MiniMax H3 accepte images, clips vidéo et pistes audio dans une seule requête — désignez-les dans le prompt par leur ordre, sous la forme Image 1, Video 1, Audio 1.
MiniMax H3 est le modèle vidéo que MiniMax livre dans son produit Hailuo 3, intégré ici le 12 août 2026. Trois points d'accès se cachent derrière un seul sélecteur — texte-vers-vidéo, image-vers-vidéo et référence-vers-vidéo — partageant le même panneau et le même prix à la seconde. Le mode référence est la partie qui vaut la peine d'être apprise : jusqu'à neuf images, trois clips vidéo et trois pistes audio dans une seule requête, désignés dans le prompt par leur ordre plutôt que par des @-tags.
Voici maintenant ce qui vous coûte quelque chose. La vidéo de référence est facturée : ses secondes d'entrée s'ajoutent à vos secondes de sortie, si bien qu'une référence de 10 secondes sur un clip de 10 secondes est facturée vingt. L'image-vers-vidéo n'utilise que la première image ; l'entrée « dernière image » qu'expose l'API en amont n'est pas activée ici. Il n'y a ni 1080p ni 4K, l'audio n'a pas d'interrupteur, les tâches soumises ne peuvent pas être annulées, et nous n'avons pas chronométré ce modèle.
Le modèle vidéo phare de MiniMax génère des clips de 4–15 secondes avec audio natif en 768p ou 2K, pilotés par du texte, une première image ou des références mixtes image, vidéo et audio — sans clé API, sans compte séparé.
Texte vers vidéo pour le prompt pur, image vers vidéo pour animer une première image, et référence vers vidéo pour les briefs ambitieux : jusqu'à 9 images, 3 clips vidéo et 3 pistes audio dans une requête, référencés dans le prompt comme "Image 1", "Video 1", "Audio 1". Remplacez une personne dans un clip, gardez un visage d'une photo ou pilotez un dialogue depuis une piste vocale.
H3 produit de la vidéo avec audio natif et, en mode référence, peut interpréter une piste vocale fournie avec un mouvement des lèvres synchronisé — donnez-lui un portrait et un clip audio, puis décrivez le jeu. L'audio de référence est gratuit ; seules les références vidéo ajoutent des secondes d'entrée facturables.
Deux niveaux de sortie avec un prix à la seconde affiché avant de générer : 55 crédits par seconde en 768p, 90 en 2K. Un brouillon de 4 secondes en 768p coûte 220 crédits ; quand le mouvement fonctionne, relancez le même brief en 2K pour la livraison. Six formats, du 9:16 vertical au 21:9 ultra-large.
H3 accepte des prompts jusqu'à 7 000 caractères — de quoi décrire le mouvement de caméra, la mise en place, les costumes et l'ambiance en une seule passe. Chaque génération garde son prompt complet et ses paramètres dans l'historique : un plan qui fonctionne reste reproductible la semaine suivante.
Généré ici le 15 août 2026, du premier coup, avec les prompts et réglages exacts affichés. Chaque clip met à l'épreuve l'une des capacités annoncées plus bas sur cette page.
A thunderstorm rolling over a wheat field at dusk, wind bending the crop in waves, distant lightning illuminating the clouds, low rumbling thunder, slow push-in.
A street musician playing an upright bass on a rainy night pavement, fingers moving on the strings, reflected neon in the puddles, handheld documentary camera.
C'est le modèle riche en références de cette gamme : plus de ressources d'entrée par requête que n'en acceptent les paliers Veo ou Kling, et des durées de clip qui dépassent le mur des huit secondes.
Neuf images, trois clips vidéo et trois pistes audio dans une seule requête, cités par leur ordre dans le prompt. C'est assez pour tenir un visage venu d'une photo, un lieu venu d'une autre et une voix venue d'un enregistrement, en une seule passe.
Les deux paliers Veo s'arrêtent à huit. H3 va jusqu'à quinze, à n'importe quelle seconde entière, à un tarif fixe à la seconde — la durée est donc une décision simple plutôt qu'un saut entre des forfaits.
En mode référence, il interprète une piste de voix que vous fournissez, avec un mouvement des lèvres synchronisé, et l'audio de référence est lui-même gratuit. Décrivez le jeu dans le prompt comme vous dirigeriez une lecture.
Deux paliers, un tarif fixe chacun, le même prompt. Travaillez le mouvement à bas coût jusqu'à ce qu'il fonctionne, puis relancez le brief identique en 2K pour la version que vous livrez.
L'audio n'a pas d'interrupteur, l'échelle s'arrête au 2K, et une tâche soumise va jusqu'au bout. S'il vous faut un clip muet, Kling 3.0 laisse le son désactivé par défaut ; s'il vous faut du 4K, les deux paliers Veo et Kling 3.0 ont ce palier.
Même espace de travail, même réserve de crédits — passer de l'un à l'autre coûte un clic.
| MiniMax H3 | Veo 3.1 Pro | Veo 3.1 Fast | Kling 3.0 | |
|---|---|---|---|---|
| Résolutions | 768p · 2K | 720p · 1080p · 4K | 720p · 1080p · 4K | 720p · 1080p · 4K |
| Durée du clip | 4–15s, à n'importe quelle seconde entière | 4, 6 ou 8s | 4, 6 ou 8s | 3–15s, à n'importe quelle seconde entière |
| Son | Natif et toujours activé — pas d'interrupteur | Optionnel, et il change le tarif | Optionnel, et il change le tarif | Interrupteur optionnel, désactivé par défaut |
| Crédits par seconde, 768p et 2K | 55 en 768p · 90 en 2K | Non proposé — ce palier tourne en 720p, 1080p et 4K | Non proposé — ce palier tourne en 720p, 1080p et 4K | Non proposé — ce modèle tourne en 720p, 1080p et 4K |
| Crédits par seconde, 720p | Non proposé | 80 en muet · 160 avec audio | 50 en muet · 75 avec audio | 45 en muet · 60 avec son |
| Crédits par seconde, 1080p | Non proposé | 80 en muet · 160 avec audio — le même tarif qu'en 720p | 50 en muet · 75 avec audio — le même tarif qu'en 720p | 60 en muet · 85 avec son |
| Crédits par seconde, 4K | Non proposé | 160 en muet · 240 avec audio | 150 en muet · 175 avec audio | 200, son inclus sans supplément |
| Crédits pour un clip, du plancher au plafond | 220–1 350 pour la sortie seule ; 2 820 avec 15s de vidéo de référence et 9 images de référence | 320–1,920 | 200–1,400 | 135–3,000 |
| Ressources de référence par requête | Jusqu'à 9 images, 3 vidéos et 3 pistes audio, 12 au total | Une image | Une image | Une image |
| Vitesse que nous avons mesurée nous-mêmes | 3m 33s pour 5s et 7m 32s pour 20s, tous deux en 720p (2 clips, août 2026) | Non mesuré | Non mesuré | Non mesuré |
Les résolutions, les durées de clip et chaque chiffre de crédits de ce tableau sont lus dans notre propre registre de modèles le 20 août 2026 — les mêmes tables de tarifs à la seconde qui facturent vos générations, pas des pages marketing de fournisseurs. Les tarifs sont par seconde de sortie : multipliez donc par la durée de clip que vous choisissez ; sur H3, les secondes de vidéo de référence en entrée s'ajoutent à ce décompte au même tarif. Les lignes de résolution sont séparées parce que H3 propose du 768p et du 2K alors que les trois autres proposent du 720p, du 1080p et du 4K — un palier qu'un modèle ne vend pas est marqué « Non proposé » plutôt que rempli avec un chiffre voisin. Les cases que nous n'avons pas mesurées le disent.
Comparez MiniMax H3 à d'autres modèles vidéo — même espace de travail, un clic pour changer.
Vidéo phare de 30s à partir de références mixtes image, vidéo et audio.
Audio natif + synchronisation labiale en six langues.
La qualité de mouvement de Kling sur un moteur plus rapide.
De la vidéo IA légère et à bas coût pour des brouillons rapides.
| Modèle | minimax-h3 (MiniMax H3, le modèle derrière Hailuo 3) — intégré ici le 12 août 2026 |
|---|---|
| Modes | Texte-vers-vidéo, image-vers-vidéo à partir d'une première image, et référence-vers-vidéo à partir d'un jeu de ressources mixte — trois points d'accès derrière un seul sélecteur, au même prix |
| Résolution | 768p et 2K — il n'y a ni palier 1080p ni palier 4K |
| Durée | De 4 à 15 secondes, à n'importe quelle seconde entière (4 par défaut) |
| Formats d'image | 16:9, 9:16, 1:1, 4:3, 3:4 et 21:9 en modes texte et référence ; l'image-vers-vidéo suit l'image de référence |
| Ressources de référence | Jusqu'à 9 images, 3 clips vidéo et 3 pistes audio, 12 au total. La vidéo de référence fait 2–15 secondes par clip et 15 secondes au total. Citées dans le prompt sous la forme « Image 1 », « Video 1 », « Audio 1 » |
| Longueur du prompt | Jusqu'à 7 000 caractères |
| Audio | Natif et toujours activé — il n'y a pas d'interrupteur audio |
| Crédits | Par seconde : 55 en 768p, 90 en 2K, le même tarif dans les trois modes. Les secondes de vidéo de référence en entrée se facturent à ce même tarif à la seconde ; les images de référence au-delà de la cinquième ajoutent 30 chacune ; l'audio de référence est gratuit |
| Fourchette de crédits par clip | 220 pour un clip de 4 secondes en 768p, 1 350 pour un clip de 15 secondes en 2K. Chargée de 15 secondes de vidéo de référence et de 9 images de référence, une requête en 2K plafonne à 2 820 |
| Annulation | Les tâches soumises ne peuvent pas être annulées |
| Vitesse mesurée | Non mesuré — nous n'avons pas fait de banc d'essai chronométré sur ce modèle |
Trois étapes, d'un champ de prompt vide à un clip fini.
Ouvrez le sélecteur de modèles et choisissez MiniMax H3. Le panneau affiche son coût en crédits, ses options de résolution et ses limites de durée avant la moindre dépense.
Décrivez le sujet, l'action et le comportement de la caméra. Joignez une première image si vous voulez que le clip démarre d'une image précise.
Téléchargez le clip, prolongez-le ou envoyez-le vers une édition plus poussée. Le prompt, le modèle et les réglages restent attachés dans votre historique.
Un seul compte, l'ensemble du flux de génération d'images et de vidéos.
Donnez mouvement, voix et son à n'importe quelle image fixe en quelques secondes.
Générez de courts clips cinématographiques avec audio natif à partir de votre prompt.
Décrivez votre idée : Ava choisit le modèle classé en arène, rédige le prompt et génère.
Utilisez MiniMax H3 avec les crédits quotidiens de l'offre gratuite, ou passez à un forfait supérieur pour les modèles premium, une génération plus rapide et une sortie 4K.
Parfait pour débuter
Facturé annuellement · 240 $/an
Facturé annuellement · 380 $/an
Interprétation cinématographique de personnages et travail multimodal sur références — animer une première image, préserver les identités de photos de référence et interpréter un audio fourni avec des lèvres synchronisées. La sortie fait 4–15 secondes en 768p ou 2K avec audio natif.
55 crédits par seconde générée en 768p et 90 en 2K, soit 220 crédits pour un clip de 4 secondes en 768p. Les secondes d'entrée d'une vidéo de référence sont facturées au même tarif ; chaque image de référence au-delà de 5 ajoute 30 crédits ; l'audio de référence est gratuit. Le total exact est affiché avant de générer.
Oui — H3 est le modèle que MiniMax utilise dans son produit vidéo Hailuo. Sur CreateVision AI, vous l'exécutez directement dans le navigateur, sans compte MiniMax ni clé API.
Jusqu'à 9 images, 3 clips vidéo (2–15 secondes chacun, 15 secondes cumulées) et 3 pistes audio, pour 12 éléments maximum au total. Désignez-les dans le prompt par ordre : "Image 1", "Video 1", "Audio 1".
Des secondes entières de 4 à 15, en 768p ou 2K. Les modes texte et référence proposent le 16:9, 21:9, 4:3, 1:1, 3:4 et 9:16 (le mode référence peut aussi s'adapter automatiquement) ; l'image vers vidéo suit le format de votre première image.
Non. H3 génère de l'audio natif à chaque exécution et il n'existe aucun interrupteur pour cela : le tarif que vous voyez est donc le seul tarif. S'il vous faut un plan muet, vous pouvez soit le couper au montage, soit choisir un modèle dont le son est optionnel — Kling 3.0 le laisse désactivé par défaut.
H3 offre le meilleur rapport qualité-prix pour les plans de personnages et de dialogue de 4–15 secondes. Seedance 2.5 monte jusqu'à 30 secondes et accepte bien plus de références par requête, à un prix par seconde plus élevé. Pour les brouillons économiques, Seedance 2.0 Mini reste le choix budget.
Des outils en un clic pour tout ce qui entoure la génération — retoucher, restyler, partager.
