Hailuo AI: il modello video di MiniMax — Hailuo 2.3 e MiniMax H3

Che cos’è Hailuo AI

Hailuo è una famiglia di modelli video dell’azienda cinese MiniMax, insieme all’app Hailuo AI. Secondo MiniMax, entro la fine del 2025 i suoi modelli video hanno aiutato gli utenti a creare oltre 600 milioni di clip.

La famiglia ha due generazioni attuali. Hailuo 2.3 e il più veloce 2.3 Fast sono usciti il 28 ottobre 2025 e hanno migliorato movimenti del corpo, espressioni facciali, fisica e supporto agli stili: anime, illustrazione, inchiostro, CG da videogioco. MiniMax H3, chiamato anche Hailuo 3, è uscito il 31 luglio 2026 come nuova generazione: un unico modello capisce testo, immagini, video e audio e genera la clip direttamente con audio stereo.

Il 3 agosto 2026 MiniMax ha pubblicato i pesi di H3 su Hugging Face e ModelScope con licenza MiniMax H3 Community. Alla base c’è un transformer da 33 miliardi di parametri che prevede video e audio insieme. MiniMax ora inserisce Hailuo 2.3 tra i modelli precedenti.

Cosa sa fare Hailuo

Clip con audio fino al 2K. H3 genera 4–15 secondi a 24 fps. La risoluzione base è 768p, e una fase separata, Regenerate-2K, rigenera la clip in 2K tenendo conto del contesto originale. L’audio è stereo a 32 kHz e nasce insieme all’immagine.

Testo nell’inquadratura. MiniMax evidenzia la precisione nel disegnare testo e marchi. Nel nostro test la scritta FRESH BREAD sulla vetrina è senza errori, ma all’inizio della clip le lettere appaiono a specchio, come se guardassi da fuori una scritta dipinta dall’interno.

Parlato dei personaggi. Puoi scrivere una battuta tra virgolette nel prompt: H3 la fa pronunciare al personaggio e ne muove le labbra. MiniMax dichiara un supporto stabile di 11 lingue: arabo, cinese, coreano, francese, giapponese, inglese, italiano, portoghese, russo, spagnolo e tedesco.

Riferimenti. In modalità Ref2VA, H3 accetta fino a 9 immagini, 3 video da 2–15 secondi e 3 audio, 12 file in totale. L’audio va fornito insieme a un’immagine o a un video. La modalità FL2VA crea la clip tra un primo e un ultimo fotogramma.

Formati: 21:9, 16:9, 4:3, 1:1, 3:4 e 9:16.

Hailuo 2.3 e H3: le differenze

	Hailuo 2.3	MiniMax H3
Uscita	28 ottobre 2025	31 luglio 2026
Durata	6 o 10 s	4–15 s
Risoluzione	768p, 1080p (1080p solo con 6 s nell’API)	768p, fino al 2K
Audio	no	stereo insieme al video
Input	testo o un’immagine	testo, fino a 9 foto, 3 video, 3 audio
Pesi aperti	no	sì
Posizione su Arena (21/09/2026)	32 su 48	8 su 48
Prezzo API	0,28 $ per 6 s in 768p	0,08 $ al secondo in 768p

Per quali lavori è adatto Hailuo

• Pubblicità ed e-commerce. MiniMax indica pubblicità, branding e commercio elettronico come usi principali di H3: testo e marchi precisi nell’inquadratura.
• Clip con un personaggio da foto. 9 immagini di riferimento bastano per mantenere volto, abiti e prodotto.
• Trasferimento del movimento. Un video di riferimento detta il movimento del personaggio: MiniMax lo indica come punto di forza.
• Clip parlate in più lingue. H3 gestisce 11 lingue in modo stabile.
• Video stilizzati. Hailuo 2.3 tiene bene anime, illustrazione e CG da videogioco.

Hailuo e le alternative

	MiniMax H3	Seedance 2.5	Veo 3.1	Kling 3.0
Sviluppatore	MiniMax	ByteDance	Google	Kuaishou
Durata	4–15 s	fino a 30 s	4, 6 o 8 s	fino a 15 s
Risoluzione	fino al 2K	non dichiarata dallo sviluppatore	fino al 4K	720p, 1080p
Audio	stereo	sì	sì	sì
Riferimenti	fino a 12 file	fino a 50	fino a 3 foto	fino a 7 foto
Pesi aperti	sì	no	no	no
Posizione su Arena	8	5 e 7	23 (Veo 3)	29 (2.6 Pro)

H3 è una scelta solida quando servono 2K, audio stereo e molti riferimenti. Se conta la durata, sono più comodi Seedance 2.5 o Wan 3.0, con clip fino a 30 secondi. Il leader della classifica è Gemini Omni.

Come scrivere i prompt per Hailuo

• Parti dall’azione e dalla telecamera: cosa succede e come si muove la telecamera, ad esempio «la telecamera sale dall’asfalto a una panoramica».
• L’audio su una riga a parte. «Sound: rumore del motore, vento, onde»: H3 lo genera insieme all’immagine.
• Le battute tra virgolette. Indica chi parla e descrivi in breve il tono.
• Il testo a schermo esatto e tra virgolette, più «spelled exactly». Se la telecamera guarda attraverso un vetro, controlla che la scritta non sia a specchio.
• Assegna un ruolo a ogni riferimento. Scrivi nel prompt cosa prendere da ogni file: il volto dalla prima foto, la giacca dalla seconda, il movimento dal video.

Come usare Hailuo in AI2Face

Hailuo è disponibile nel generatore di AI2Face, senza bisogno di un account MiniMax. Puoi lanciare lo stesso prompt su Hailuo, Seedance, Veo 3.1 e Kling e confrontare i risultati. Il costo di ogni generazione è visibile prima dell’avvio, paghi con carta o cripto e i crediti dei pacchetti non scadono. I nuovi account ricevono crediti di benvenuto dopo la registrazione.

Limiti

• 15 secondi per generazione. Per storie più lunghe dovrai montare più clip o usare modelli da 30 secondi.
• Il 2K è una fase a parte. La risoluzione base di H3 è 768p; il 2K si ottiene rigenerando e costa di più.
• Il testo dietro un vetro o nei riflessi a volte esce a specchio, come nel nostro test.
• Il riferimento audio non funziona da solo: solo insieme a un’immagine o a un video.
• I pesi aperti richiedono hardware potente: 33 miliardi di parametri non girano su un normale portatile.

In sintesi

Hailuo è uno dei modelli video più forti del 2026: MiniMax H3 è 8° su Arena, crea clip fino a 15 secondi in 2K con audio stereo, gestisce fino a 12 riferimenti e parla 11 lingue. Hailuo 2.3 resta l’opzione economica per clip brevi e stilizzate. Usa H3 per la pubblicità e per clip con un personaggio e testo a schermo; per storie lunghe Seedance 2.5 o Wan 3.0, per il 4K Veo 3.1. Il modo più semplice per confrontarli sullo stesso prompt è AI2Face.