Un contexto creativo multimodal
Combina dirección por texto con múltiples referencias de imagen, video y audio para controlar personajes, composición, movimiento, ritmo y sonido en un solo flujo de trabajo.

MiniMax H3 es un modelo multimodal de video con pesos abiertos para crear y editar clips cinematográficos a partir de texto, imágenes, video y audio de referencia, con salida hasta 2K y sonido estéreo nativo.
Try for free with free credits. Check in daily to earn more. No credit card required.



Pasa de una imagen o video generados a cómics, manga, storyboards e historias visuales conectadas.
Características
MiniMax H3 une generación, control por referencia, edición precisa y audio sincronizado en un solo flujo de video multimodal.
Combina dirección por texto con múltiples referencias de imagen, video y audio para controlar personajes, composición, movimiento, ritmo y sonido en un solo flujo de trabajo.
Crea una escena a partir de un prompt, anima una imagen inicial o traslada la identidad y lenguaje visual de material de referencia a un nuevo clip.
Genera clips de 4–15 segundos a 24 fps con salida hasta 2K y audio estéreo sincronizado generado como parte de la escena.
Cambia detalles visuales localizados, compón nuevos elementos, reestiliza material o guía el movimiento manteniendo la coherencia del resto de la toma.
Explorar ejemplos
Ejemplo oficial fal de texto a video MiniMax H3 mostrando un gatito moviéndose por un jardín brillante.

Imagen de referencia usada en el ejemplo oficial fal de imagen a video MiniMax H3.
Ejemplo oficial fal de imagen a video MiniMax H3 con caballos de tiro moviéndose por un pastizal inundado.

Referencia de personaje usada por el ejemplo oficial fal de referencia a video MiniMax H3.
Ejemplo oficial fal de referencia a video MiniMax H3 mostrando una secuencia de personaje wuxia fantástico.
Cómo Funciona
Describe la toma completa, agrega una referencia visual cuando la coherencia importa y ajusta movimiento y sonido juntos.
Describe el sujeto, la acción, el entorno, el movimiento de cámara, la iluminación y el sonido que quieres en el clip final.
Agrega una imagen de referencia cuando necesitas mayor consistencia visual en personaje, producto, composición o estilo.
Genera un preview, revisa el movimiento y audio juntos, luego ajusta el prompt y exporta el mejor resultado.
Define sujeto, acción, cámara, ambiente y sonido
Guía identidad, composición, estilo y movimiento
Revisa movimiento de video y audio estéreo en un solo resultado
Modifica el prompt en torno a los detalles que necesitan control
Requiere una suscripción paga activa y suficientes créditos
Preguntas Frecuentes
MiniMax H3 acepta texto y puede usar referencias de imagen, video y audio en un contexto multimodal compartido. El modelo disponible en Replicate cubre flujos de texto a video, imagen a video y referencia a video.
MiniMax H3 permite clips de 4–15 segundos a 24 cuadros por segundo.
MiniMax H3 soporta salida hasta 2K y proporciones habituales: horizontal, vertical, cuadrada y cinematográfica.
Sí. MiniMax H3 puede generar audio estéreo nativo sincronizado, incluyendo diálogos, ambiente, efectos y dirección musical.
Sí. Su flujo de trabajo multimodal permite usar video y otras referencias para cambios localizados, reestilización, composición y guía de movimiento.
MiniMax H3 permite generación guiada por primer y último cuadro, incluyendo transiciones entre dos cuadros proporcionados. Usa imágenes propias o que tienes permiso de usar.
La generación con MiniMax H3 en LlamaGen requiere una suscripción activa paga y créditos suficientes. La información del modelo y ejemplos en esta página son públicos.
Sí. Las solicitudes pagas usan el modelo MiniMax H3 servido por Replicate, no un sustituto como Veo o Hailuo. Los modos admitidos dependen de los controles disponibles para creación de video.
Sí. Las solicitudes pagas usan el modelo MiniMax H3 servido por Replicate, no un sustituto como Veo o Hailuo. Los modos admitidos dependen de los controles disponibles para creación de video.
Infraestructura Creativa Confiable
Convierte un prompt o imagen de referencia en un Preview cinematográfico de video, luego perfecciona la versión más fuerte para publicar.
Disponible para suscriptores pagos con créditos suficientes.
Salida máxima
Duración máxima
Audio nativo