MiniMax H3 (Hailuo H3): cosa sa fare il modello video di MiniMax — 2K, stereo e 12 riferimenti

Cos’è MiniMax H3

MiniMax H3 è un modello video dell’azienda cinese MiniMax, che ha creato il servizio Hailuo AI. È uscito il 31 luglio 2026 e ha sostituito Hailuo 2.3 — per questo lo chiamano spesso Hailuo 3 o Hailuo H3. La panoramica di tutta la famiglia e il confronto con il vecchio 2.3 sono nella pagina Hailuo AI.

MiniMax chiama H3 «modello multimodale di uso generale». Prima, per il testo in video, il video da un’immagine, il trasferimento del movimento e il doppiaggio servivano modelli diversi. In H3 è uno solo: capisce testo, immagini, video e audio, e genera l’immagine e l’audio stereo insieme.

Il 3 agosto 2026 MiniMax ha pubblicato i pesi di H3. Al centro c’è un transformer denso da 33 miliardi di parametri. Circa 13 miliardi si possono precalcolare e non vanno caricati durante la generazione.

Nella classifica Arena del 21 settembre 2026, H3 è all’8º posto su 48 modelli video — davanti a Veo 3.1 e a Sora 2 Pro.

Cosa sa fare MiniMax H3

Una clip con audio fino a 15 secondi. La durata va da 4 a 15 secondi, a passi di un secondo, a 24 fotogrammi al secondo. Voce, rumori e musica si generano insieme all’immagine, in stereo.

2K con una nuova generazione. La risoluzione di base è 768p. Una richiesta Regeneration a parte prende la clip finita e tutti i riferimenti originali e la genera di nuovo in 2K. MiniMax precisa che non è un upscaler: il modello ridisegna il testo piccolo, i dettagli del prodotto e la struttura dell’inquadratura.

Fino a 12 riferimenti. In modalità riferimenti, H3 accetta:

• fino a 9 immagini;
• fino a 3 video da 2–15 secondi, al massimo 15 secondi in totale;
• fino a 3 audio con gli stessi limiti di durata.

In tutto, non più di 12 file. Il video di riferimento detta il movimento o la camera; l’audio, una voce, una canzone o un ritmo. L’audio funziona solo insieme a un’immagine o a un video.

Primo e ultimo fotogramma. Puoi dare un’immagine come inizio, una come finale, o entrambe: il modello costruisce il movimento in mezzo. Senza immagini, la richiesta diventa generazione da testo.

Parlato in 11 lingue. H3 doppia una battuta tra virgolette e la sincronizza con le labbra del personaggio. MiniMax dichiara un supporto stabile di 11 lingue, tra cui il russo.

Testo e marchi nell’inquadratura. MiniMax indica il disegno preciso di testo e marchi come uno dei punti forti di H3 e punta direttamente a pubblicità, e-commerce e poster animati.

Formati: 21:9, 16:9, 4:3, 1:1, 3:4 e 9:16; nel video da immagine, il formato segue l’originale.

Versioni di MiniMax H3 e prezzi

	MiniMax H3	H3 + Regeneration	MiniMax H3 Max
Chi l’ha fatto	MiniMax	MiniMax	fal.ai, a partire da H3
Risoluzione	768p	2K	480p, 768p
Durata	4–15 s	come la clip di partenza	5–15 s
Modalità	testo, fotogrammi, riferimenti, modifica	nuova generazione di una clip finita	testo, immagine, riferimenti
Prezzo API al secondo	0,08 $	+0,05 $ sulla clip in 768p, oppure 0,13 $ in 2K subito	0,08 $ in 768p, 0,05 $ in 480p
Immagini di riferimento gratuite	5	—	2

Nel listino MiniMax ci sono anche varianti più leggere: H3 Highspeed a 0,06 $ al secondo in 768p, H3 Lite a 0,04 $ in 768p e 0,025 $ in 480p. Il video in ingresso si paga in base alla sua durata, alla stessa tariffa; l’audio in ingresso è gratis.

A cosa serve MiniMax H3

• Pubblicità ed e-commerce — un prodotto con una scritta, un logo, un poster animato.
• Una clip con un personaggio dalle foto — 9 immagini bastano a tenere il volto, i vestiti e gli oggetti.
• Trasferimento del movimento — il video di riferimento detta il movimento del personaggio o della camera.
• Clip su una canzone — l’audio di riferimento detta voce e ritmo.
• Un server proprio — i pesi aperti permettono di far girare H3 in locale; come farlo in ComfyUI è nella guida MiniMax H3 in ComfyUI.

MiniMax H3 e le alternative

	MiniMax H3	Wan 3.0	Kling 3.0	Seedance 2.5
Sviluppatore	MiniMax	Alibaba	Kuaishou	ByteDance Seed
Durata	4–15 s	fino a 30 s	fino a 15 s	4–30 s
Risoluzione massima	2K	1080p	4K	1080p
Riferimenti	9 foto, 3 video, 3 audio	10 foto, 5 video, 5 audio, un documento	fino a 7 immagini o elementi	fino a 50 file
Pesi aperti	sì	no	no	no
Posto su Arena (21/09/2026)	8	6	—	7
In AI2Face	sì	sì	sì	sì

H3 è l’unico modello della top 10 di Arena con pesi aperti, e l’insieme di ingressi più flessibile: foto, video e audio in una sola generazione. Se ti serve una clip più lunga di 15 secondi, usa Wan 3.0 o Seedance 2.5; per il 4K, Kling 3.0.

Come scrivere i prompt per MiniMax H3

1. Descrivi a parole semplici il legame tra gli ingressi e il risultato. MiniMax lo consiglia così: «la protagonista della prima foto canta seguendo l’audio, e la camera si muove come nel video».
2. Aggiungi i tag della camera. H3 capisce tag come [pan], [zoom] e [static]: fissano il movimento senza descrizioni lunghe.
3. Le battute tra virgolette, indicando chi parla.
4. L’audio in una frase a parte: «Audio: pioggia sul selciato, un sassofono, un tram lontano».
5. Non risparmiare sul testo. Un prompt può arrivare a 7.000 caratteri.

Un esempio per la tavola di riferimenti qui sopra:

La protagonista delle immagini 1–3, con un impermeabile giallo, pedala sulla bici verde dell'immagine 5
sul selciato bagnato dell'immagine 7, tenendo l'ombrello rosso dell'immagine 4. Si ferma
al caffè dell'immagine 8, abbassa il cappuccio e sorride in camera: "Finalmente a casa."
[pan] la camera la segue di lato, poi [static] sul primo piano.
Audio: pioggia, fruscio delle gomme, una fisarmonica bassa dal caffè.

Come usare MiniMax H3 in AI2Face

MiniMax H3 è nel generatore di AI2Face, accanto a Wan 3.0, Kling e Veo 3.1.

1. Registrati: i nuovi account ricevono crediti di benvenuto.
2. Apri il generatore, passa al video e scegli MiniMax H3.
3. Carica fotogrammi o riferimenti, scrivi il prompt e scegli durata e risoluzione.
4. Il costo in crediti si vede prima di partire. I crediti dei pacchetti non scadono. Puoi pagare con carta o in cripto.

I riferimenti si preparano nello stesso generatore: un foglio con le angolazioni del personaggio, come quello di questa pagina, si fa in Nano Banana Pro.

Limiti

• 15 secondi per generazione. Più lungo, solo unendo le clip.
• Il 2K è un passo a parte. Prima il 768p, poi la rigenerazione.
• H3 Max senza 2K e senza clip più corte di 5 secondi.
• Il riferimento audio non funziona da solo — solo insieme a un’immagine o a un video.
• Limiti dei file: video fino a 50 MB, immagine fino a 30 MB, audio fino a 15 MB; lati dell’immagine da 256 a 5.760 px, rapporto da 2:5 a 5:2.
• I pesi aperti sono pesanti. L’esempio di avvio di MiniMax è pensato per 4 schede video, e la fase 2K è aperta solo tramite API.
• I dettagli fini. MiniMax stessa scrive che in alcune scene il dettaglio si può ancora migliorare.

Conclusioni

MiniMax H3 è la scelta migliore quando la clip si monta da tante fonti: foto del personaggio, un video con il movimento e un audio con la voce in una sola generazione, più un 2K vero e l’audio stereo. È l’unico modello della top 10 di Arena con pesi aperti: lo puoi far girare in locale. Per clip più lunghe di 15 secondi usa Wan 3.0 o Seedance 2.5; per uno storyboard con personaggi come elementi, Kling 3.0. Si confrontano tutti sullo stesso prompt in AI2Face.