Un único contexto creativo multimodal
Combina texto con varias imágenes, vídeos y audio de referencia para controlar personaje, composición, movimiento, ritmo y sonido en un solo flujo.

MiniMax H3 es un modelo de vídeo multimodal con pesos abiertos para crear y editar clips cinematográficos a partir de texto, imágenes, vídeo y referencias de audio, con salida de 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 vídeo generado a cómics, manga, storyboards y narrativas visuales conectadas.
Características
MiniMax H3 une generación, control sobre referencias, edición dirigida y sonido sincronizado en un flujo de vídeo multimodal.
Combina texto con varias imágenes, vídeos y audio de referencia para controlar personaje, composición, movimiento, ritmo y sonido en un solo flujo.
Crea una escena con un prompt, anima una imagen inicial o lleva la identidad y el lenguaje visual del material de referencia a un nuevo clip.
Genera clips de 4–15 segundos a 24 fps con salida hasta 2K y audio estéreo sincronizado creado como parte de la escena.
Modifica detalles visuales localizados, compón nuevos elementos, cambia el estilo o guía el movimiento manteniendo la coherencia del resto del plano.
Explorar ejemplos
Ejemplo oficial de texto a vídeo de fal MiniMax H3 con un gatito moviéndose por un jardín luminoso.

Imagen de referencia usada por el ejemplo oficial de imagen a vídeo de fal MiniMax H3.
Ejemplo oficial de fal MiniMax H3 de imagen a vídeo con caballos de tiro cruzando un prado inundado.

Referencia de personaje utilizada por el ejemplo oficial de referencia a vídeo de fal MiniMax H3.
Ejemplo oficial de fal MiniMax H3 de referencia a vídeo mostrando una secuencia de personaje wuxia fantástica.
Cómo Funciona
Describe toda la toma, añade una referencia visual cuando importe la coherencia y refina movimiento y sonido a la vez.
Describe el sujeto, la acción, el entorno, el movimiento de cámara, la luz y el sonido que deseas en el clip final.
Añade una imagen de referencia cuando el personaje, producto, composición o estilo requieran máxima consistencia visual.
Genera una vista previa, revisa el movimiento y el audio juntos, después refina el prompt y exporta el mejor resultado.
Define el sujeto, acción, cámara, ambiente y sonido
Guía identidad, composición, estilo y movimiento
Comprueba el movimiento del vídeo y el audio estéreo como un único resultado
Ajusta el prompt en torno a los detalles que requieren control
Requiere suscripción de pago activa y créditos suficientes
Preguntas Frecuentes
MiniMax H3 acepta texto y puede utilizar referencias de imagen, vídeo y audio en un entorno multimodal compartido. Los modelos disponibles en Replicate cubren flujos de trabajo de texto a vídeo, imagen a vídeo y referencia a vídeo.
MiniMax H3 admite clips de 4 a 15 segundos a 24 fotogramas por segundo.
MiniMax H3 admite salida hasta 2K y relaciones de aspecto habituales como horizontal, vertical, cuadrado y cinematográfico.
Sí. MiniMax H3 puede generar audio nativo estéreo sincronizado, incluyendo diálogos, ambiente, efectos y dirección musical.
Sí. Su flujo de trabajo multimodal puede utilizar vídeo y otras referencias para cambios localizados, restilización, composición y guía de movimiento.
MiniMax H3 permite la generación guiada por el primer y último fotograma, incluyendo transiciones entre dos imágenes suministradas. Usa imágenes que poseas o tengas permiso para usar.
La generación con MiniMax H3 en LlamaGen requiere una suscripción de pago activa y suficientes créditos. La información del modelo y los ejemplos en esta página son de acceso público.
Sí. Las solicitudes de generación de pago usan el modelo MiniMax H3 servido por Replicate, no modelos sustitutivos como Veo o Hailuo. Los modos disponibles dependen de los controles de creación de vídeo.
Sí. Las solicitudes de generación de pago usan el modelo MiniMax H3 servido por Replicate, no modelos sustitutivos como Veo o Hailuo. Los modos disponibles dependen de los controles de creación de vídeo.
Infraestructura creativa de confianza
Convierte un prompt o imagen de referencia en una vista previa de vídeo cinematográfica y luego refina la mejor versión para publicar.
Disponible para suscriptores de pago con créditos suficientes.
Salida máxima
Duración máxima
Audio nativo