MiniMax H3 es un modelo de vídeo multimodal que entiende a la vez referencias de texto, imagen, vídeo y audio para crear clips cortos con sonido estéreo nativo. En Ottermind puedes mantener el briefing, los recursos, las versiones y las decisiones dentro del mismo flujo creativo.
MiniMax lanzó MiniMax H3 el 31 de julio de 2026. El modelo reúne texto, imagen, vídeo y audio en un contexto común para generar y editar. El sistema oficial admite entre 4 y 15 segundos a 24 FPS con audio estéreo de 32 kHz; Hailuo ofrece actualmente entre 5 y 15 segundos. H3-Base genera a 768p y la fase alojada H3-Regenerate-2K produce la versión 2K. En Ottermind Studio, cada referencia y toma permanece ligada al mismo briefing creativo.
H3 destaca cuando un plano necesita a la vez imágenes de personajes, movimiento, cámara, sonido o un vídeo que modificar. Asigna una función clara a cada referencia, trabaja con planos breves y compáralos con el briefing en Ottermind Studio.
Combina imágenes de producto aprobadas, composición de marca, movimiento y dirección sonora para anuncios y comercio electrónico.
Toma la apariencia de una imagen, el ritmo de un vídeo y los rasgos de una voz, dejando clara la relación entre las entradas.
Cambia personas, objetos, entorno, luz, diálogo o efectos sin alterar las partes que ya funcionan.
Los primeros comentarios destacan la combinación de pesos abiertos, referencias mixtas, audio nativo y composición. El consejo que más se repite es asignar una función a cada referencia, mantener planos cortos y revisar diálogo, texto, manos, relaciones entre objetos y continuidad antes de aprobar.
H3 se usa para construir el plano con personaje, movimiento, cámara, estilo y sonido, no solo como texto a vídeo.
Producto, motion graphics, títulos y acciones únicas suelen rendir mejor que escenas largas y complejas.
Los pesos y las optimizaciones de la comunidad aportan libertad, pero memoria, velocidad, cuantización y compatibilidad siguen siendo retos.
Centraliza objetivo, guion, recursos de producto, personajes, movimiento, audio y requisitos de entrega en Ottermind Studio.
Selecciona MiniMax H3 e indica el papel de cada referencia, la acción, cámara, sonido, duración, formato y resolución.
Comprueba fidelidad, movimiento, diálogo, texto y continuidad, conserva la mejor toma y corrige solo sus puntos débiles.
Es el modelo universal de generación y edición de vídeo multimodal que MiniMax lanzó el 31 de julio de 2026. Comprende texto, imagen, vídeo y audio y genera clips con sonido estéreo nativo.
No. H3 es un modelo nuevo con nombre propio; Hailuo 2.3 es anterior. Hailuo AI es también uno de los productos desde los que se puede usar MiniMax H3.
Texto, fotograma inicial o final, ambos extremos y Omni Reference. Hasta 9 imágenes, 3 vídeos, 3 audios y 12 archivos en total; el audio no puede ser la única referencia.
La documentación indica 4–15 segundos a 24 FPS y Hailuo ofrece actualmente 5–15 segundos. Las opciones dependen del punto de acceso.
Sí. Crea estéreo a 32 kHz con diálogo, efectos, ambiente y música junto al vídeo. Comprueba la escucha y la fidelidad al guion antes de publicar.
Sí. H3-Base produce primero 768p y el servicio H3-Regenerate-2K usa ese resultado y el contexto original para crear la versión 2K.
MiniMax publicó los pesos H3-Base FL2VA y Ref2VA el 3 de agosto de 2026 bajo la MiniMax H3 Community License. H3-Context-IR y H3-Regenerate-2K no formaron parte de la primera publicación.
Organiza prompts y fuentes, genera tomas comparables, revísalas frente al briefing y conserva el historial de cambios y la selección junto al siguiente plano.
Mantén briefing, referencias, prompts, tomas y decisiones dentro de un flujo de producción continuo.