MiniMax H3: generador de video con IA

Lo que MiniMax H3 hace bien

Referencias de imagen, video y audio en un solo prompt

MiniMax H3 admite hasta 9 imágenes de referencia, 3 videos de referencia y 3 clips de audio en una misma generación, y los lee en conjunto, no uno por uno.

El propio ejemplo de MiniMax pide al modelo, en una sola frase, que copie el movimiento de cámara de un video, que haga cantar al personaje de una imagen y que ajuste la voz a un clip de audio.

Indica en el prompt para qué sirve cada referencia, o el modelo tendrá que adivinarlo: «mantén la cara del retrato, sigue el travelling del video de referencia y haz que cante la melodía del clip de audio».

Las referencias y un primer o último fotograma no se pueden combinar en una misma generación, así que elige un enfoque por clip, y elige H3 para los clips basados en referencias.

Usa material propio o que tengas permiso para usar, sobre todo si hay caras y voces.

Fotograma clave de video cinematográfico en 16:9, un tríptico de tres paneles separados por finas franjas oscuras: a la izquierda, un retrato de estudio sencillo de un joven con un suéter de punto azul marino sobre un fondo gris; en el centro, un storyboard a lápiz de una cámara que avanza en travelling por el muelle de un puerto; a la derecha, el mismo joven con el mismo suéter azul marino cantando en el muelle al atardecer mientras la cámara se mueve a su lado, con barcos amarrados y farolas detrás. Misma cara y misma ropa en todos los paneles, paleta azul intenso y coral, sin texto, sin logotipos.

Sonido estéreo nativo generado con la imagen

Según MiniMax, H3 genera sonido estéreo nativo: la voz, los efectos y la música se modelan junto con el video, no se añaden después.

Eso lo hace adecuado para escenas en las que el sonido sostiene el momento: una banda en un paseo marítimo, pasos sobre un muelle de madera, una frase de diálogo.

Describe el sonido en la misma frase que la acción a la que pertenece e indica cuándo empieza cada uno: «la tuba gira hacia la cámara en el primer tiempo, la caja redobla, las gaviotas chillan sobre las olas».

MiniMax describe sonido estéreo para H3, pero no dice lo mismo de H3 Max, así que elige H3 cuando el sonido importe.

Escucha cada resultado antes de publicarlo, porque una voz o un instrumento todavía pueden salir mal.

Fotograma clave de video cinematográfico en 16:9, un plano gran angular y bajo de una pequeña banda de música con uniformes azul marino lisos que desfila por un paseo marítimo en una tarde luminosa y ventosa, la campana de una tuba gira hacia la cámara, un tambor de caja a mitad de golpe, gaviotas que levantan el vuelo desde la barandilla, olas que llegan detrás. Paleta nítida de coral y azul océano, ritmo de desfile enérgico, sin texto, sin logotipos.

Detalle fino en alta resolución

MiniMax H3 genera hasta 2K. MiniMax explica que H3 alcanza su resolución máxima regenerando en contexto su propia salida de menor resolución, y afirma que así recupera el detalle fino y el texto pequeño mejor que un escalado normal.

Se nota en las texturas: gotas de agua de mar en una concha, granos de arena, lana de punto, pelo, madera envejecida.

Los movimientos de cámara lentos le sacan más partido. Un acercamiento macro o una panorámica lenta mantienen legible la textura, mientras que la acción rápida desdibuja el detalle a cualquier resolución.

H3 Max no ofrece 2K, así que elige H3 para clips que se vayan a ver en una pantalla grande o a recortar en el montaje.

Una resolución más alta cuesta más por segundo, así que prueba antes el movimiento en una más baja.

Fotograma clave de video cinematográfico en 16:9, un lento acercamiento macro a una caracola en espiral apoyada en la arena mojada al amanecer, diminutas gotas de agua de mar sobre su superficie estriada, cada grano de arena brillando, una fina capa de espuma de ola que entra y vuelve a retirarse. Detalle extremadamente fino, poca profundidad de campo, tonos nacarados y coral sobre sombras azul intenso.

Cómo escribir prompts para MiniMax H3

1. Escribe el plano en orden: sujeto, acción, lugar, movimiento de cámara, luz y, por último, sonido. «Un farero sube una escalera de caracol, la cámara lo sigue de cerca, luz fría de tormenta, la lluvia repiquetea en el cristal» basta para empezar.

2. Cuando añadas referencias, di en el prompt para qué sirve cada una, como la cara del retrato, el movimiento de cámara del video y la voz del clip de audio.

   En sus propios ejemplos, MiniMax las nombra en el orden en que se añadieron: Image 1, Video 1 y Audio 1.

3. Describe lo que se oye junto a lo que se ve y vincula cada sonido a un momento de la acción, como «la puerta de hierro se abre de golpe y el viento entra rugiendo».

4. Para un cambio con un inicio y un final fijos, usa un primer y un último fotograma tomados desde la misma posición de cámara, y deja que el prompt describa solo lo que pasa entre ambos.

5. Prueba la idea en H3 Max con la resolución más baja y una duración corta, y vuelve a generarla en H3 en 2K cuando el prompt esté listo.

Videos hechos con MiniMax H3

• 

  Escuchar una caracola

  Generado con MiniMax H3

  Un único plano continuo en una costa rocosa al amanecer. Una joven con un impermeable amarillo mostaza se agacha junto a una poza de marea, saca del agua una gran caracola en espiral, sacude las gotas y se la acerca despacio al oído, con una sonrisa que se le va dibujando en la cara. La cámara empieza baja y abierta y se acerca con suavidad hasta un primer plano medio. Detrás de ella, las olas llegan suaves bajo un cielo rosa pálido y azul, luz natural cinematográfica.

• 

  Subiendo la escalera del faro

  Generado con MiniMax H3

  Un único plano continuo dentro de un faro. Un farero mayor con un grueso abrigo de lana azul marino sube las últimas vueltas de una escalera de caracol blanca con un farol en la mano, y la cámara lo sigue de cerca y sube con él. Empuja una pequeña puerta de hierro y sale al balcón; la cámara lo sigue a través de la puerta y gira para revelar un mar embravecido abajo, olas que rompen en blanco contra las rocas, la gran lámpara barriendo la lluvia con su haz. Luz fría y azul de tormenta frente al brillo cálido del farol, cinematográfico, movimiento de cámara suave y continuo.

Prompts de ejemplo para probar con MiniMax H3

• 

  Mercado de pescado de noche

  Fotograma clave de video cinematográfico en 16:9, un travelling a lo largo de un mercado de pescado del puerto de noche, vendedores con delantales de goma sacan peces plateados del hielo picado bajo guirnaldas de bombillas cálidas, sale vapor de un puesto de sopa, los barcos se mecen en el muelle al fondo. Noche azul intenso y luz de lámparas naranja coral, reflejos mojados sobre el cemento, animado y lleno de gente, sin texto, sin logotipos.

• 

  Buceador en un bosque de kelp

  Fotograma clave de video cinematográfico en 16:9, un lento travelling submarino que sigue a un apneísta con un traje de neopreno oscuro y liso mientras se desliza entre altísimos tallos dorados de kelp, rayos de sol que bajan en diagonal desde la superficie, un banco de pequeños peces plateados que gira a la vez, partículas flotando en el agua. Azul océano profundo con luz dorada y cálida, tranquilo e ingrávido, sin logotipos.

• 

  Tranvía en la carretera de la costa

  Fotograma clave de video cinematográfico en 16:9, un plano aéreo que sigue a un pequeño tranvía de dos vagones mientras toma una curva en una carretera de acantilado sobre el mar al atardecer, luz cálida en sus ventanas, olas que rompen en blanco contra las rocas muy abajo, un pueblo de casas en tonos pastel en el siguiente cabo. Cielo coral y violeta sobre agua azul intenso, movimiento de dron suave, sin texto, sin logotipos.

• 

  Tallar una concha

  Fotograma clave de video cinematográfico en 16:9, un plano cercano de las manos curtidas de un artesano que tallan un fino dibujo en espiral en una concha blanca nacarada sobre un banco de trabajo de madera, el polvo de concha brilla en un rayo de luz de la ventana, pequeñas herramientas de tallado dispuestas sobre un paño de lino. Sombras azules suaves y luz coral cálida, poca profundidad de campo, acercamiento lento.

Las imágenes de ejemplo son ilustrativas; los resultados varían según el modelo.

MiniMax H3: especificaciones y precios

Todos los precios de abajo salen de la lista de precios vigente, así que cambian aquí en cuanto cambian las tarifas. Los créditos se cobran por imagen o por segundo de video.

Limitaciones de MiniMax H3

• MiniMax reconoce que la comprensión de entradas mixtas de H3 todavía tiene mucho margen de mejora, y que el detalle visual aún puede fallar en algunas escenas.

  Cuenta con que, de vez en cuando, una referencia se siga solo a grandes rasgos, y revisa rostros, manos y letras pequeñas fotograma a fotograma antes de publicar.

• H3 Max cambia alcance por velocidad. No ofrece 2K, y MiniMax solo describe sonido estéreo nativo para H3.

  Usa H3 para tomas en alta resolución, clips basados en referencias y clips en los que el sonido importe.

• Las referencias y un primer o último fotograma no se pueden mezclar en una misma generación. Un clip creado desde un fotograma sigue la forma de esa imagen, así que el ajuste de relación de aspecto no se le aplica.

  Las imágenes muy pequeñas y las proporciones extremas se rechazan. Agranda una imagen pequeña con ampliar imagen con IA. Recorta una forma extrema, o amplía su lado corto con expandir imagen con IA, antes de subirla.