# MiniMax H3 (Hailuo H3): o que o modelo de vídeo da MiniMax faz — 2K, estéreo e 12 referências

> MiniMax H3 é um modelo de vídeo da empresa chinesa MiniMax, lançado em 31 de julho de 2026. Gera clipes de 4–15 segundos em 768p ou 2K com som estéreo, aceita até 12 referências — fotos, vídeo e áudio — e dubla as falas dos personagens. Os pesos saíram em 3 de agosto de 2026, e no Arena ele fica em 8.º. MiniMax H3 está no gerador do AI2Face.

Desenvolvedor: MiniMax · Lançamento: 2026-07-31 · Atualizado em 2026-10-28
URL: https://ai2face.com/pt/models/minimax-h3

## Fatos principais

| | |
|---|---|
| Desenvolvedor | MiniMax (Xangai); H3 Max em conjunto com a fal.ai |
| Data de lançamento | 31 de julho de 2026; pesos abertos em 3 de agosto de 2026 |
| Duração | 4–15 segundos, de segundo em segundo; 24 quadros por segundo |
| Resolução | 768p; 2K gerando de novo o mesmo clipe |
| Som | Estéreo junto com o vídeo — fala, efeitos e música |
| Referências | Até 9 fotos, 3 vídeos e 3 áudios, 12 arquivos no total |
| Modos | Por texto, pelo primeiro e/ou último quadro, por referências |
| Pesos abertos | 33 bilhões de parâmetros, Hugging Face e ModelScope, licença MiniMax H3 Community |
| Preço da API | US$ 0,08 por segundo em 768p, US$ 0,13 em 2K |
| No AI2Face | Sim, no gerador |

## O que é o MiniMax H3

O MiniMax H3 é um modelo de vídeo da empresa chinesa MiniMax, criadora do serviço Hailuo AI. Saiu em 31 de julho de 2026 e substituiu o Hailuo 2.3 — por isso muita gente o chama de Hailuo 3 ou Hailuo H3. O panorama da família inteira e a comparação com o 2.3 antigo estão na página [Hailuo AI](/pt/models/hailuo).

A MiniMax chama o H3 de “modelo multimodal de uso geral”. Antes, texto para vídeo, vídeo a partir de imagem, transferência de movimento e narração pediam modelos diferentes. No H3 é um só: ele entende texto, imagens, vídeo e áudio, e gera a imagem e o som estéreo juntos.

Em 3 de agosto de 2026, a MiniMax abriu os pesos do H3. No núcleo há um transformer denso de 33 bilhões de parâmetros. Cerca de 13 bilhões deles podem ser pré-calculados e não precisam ser carregados na geração.

No ranking da Arena em 21 de setembro de 2026, o H3 está em 8.º entre 48 modelos de vídeo — à frente de Veo 3.1 e do Sora 2 Pro.

## O que o MiniMax H3 faz

**Um clipe com som de até 15 segundos.** A duração vai de 4 a 15 segundos, de segundo em segundo, a 24 quadros por segundo. Fala, ruídos e música são gerados junto com a imagem, em estéreo.

**2K por nova geração.** A resolução base é 768p. Um pedido separado, Regeneration, pega o clipe pronto e todas as referências originais e o gera de novo em 2K. A MiniMax deixa claro que isso não é um upscaler: o modelo redesenha o texto pequeno, os detalhes do produto e a estrutura do quadro.

**Até 12 referências.** No modo por referências, o H3 aceita:

- até 9 imagens;
- até 3 vídeos de 2–15 segundos, no máximo 15 segundos no total;
- até 3 áudios com os mesmos limites de duração.

No total, no máximo 12 arquivos. O vídeo de referência define o movimento ou a câmera; o áudio, uma voz, uma música ou um ritmo. O áudio só funciona junto com uma imagem ou um vídeo.

![Painel de referências 3×3: uma moça de corte chanel castanho e capa de chuva amarela de frente, de perfil e de costas, um guarda-chuva vermelho, uma bicicleta verde, o tecido da capa, uma rua molhada, um café com toldo listrado, gotas no vidro](https://ai2face.com/_astro/refs.DyroEu7F_1QPwoV.jpg "Nove imagens — o máximo que o H3 aceita numa geração: o personagem em três ângulos, objetos e lugares. Quadro feito no Nano Banana Pro")

**Primeiro e último quadro.** Dá para passar uma imagem como início, outra como fim, ou as duas — o modelo constrói o movimento entre elas. Sem imagens, o pedido vira geração por texto.

![A mesma padaria de esquina num só ângulo: à esquerda no amanhecer, com a porta de aço fechada; à direita uma hora depois, aberta, luz quente e o padeiro lá dentro](https://ai2face.com/_astro/first-last.D1amWmZH_1ElFnS.jpg "Par de primeiro e último quadro: o H3 resolve sozinho como a porta sobe e a luz acende. Quadros feitos no Nano Banana Pro")

**Fala em 11 idiomas.** O H3 dubla uma fala entre aspas e sincroniza com os lábios do personagem. A MiniMax afirma suporte estável a 11 idiomas, inclusive o russo.

**Texto e marcas no quadro.** A MiniMax cita o desenho preciso de texto e marcas como um dos pontos fortes do H3 e mira direto em publicidade, e-commerce e pôsteres animados.

![Quadro vertical de anúncio: uma garrafa de limonada com o texto FRESH LEMON sobre pedra molhada, fatias de limão e cubos de gelo parados no ar ao redor](https://ai2face.com/_astro/ad-frame.Ch8YKyNV_ZuaM8U.jpg "Um quadro inicial típico de anúncio no H3: um produto com uma inscrição que o modelo precisa manter em movimento. Quadro feito no Nano Banana Pro")

**Proporções:** 21:9, 16:9, 4:3, 1:1, 3:4 e 9:16; no vídeo a partir de imagem, a proporção segue o original.

## Versões do MiniMax H3 e preços

| | MiniMax H3 | H3 + Regeneration | MiniMax H3 Max |
|---|---|---|---|
| Quem fez | MiniMax | MiniMax | fal.ai, com base no H3 |
| Resolução | 768p | 2K | 480p, 768p |
| Duração | 4–15 s | igual à origem | 5–15 s |
| Modos | texto, quadros, referências, edição | nova geração de um clipe pronto | texto, imagem, referências |
| Preço da API por segundo | US$ 0,08 | +US$ 0,05 sobre o clipe em 768p, ou US$ 0,13 em 2K direto | US$ 0,08 em 768p, US$ 0,05 em 480p |
| Imagens de referência grátis | 5 | — | 2 |

A tabela da MiniMax também tem versões mais leves: H3 Highspeed a US$ 0,06 por segundo em 768p, e H3 Lite a US$ 0,04 em 768p e US$ 0,025 em 480p. O vídeo de entrada é cobrado pela duração, na mesma taxa; o áudio de entrada é grátis.

## Para que o MiniMax H3 serve

- **Publicidade e e-commerce** — um produto com texto, um logotipo, um pôster animado.
- **Um clipe com personagem a partir de fotos** — 9 imagens bastam para manter o rosto, a roupa e os objetos.
- **Transferência de movimento** — o vídeo de referência define o movimento do personagem ou da câmera.
- **Clipe de uma música** — o áudio de referência define o vocal e o ritmo.
- **Servidor próprio** — os pesos abertos permitem rodar o H3 na sua máquina; o guia [MiniMax H3 no ComfyUI](/pt/blog/minimax-h3-comfyui) mostra como.

## MiniMax H3 e alternativas

| | MiniMax H3 | [Wan 3.0](/pt/models/wan-3-0) | [Kling 3.0](/pt/models/kling-3-0) | [Seedance 2.5](/pt/models/seedance-2-5) |
|---|---|---|---|---|
| Desenvolvedor | MiniMax | Alibaba | Kuaishou | ByteDance Seed |
| Duração | 4–15 s | até 30 s | até 15 s | 4–30 s |
| Resolução máxima | 2K | 1080p | 4K | 1080p |
| Referências | 9 fotos, 3 vídeos, 3 áudios | 10 fotos, 5 vídeos, 5 áudios, um documento | até 7 imagens ou elementos | até 50 arquivos |
| Pesos abertos | sim | não | não | não |
| Lugar no Arena (21/09/2026) | 8 | 6 | — | 7 |
| No AI2Face | sim | sim | sim | sim |

O H3 é o único modelo do top 10 do Arena com pesos abertos, e o conjunto de entradas mais flexível: fotos, vídeo e áudio numa mesma geração. Se o clipe precisa passar de 15 segundos, use Wan 3.0 ou Seedance 2.5; para 4K, Kling 3.0.

## Como escrever prompts para o MiniMax H3

1. **Descreva em palavras simples a ligação entre as entradas e o resultado.** A MiniMax recomenda exatamente isso: “a protagonista da primeira foto canta junto com o áudio, e a câmera se move como no vídeo”.
2. **Acrescente marcas de câmera.** O H3 entende tags como `[pan]`, `[zoom]` e `[static]` — elas definem o movimento sem descrições longas.
3. **As falas, entre aspas**, dizendo quem fala.
4. **O som numa frase à parte:** “Som: chuva no calçamento, um saxofone, um bonde distante”.
5. **Não economize texto.** Um prompt pode ter até 7.000 caracteres.

Um exemplo para o painel de referências acima:

```
A protagonista das imagens 1–3, de capa de chuva amarela, pedala a bicicleta verde da imagem 5
pelo calçamento molhado da imagem 7, segurando o guarda-chuva vermelho da imagem 4. Para
no café da imagem 8, tira o capuz e sorri para a câmera: "Finalmente em casa."
[pan] a câmera a acompanha de lado, depois [static] no close.
Som: chuva, o chiado dos pneus, um acordeão baixo vindo do café.
```

## Como usar o MiniMax H3 no AI2Face

O MiniMax H3 está no gerador do AI2Face, ao lado de [Wan 3.0](/pt/models/wan-3-0), [Kling](/pt/models/kling) e [Veo 3.1](/pt/models/veo-3-1).

1. Cadastre-se — contas novas recebem créditos de boas-vindas.
2. Abra o gerador, vá para vídeo e escolha MiniMax H3.
3. Envie quadros ou referências, escreva o prompt e escolha a duração e a resolução.
4. O custo em créditos aparece antes de começar. Os créditos dos pacotes não expiram. Dá para pagar com cartão ou cripto.

As referências ficam fáceis de preparar no mesmo gerador — uma folha com os ângulos do personagem, como a desta página, é feita no [Nano Banana Pro](/pt/models/nano-banana-pro).

## Limites

- **15 segundos por geração.** Mais longo, só emendando.
- **2K é um passo separado.** Primeiro 768p, depois a nova geração.
- **H3 Max sem 2K** e sem clipes com menos de 5 segundos.
- **A referência de áudio não funciona sozinha** — só junto com uma imagem ou um vídeo.
- **Limites de arquivo:** vídeo até 50 MB, imagem até 30 MB, áudio até 15 MB; lados da imagem de 256 a 5.760 px, proporção de 2:5 a 5:2.
- **Os pesos abertos são pesados.** O exemplo de execução da MiniMax foi pensado para 4 placas de vídeo, e a etapa 2K só existe pela API.
- **Detalhe fino.** A própria MiniMax escreve que, em algumas cenas, o detalhe ainda pode melhorar.

## Conclusão

O MiniMax H3 é a melhor escolha quando o clipe se monta a partir de várias fontes: fotos do personagem, um vídeo com o movimento e um áudio com a voz numa só geração, mais um 2K de verdade e som estéreo. É o único modelo do top 10 do Arena com pesos abertos — dá para rodar na sua máquina. Para clipes com mais de 15 segundos, use [Wan 3.0](/pt/models/wan-3-0) ou [Seedance 2.5](/pt/models/seedance-2-5); para um storyboard com personagens como elementos, [Kling 3.0](/pt/models/kling-3-0). Todos se comparam no mesmo prompt no AI2Face.

## Perguntas frequentes

### O que é o MiniMax H3?

Um modelo de vídeo da empresa chinesa MiniMax, sucessor do Hailuo 2.3 — também chamado de Hailuo 3. Um só modelo entende texto, fotos, vídeo e áudio, e faz clipes de até 15 segundos em 2K com som estéreo.

### Qual a diferença entre MiniMax H3 e H3 Max?

O H3 Max é uma versão que a fal.ai treinou depois: é mais rápido e segue o prompt com mais precisão, mas só entrega 480p e 768p, e clipes a partir de 5 segundos. O H3 principal oferece 2K e a edição de clipes.

### Como conseguir 2K no MiniMax H3?

Primeiro o clipe é gerado em 768p; depois um pedido separado, Regeneration, gera de novo em 2K levando em conta as referências originais. Não é um upscaler: o modelo redesenha o texto pequeno e os detalhes.

### Quanto custa o MiniMax H3?

Na API da MiniMax, US$ 0,08 por segundo em 768p e US$ 0,13 em 2K; gerar de novo um clipe pronto de 768p em 2K custa US$ 0,05 por segundo. Cinco imagens de referência por tarefa são grátis, e o áudio de entrada não é cobrado.

### Dá para baixar o MiniMax H3?

Sim. Os pesos estão no Hugging Face e no ModelScope sob a licença MiniMax H3 Community, mas o modelo tem 33 bilhões de parâmetros, e o exemplo de execução da MiniMax foi pensado para 4 placas de vídeo. A etapa 2K não foi liberada em aberto.

### O MiniMax H3 está no AI2Face?

Sim. O MiniMax H3 está no gerador do AI2Face, e o custo aparece antes de começar.

## Fontes

- 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