5 s · 768P · desde texto
Precio en vivo
audio incl.
Video con IA · MiniMax
Dirige la escena. Dale sonido.
MiniMax H3 crea videos de 5 a 15 segundos desde texto, imágenes iniciales o finales, o referencias combinadas, con resoluciones de 480P a 4K. Dirige la identidad, el movimiento y el sonido estéreo nativo, o añade tu banda sonora en los modos de texto e imagen.

Render real de MiniMax H3
Lio abandona una torre de vigilancia para guiar a unos excursionistas por un sendero de bengalas rojas
Tres flujos de creación
Cambia entre texto a video, imagen a video y referencias a video dentro de un único motor H3.
5–15 segundos hasta 4K
Elige cualquier segundo entero y genera en 480P, 768P, 2K o 4K a 24 FPS.
Dirección con referencias multimodales
Combina imágenes, videos y audios para guiar identidad, interpretación, movimiento y sonido.
Audio estéreo nativo
Usa una banda sonora en el modo de texto o imagen, o referencias de audio en el modo de referencias. Describe diálogo, ambiente y sonidos sincronizados en el prompt.
Elige flujo, duración, resolución y referencias, y revisa el precio exacto antes de generar.
Precio en vivo
audio incl.
Precio en vivo
Popularaudio incl.
USD 3.12
audio incl.
USD 2.11
audio incl.
Las primeras cinco imágenes de referencia están incluidas; cada imagen adicional añade el suplemento mostrado.
Revisa renders de MaxVideoAI que prueban continuidad del personaje, dirección de cámara, control por referencias y sonido sincronizado.



producto

producto
Revisa rostro, vestuario e interpretación durante toda la secuencia.
Sigue encuadre, movimiento de cámara y transiciones entre momentos.
Usa texto a video y elige Auto o una relación fija para crear un plano completo desde un prompt.
Usa una imagen inicial, una final o ambas. Los fotogramas y las referencias combinadas corresponden a modos separados.
Usa el modo de referencias para asignar indicaciones de identidad, vestuario, movimiento y voz.
Construye el prompt en tres pasos: define la interpretación, dirige los planos y fija la continuidad y el sonido.
Fuente: Guía de MiniMax H3
Describe el sujeto, la acción, la cámara y el sonido. Añade una banda sonora opcional para guiar el audio.
Usa una imagen inicial, una final o ambas, con una banda sonora opcional. Mantén los fotogramas separados de las referencias combinadas.
Usa hasta 9 imágenes, 3 videos y 3 audios, con un máximo de 12 referencias únicas. También se admite audio solo; los videos y el audio tienen cada uno un límite total de 15 segundos.
Usa una banda sonora en el modo de texto o imagen, o referencias de audio en el modo de referencias. Describe diálogo, ambiente y sonidos sincronizados en el prompt.
Fija identidad, expresión, lenguaje corporal y el cambio visible de la escena.
Personaje: [Apariencia, vestuario, expresión y voz] Entorno: [Lugar, hora, clima y anclajes visuales] Acción: [Una acción física clara y su reacción] Sonido: [Diálogo, ambiente y efectos sincronizados]
La interpretación define una acción legible y un cambio emocional.
Sujeto: Elara, una farera con impermeable mostaza • Acción: Sube la torre, enciende la lente y guía un bote de vuelta al puerto
Cámara: Seguimiento exterior en mano, persecución cercana en la escalera, órbita en la linterna y retroceso aéreo • Estilo: Naturalismo cinematográfico de tormenta en la hora azul
Render 2K: Secuencia multiplano de 15 segundos en 2K con diálogo estéreo nativo
Crea una película cinematográfica de 15 segundos en 16:9 con continuidad multiplano nativa y sonido estéreo nativo. Personaje ficticio original: ELARA, una farera de 34 años, piel oliva curtida por el viento, cabello oscuro ondulado recogido, impermeable mostaza desgastado, jersey gris carbón y botas marineras. Mantén su rostro, ropa y proporciones en todos los planos. 0,0–3,5 s: exterior amplio en la hora azul, faro de piedra sobre un acantilado atlántico azotado por una tormenta; la lluvia cruza de lado mientras Elara corre hacia la torre con una pequeña caja de señales desgastada, cámara de seguimiento en mano, tela mojada y pisadas realistas. 3,5–7,5 s: escalera de caracol interior, seguimiento medio y cercano mientras sube deprisa, aliento visible, una mano en la barandilla, lámparas ámbar prácticas y ningún corte que rompa la identidad. 7,5–11,5 s: sala de la linterna, llega a los controles y acciona la palanca de emergencia; órbita desde su rostro decidido hasta la enorme lente Fresnel al encenderse. A los 10,5 s Elara dice con claridad y sincronización labial natural: «Harbor light is alive. Bring them home.» 11,5–15,0 s: retroceso aéreo exterior mientras el haz de rescate barre las olas negras y revela un bote lejano que gira hacia un lugar seguro. Audio: solo estéreo nativo — viento de tormenta, lluvia en los cristales, botas sobre escaleras de hierro, respiración forzada, golpe de la palanca, subida eléctrica, mecanismo grave del faro, oleaje distante y la frase exacta de Elara. Sin música, subtítulos, texto en pantalla, logotipos, marcas de agua, encuadre publicitario de belleza ni packshot de producto. Piel y movimiento fotorrealistas, manos coherentes y contraste cinematográfico contenido.
Buenas prácticas, correcciones frecuentes y límites importantes para obtener mejores resultados con H3.
Compara precios, formatos y funciones de cada modelo antes de elegir.
Compara H3 vs Seedance 2.5 en precio, resolución, audio, velocidad y estilo de movimiento.
Comparar H3 vs Seedance 2.5Compara H3 vs Kling 3.0 Omni Pro en precio, resolución, audio, velocidad y estilo de movimiento.
Comparar H3 vs Kling 3.0 Omni ProCompara H3 vs Google Veo 3.1 en precio, resolución, audio, velocidad y estilo de movimiento.
Los formatos, ajustes y límites que conviene conocer antes de crear.
Controles integrados y buenas prácticas para crear de forma responsable con H3.
Usa un prompt de texto, una imagen inicial con una imagen final opcional o un conjunto de referencias de imagen, video y audio. Las referencias de audio deben ir acompañadas de al menos una imagen o un video.
Elige cualquier duración en segundos enteros de 5 a 15 y genera en 768P, 2K o 4K a 24 FPS.
El modo de referencias acepta hasta 9 imágenes, 3 videos y 3 audios, con un máximo de 12 referencias únicas por solicitud.
Sí. H3 produce audio estéreo nativo con el video, sin un interruptor de audio independiente.
Sí. MiniMax H3 está disponible en MaxVideoAI y el precio exacto aparece antes de cada render.
Compara identidad, movimiento y sonido buscados con el video final.
Evalúa ritmo del diálogo, ambiente y efectos sincronizados.
Cada ejemplo de esta página se genera con MaxVideoAI.
