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

> MiniMax H3 è un modello video dell'azienda cinese MiniMax, uscito il 31 luglio 2026. Genera clip da 4–15 secondi in 768p o 2K con audio stereo, accetta fino a 12 riferimenti — foto, video e audio — e doppia le battute dei personaggi. I pesi sono usciti il 3 agosto 2026 e su Arena è all'8º posto. MiniMax H3 è nel generatore di AI2Face.

Sviluppatore: MiniMax · Rilascio: 2026-07-31 · Aggiornato il 2026-10-28
URL: https://ai2face.com/it/models/minimax-h3

## Dati chiave

| | |
|---|---|
| Sviluppatore | MiniMax (Shanghai); H3 Max insieme a fal.ai |
| Data di uscita | 31 luglio 2026; pesi pubblicati il 3 agosto 2026 |
| Durata | 4–15 secondi, a passi di 1 secondo; 24 fotogrammi al secondo |
| Risoluzione | 768p; 2K rigenerando la stessa clip |
| Audio | Stereo insieme al video — voce, effetti, musica |
| Riferimenti | Fino a 9 foto, 3 video e 3 audio, 12 file in tutto |
| Modalità | Da testo, da primo e/o ultimo fotogramma, da riferimenti |
| Pesi aperti | 33 miliardi di parametri, Hugging Face e ModelScope, licenza MiniMax H3 Community |
| Prezzo API | 0,08 $ al secondo in 768p, 0,13 $ in 2K |
| In AI2Face | Sì, nel generatore |

## 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](/it/models/hailuo).

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.

![Tavola di riferimenti 3×3: una ragazza con caschetto castano e impermeabile giallo di fronte, di profilo e di spalle, un ombrello rosso, una bici verde, il tessuto dell'impermeabile, una strada bagnata, un caffè con tenda a righe, gocce sul vetro](https://ai2face.com/_astro/refs.DyroEu7F_1QPwoV.jpg "Nove immagini — il massimo che H3 accetta in una generazione: il personaggio da tre angolazioni, oggetti e luoghi. Fotogramma fatto in Nano Banana Pro")

**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.

![La stessa panetteria d'angolo da un'unica angolazione: a sinistra all'alba con la serranda chiusa, a destra un'ora dopo aperta, luce calda e il fornaio dentro](https://ai2face.com/_astro/first-last.D1amWmZH_1ElFnS.jpg "Coppia di primo e ultimo fotogramma: H3 capisce da sola come sale la serranda e si accende la luce. Fotogrammi fatti in Nano Banana Pro")

**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.

![Fotogramma pubblicitario verticale: una bottiglia di limonata con la scritta FRESH LEMON su pietra bagnata, intorno fette di limone e cubetti di ghiaccio fermi a mezz'aria](https://ai2face.com/_astro/ad-frame.Ch8YKyNV_ZuaM8U.jpg "Un fotogramma di partenza tipico per una pubblicità in H3: un prodotto con una scritta che il modello deve tenere nel movimento. Fotogramma fatto in Nano Banana Pro")

**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](/it/blog/minimax-h3-comfyui).

## MiniMax H3 e le alternative

| | MiniMax H3 | [Wan 3.0](/it/models/wan-3-0) | [Kling 3.0](/it/models/kling-3-0) | [Seedance 2.5](/it/models/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](/it/models/wan-3-0), [Kling](/it/models/kling) e [Veo 3.1](/it/models/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](/it/models/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](/it/models/wan-3-0) o [Seedance 2.5](/it/models/seedance-2-5); per uno storyboard con personaggi come elementi, [Kling 3.0](/it/models/kling-3-0). Si confrontano tutti sullo stesso prompt in AI2Face.

## Domande frequenti

### Cos'è MiniMax H3?

Un modello video dell'azienda cinese MiniMax, erede di Hailuo 2.3 — lo chiamano anche Hailuo 3. Un solo modello capisce testo, foto, video e audio e fa clip fino a 15 secondi in 2K con audio stereo.

### In cosa MiniMax H3 è diverso da H3 Max?

H3 Max è una versione che fal.ai ha addestrato dopo: è più veloce e segue meglio il prompt, ma fa solo 480p e 768p e clip da 5 secondi in su. L'H3 principale offre il 2K e la modifica delle clip.

### Come si ottiene il 2K in MiniMax H3?

Prima si genera la clip in 768p, poi una richiesta Regeneration a parte la rigenera in 2K tenendo conto dei riferimenti originali. Non è un upscaler: il modello ridisegna il testo piccolo e i dettagli.

### Quanto costa MiniMax H3?

Nell'API MiniMax, 0,08 $ al secondo in 768p e 0,13 $ in 2K; rigenerare una clip già fatta da 768p a 2K costa 0,05 $ al secondo. Cinque immagini di riferimento per attività sono gratis e l'audio in ingresso non si paga.

### Si può scaricare MiniMax H3?

Sì. I pesi sono su Hugging Face e ModelScope con la licenza MiniMax H3 Community, ma il modello ha 33 miliardi di parametri e l'esempio di avvio di MiniMax è pensato per 4 schede video. La fase 2K non è stata rilasciata in aperto.

### MiniMax H3 c'è in AI2Face?

Sì. MiniMax H3 è nel generatore di AI2Face e il costo si vede prima di partire.

## Fonti

- 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