Hailuo AI: o modelo de vídeo da MiniMax — Hailuo 2.3 e MiniMax H3

O que é Hailuo AI

Hailuo é uma família de modelos de vídeo da empresa chinesa MiniMax, junto com o app Hailuo AI. Segundo a MiniMax, até o fim de 2025 seus modelos de vídeo ajudaram os usuários a criar mais de 600 milhões de clipes.

A família tem duas gerações atuais. O Hailuo 2.3 e o mais rápido 2.3 Fast saíram em 28 de outubro de 2025 e melhoraram o movimento do corpo, as expressões faciais, a física e o suporte a estilos: anime, ilustração, nanquim, CG de games. O MiniMax H3, também chamado de Hailuo 3, saiu em 31 de julho de 2026 como nova geração: um único modelo entende texto, imagens, vídeo e áudio e gera o clipe já com som estéreo.

Em 3 de agosto de 2026, a MiniMax publicou os pesos do H3 no Hugging Face e no ModelScope sob a licença MiniMax H3 Community. Na base está um transformer de 33 bilhões de parâmetros que prevê vídeo e som em conjunto. A MiniMax agora coloca o Hailuo 2.3 entre seus modelos anteriores.

O que o Hailuo sabe fazer

Clipes com som até 2K. O H3 faz de 4 a 15 segundos a 24 fps. A resolução base é 768p, e uma etapa separada, a Regenerate-2K, gera o clipe de novo em 2K levando em conta o contexto original. O som é estéreo de 32 kHz, criado junto com a imagem.

Texto na cena. A MiniMax destaca a precisão ao desenhar textos e marcas. No nosso teste, as palavras FRESH BREAD na vitrine saíram sem erros, mas no início do clipe as letras aparecem espelhadas, como se você olhasse de fora para um letreiro pintado por dentro.

Fala dos personagens. Você pode escrever uma fala entre aspas no prompt: o H3 a dubla e mexe os lábios do personagem. A MiniMax afirma suporte estável a 11 idiomas: alemão, árabe, chinês, coreano, espanhol, francês, inglês, italiano, japonês, português e russo.

Referências. No modo Ref2VA, o H3 aceita até 9 imagens, 3 vídeos de 2 a 15 segundos e 3 áudios, 12 arquivos no total. O áudio precisa vir junto com uma imagem ou um vídeo. O modo FL2VA cria o clipe entre um primeiro e um último quadro.

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

Hailuo 2.3 e H3: diferenças

	Hailuo 2.3	MiniMax H3
Lançamento	28 de outubro de 2025	31 de julho de 2026
Duração	6 ou 10 s	4–15 s
Resolução	768p, 1080p (1080p só com 6 s na API)	768p, até 2K
Som	não	estéreo junto com o vídeo
Entrada	texto ou uma imagem	texto, até 9 fotos, 3 vídeos e 3 áudios
Pesos abertos	não	sim
Posição na Arena (21/09/2026)	32 de 48	8 de 48
Preço da API	US$ 0,28 por 6 s em 768p	US$ 0,08 por segundo em 768p

Para que serve o Hailuo

• Publicidade e e-commerce. A MiniMax cita publicidade, branding e comércio eletrônico como os principais usos do H3: texto e marcas precisos na cena.
• Clipes com personagem a partir de fotos. 9 imagens de referência bastam para manter rosto, roupa e produto.
• Transferência de movimento. Um vídeo de referência define o movimento do personagem; a MiniMax destaca isso como ponto forte.
• Clipes com fala em vários idiomas. O H3 lida bem com 11 idiomas.
• Vídeo estilizado. O Hailuo 2.3 mantém bem anime, ilustração e CG de games.

Hailuo e alternativas

	MiniMax H3	Seedance 2.5	Veo 3.1	Kling 3.0
Desenvolvedor	MiniMax	ByteDance	Google	Kuaishou
Duração	4–15 s	até 30 s	4, 6 ou 8 s	até 15 s
Resolução	até 2K	o desenvolvedor não informa	até 4K	720p, 1080p
Som	estéreo	sim	sim	sim
Referências	até 12 arquivos	até 50	até 3 fotos	até 7 fotos
Pesos abertos	sim	não	não	não
Posição na Arena	8	5 e 7	23 (Veo 3)	29 (2.6 Pro)

O H3 é uma boa escolha quando você precisa de 2K, som estéreo e muitas referências. Se a duração importa, o Seedance 2.5 ou o Wan 3.0, com clipes de até 30 segundos, são mais práticos. O líder do ranking é o Gemini Omni.

Como escrever prompts para o Hailuo

• Comece pela ação e pela câmera: o que acontece e como a câmera se move, por exemplo “a câmera sobe do asfalto para uma panorâmica”.
• Som em uma linha separada. “Sound: barulho do motor, vento, ondas”: o H3 gera junto com a imagem.
• Falas entre aspas. Diga quem fala e descreva o tom em poucas palavras.
• Texto na tela exato e entre aspas, com “spelled exactly”. Se a câmera olha através de um vidro, confira se o letreiro não saiu espelhado.
• Dê um papel a cada referência. Diga no prompt o que tirar de cada arquivo: o rosto da primeira foto, a jaqueta da segunda, o movimento do vídeo.

Como usar o Hailuo no AI2Face

O Hailuo está disponível no gerador do AI2Face, sem precisar de conta na MiniMax. Você pode rodar o mesmo prompt no Hailuo, no Seedance, no Veo 3.1 e no Kling e comparar o resultado. O custo de cada geração aparece antes de começar, o pagamento pode ser com cartão ou cripto, e os créditos dos pacotes não expiram. Contas novas recebem créditos de boas-vindas após o cadastro.

Limitações

• 15 segundos por geração. Para histórias longas, será preciso juntar clipes ou usar modelos de 30 segundos.
• O 2K é uma etapa separada. A resolução base do H3 é 768p; o 2K vem de uma nova geração e custa mais.
• Texto através de vidros e reflexos às vezes sai espelhado, como no nosso teste.
• A referência de áudio não funciona sozinha: só junto com uma imagem ou um vídeo.
• Os pesos abertos exigem hardware potente: 33 bilhões de parâmetros não rodam em um notebook comum.

Conclusão

O Hailuo é um dos modelos de vídeo mais fortes de 2026: o MiniMax H3 está em 8º na Arena, faz clipes de até 15 segundos em 2K com som estéreo, aceita até 12 referências e fala 11 idiomas. O Hailuo 2.3 fica como opção barata para clipes curtos e estilizados. Use o H3 para publicidade e para clipes com personagem e texto na tela; para histórias longas, o Seedance 2.5 ou o Wan 3.0, e para 4K, o Veo 3.1. O jeito mais fácil de comparar todos com o mesmo prompt é no AI2Face.