent de lancer H3 chez soi ; le guide MiniMax H3 dans ComfyUI explique comment.

MiniMax H3 et les alternatives

	MiniMax H3	Wan 3.0	Kling 3.0	Seedance 2.5
Développeur	MiniMax	Alibaba	Kuaishou	ByteDance Seed
Durée	4–15 s	jusqu’à 30 s	jusqu’à 15 s	4–30 s
Résolution maximale	2K	1080p	4K	1080p
Références	9 photos, 3 vidéos, 3 audios	10 photos, 5 vidéos, 5 audios, un document	jusqu’à 7 images ou éléments	jusqu’à 50 fichiers
Poids ouverts	oui	non	non	non
Place sur Arena (21/09/2026)	8	6	—	7
Dans AI2Face	oui	oui	oui	oui

H3 est le seul modèle du top 10 d’Arena avec des poids ouverts, et l’ensemble d’entrées le plus souple : photos, vidéo et audio dans une même génération. S’il vous faut un clip de plus de 15 secondes, prenez Wan 3.0 ou Seedance 2.5 ; pour du 4K, Kling 3.0.

Comment écrire des prompts pour MiniMax H3

1. Décrivez en mots simples le lien entre les entrées et le résultat. MiniMax le conseille ainsi : « l’héroïne de la première photo chante en suivant l’audio, et la caméra bouge comme dans la vidéo ».
2. Ajoutez des marques de caméra. H3 comprend des balises comme [pan], [zoom] et [static] : elles fixent le mouvement sans longues descriptions.
3. Les répliques entre guillemets, en indiquant qui parle.
4. Le son dans une phrase à part : « Son : pluie sur les pavés, un saxophone, un tramway au loin ».
5. Ne lésinez pas sur le texte. Un prompt peut aller jusqu’à 7 000 caractères.

Un exemple pour la planche de références ci-dessus :

L'héroïne des images 1 à 3, en imperméable jaune, roule sur le vélo vert de l'image 5
le long des pavés mouillés de l'image 7, avec le parapluie rouge de l'image 4. Elle s'arrête
au café de l'image 8, baisse sa capuche et sourit à la caméra : "Enfin à la maison."
[pan] la caméra la suit de côté, puis [static] en gros plan.
Son : pluie, frottement des pneus, un accordéon discret depuis le café.

Utiliser MiniMax H3 dans AI2Face

MiniMax H3 est dans le générateur d’AI2Face, à côté de Wan 3.0, de Kling et de Veo 3.1.

1. Inscrivez-vous : les nouveaux comptes reçoivent des crédits de bienvenue.
2. Ouvrez le générateur, passez à la vidéo et choisissez MiniMax H3.
3. Importez des images ou des références, écrivez le prompt, choisissez la durée et la résolution.
4. Le coût en crédits s’affiche avant le lancement. Les crédits des packs n’expirent pas. Le paiement se fait par carte ou en crypto.

Les références se préparent dans le même générateur : une planche des angles du personnage, comme sur cette page, se fait dans Nano Banana Pro.

Limites

• 15 secondes par génération. Au-delà, il faut coller les clips.
• Le 2K est une étape à part. D’abord le 768p, puis la régénération.
• H3 Max sans 2K, et sans clips de moins de 5 secondes.
• La référence audio ne fonctionne pas seule — seulement avec une image ou une vidéo.
• Limites de fichiers : vidéo jusqu’à 50 Mo, image jusqu’à 30 Mo, audio jusqu’à 15 Mo ; côtés de l’image de 256 à 5 760 px, rapport de 2:5 à 5:2.
• Les poids ouverts sont lourds. L’exemple de lancement de MiniMax est prévu pour 4 cartes graphiques, et l’étape 2K n’est ouverte que via l’API.
• Les petits détails. MiniMax écrit elle-même que, dans certaines scènes, le niveau de détail peut encore s’améliorer.

En résumé

MiniMax H3 est le meilleur choix quand le clip se construit à partir de plusieurs sources : photos du personnage, vidéo du mouvement et audio de la voix dans une seule génération, plus un vrai 2K et un son stéréo. C’est le seul modèle du top 10 d’Arena avec des poids ouverts : vous pouvez le lancer chez vous. Pour des clips de plus de 15 secondes, prenez Wan 3.0 ou Seedance 2.5 ; pour un storyboard avec des personnages-éléments, Kling 3.0. On les compare tous sur le même prompt dans AI2Face.