MiniMax H3 accetta immagini, clip video e tracce audio in una sola richiesta — indicali nel prompt per ordine, come Image 1, Video 1, Audio 1.
MiniMax H3 è il modello video che MiniMax distribuisce dentro il suo prodotto Hailuo 3, integrato qui il 12 agosto 2026. Tre endpoint stanno dietro un unico selettore — text-to-video, image-to-video e reference-to-video — che condividono lo stesso pannello e lo stesso prezzo al secondo. La modalità reference è la parte che vale la pena imparare: fino a nove immagini, tre clip video e tre tracce audio in una sola richiesta, indicate nel prompt per ordine anziché con @-tag.
Ora le parti che ti costano qualcosa. Il video di riferimento è fatturato: i suoi secondi in ingresso si sommano ai tuoi secondi in uscita, quindi un riferimento di 10 secondi su una clip di 10 secondi viene fatturato come venti. L'image-to-video usa solo il primo fotogramma — l'input dell'ultimo fotogramma che l'API upstream espone non è abilitato qui. Non c'è il 1080p e non c'è il 4K, l'audio non ha un interruttore per spegnerlo, i task inviati non si possono annullare, e questo modello non l'abbiamo cronometrato.
Il modello video di punta di MiniMax genera clip di 4–15 secondi con audio nativo a 768p o 2K, guidate da testo, un'immagine di primo fotogramma o riferimenti misti di immagini, video e audio — senza chiave API, senza account separato.
Testo a video per il prompting puro, immagine a video per animare un primo fotogramma e riferimenti a video per i brief ambiziosi: fino a 9 immagini, 3 clip video e 3 tracce audio in una richiesta, citate nel prompt come "Image 1", "Video 1", "Audio 1". Sostituisci una persona in una clip, mantieni un volto da una foto o guida un dialogo da una traccia vocale.
H3 produce video con audio nativo e, in modalità riferimento, può recitare una traccia vocale fornita con movimento delle labbra sincronizzato — dagli un ritratto e una clip audio e descrivi l'interpretazione. L'audio di riferimento è gratuito; solo i riferimenti video aggiungono secondi di ingresso a pagamento.
Due livelli di output con prezzo al secondo mostrato prima di generare: 55 crediti al secondo a 768p, 90 a 2K. Una bozza di 4 secondi a 768p costa 220 crediti; quando il movimento funziona, rilancia lo stesso brief a 2K per la consegna. Sei proporzioni dal 9:16 verticale al 21:9 ultrawide.
H3 accetta prompt fino a 7.000 caratteri, abbastanza per descrivere movimento di camera, disposizione in scena, costumi e atmosfera in un solo passaggio. Ogni generazione conserva il prompt completo e i parametri nella cronologia, così un'inquadratura riuscita è riproducibile anche la settimana dopo.
Generato qui il 15 agosto 2026, al primo tentativo, con prompt e impostazioni esatti in vista. Ogni clip mette alla prova una delle capacità dichiarate più sotto in questa pagina.
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.
È il modello ricco di riferimenti di questa selezione: più asset in ingresso per richiesta di quanti ne accettino i livelli Veo o Kling, e lunghezze di clip oltre il muro degli otto secondi.
Nove immagini, tre clip video e tre tracce audio in una sola richiesta, citate nel prompt per ordine. Basta a tenere un volto da una foto, una location da un'altra e una voce da una registrazione, in un unico passaggio.
Entrambi i livelli Veo si fermano a otto. H3 arriva a quindici, a qualsiasi secondo intero, a una tariffa fissa al secondo — quindi la durata è una decisione lineare invece di un salto tra pacchetti.
In modalità reference recita una traccia vocale che fornisci tu con movimento delle labbra sincronizzato, e l'audio di riferimento è gratuito. Descrivi l'interpretazione nel prompt come dirigeresti una lettura.
Due livelli, una tariffa fissa ciascuno, stesso prompt. Lavora sul movimento a poco prezzo finché non funziona, poi riesegui lo stesso identico brief a 2K per la versione che consegni.
L'audio non ha un interruttore per spegnerlo, la scala si ferma a 2K, e un task inviato va fino in fondo. Se ti serve una clip muta, Kling 3.0 lascia il suono spento per impostazione predefinita; se ti serve il 4K, entrambi i livelli Veo e Kling 3.0 hanno quel livello.
Stesso spazio di lavoro, stesso monte crediti — passare dall'uno all'altro è un clic.
| MiniMax H3 | Veo 3.1 Pro | Veo 3.1 Fast | Kling 3.0 | |
|---|---|---|---|---|
| Risoluzioni | 768p · 2K | 720p · 1080p · 4K | 720p · 1080p · 4K | 720p · 1080p · 4K |
| Durata della clip | 4–15s, qualsiasi secondo intero | 4, 6 o 8s | 4, 6 o 8s | 3–15s, qualsiasi secondo intero |
| Suono | Nativo e sempre attivo — nessun interruttore | Opzionale, e cambia la tariffa | Opzionale, e cambia la tariffa | Interruttore opzionale, spento per impostazione predefinita |
| Crediti al secondo, 768p e 2K | 55 a 768p · 90 a 2K | Non offerto — questo livello gira a 720p, 1080p e 4K | Non offerto — questo livello gira a 720p, 1080p e 4K | Non offerto — questo modello gira a 720p, 1080p e 4K |
| Crediti al secondo, 720p | Non offerto | 80 muto · 160 con audio | 50 muto · 75 con audio | 45 muto · 60 con suono |
| Crediti al secondo, 1080p | Non offerto | 80 muto · 160 con audio — la stessa tariffa del 720p | 50 muto · 75 con audio — la stessa tariffa del 720p | 60 muto · 85 con suono |
| Crediti al secondo, 4K | Non offerto | 160 muto · 240 con audio | 150 muto · 175 con audio | 200, suono incluso senza costi aggiuntivi |
| Crediti per una clip, dal minimo al massimo | 220–1.350 per il solo output; 2.820 con 15s di video di riferimento e 9 immagini di riferimento | 320–1,920 | 200–1,400 | 135–3,000 |
| Asset di riferimento per richiesta | Fino a 9 immagini, 3 video e 3 tracce audio, 12 in totale | Una immagine | Una immagine | Una immagine |
| La velocità che abbiamo misurato noi | 3m 33s per 5s e 7m 32s per 20s, entrambi a 720p (2 clip, agosto 2026) | Non misurato | Non misurato | Non misurato |
Risoluzioni, durate delle clip e ogni cifra in crediti di questa tabella sono lette dal nostro registro modelli il 20 agosto 2026 — le stesse tabelle di tariffe al secondo che valorizzano le tue generazioni, non le pagine di marketing dei fornitori. Le tariffe sono per secondo di output, quindi moltiplicale per la durata della clip che scegli; su H3, i secondi in ingresso del video di riferimento si sommano a quel conteggio alla stessa tariffa. Le righe delle risoluzioni sono separate perché H3 offre 768p e 2K mentre gli altri tre offrono 720p, 1080p e 4K — un livello che un modello non vende è segnato «Non offerto» invece di essere riempito con un numero vicino. Le celle che non abbiamo misurato lo dicono.
Confronta MiniMax H3 con altri modelli video — stesso spazio di lavoro, un clic per cambiare.
| Modello | minimax-h3 (MiniMax H3, il modello dietro Hailuo 3) — integrato qui il 12 agosto 2026 |
|---|---|
| Modalità | Text-to-video, image-to-video da un primo fotogramma e reference-to-video da un set misto di asset — tre endpoint dietro un unico selettore, con prezzo identico |
| Risoluzione | 768p e 2K — non c'è un livello 1080p né un livello 4K |
| Durata | Da 4 a 15 secondi, qualsiasi secondo intero (4 per impostazione predefinita) |
| Proporzioni | 16:9, 9:16, 1:1, 4:3, 3:4 e 21:9 nelle modalità text e reference; l'image-to-video segue il fotogramma di riferimento |
| Asset di riferimento | Fino a 9 immagini, 3 clip video e 3 tracce audio, 12 in totale. Il video di riferimento va da 2 a 15 secondi per clip e 15 secondi complessivi. Citati nel prompt come «Image 1», «Video 1», «Audio 1» |
| Lunghezza del prompt | Fino a 7.000 caratteri |
| Audio | Nativo e sempre attivo — non c'è un interruttore per l'audio |
| Crediti | Al secondo: 55 a 768p, 90 a 2K, la stessa tariffa in tutte e tre le modalità. I secondi in ingresso del video di riferimento sono fatturati a quella stessa tariffa al secondo; le immagini di riferimento oltre la quinta aggiungono 30 ciascuna; l'audio di riferimento è gratuito |
| Intervallo di crediti per clip | 220 per una clip di 4 secondi a 768p, 1.350 per una clip di 15 secondi a 2K. Caricata con 15 secondi di video di riferimento e 9 immagini di riferimento, una richiesta a 2K arriva al massimo a 2.820 |
| Annullamento | I task inviati non possono essere annullati |
| Velocità misurata | Non misurata — non abbiamo eseguito un benchmark cronometrato su questo modello |
Tre passaggi da un campo prompt vuoto a un clip finito.
Apri il selettore dei modelli e scegli MiniMax H3. Il pannello mostra il costo in crediti, le opzioni di risoluzione e i limiti di durata prima che tu spenda qualcosa.
Scrivi il soggetto, l'azione e come si comporta la camera. Allega un primo fotogramma se vuoi che il clip parta da un'immagine precisa.
Scarica il clip, allungalo o mandalo a un'ulteriore lavorazione. Prompt, modello e impostazioni restano allegati nella tua cronologia.
Un solo account, l'intero flusso di generazione di immagini e video.
Dai movimento, voce e suono a qualsiasi immagine statica in pochi secondi.
Genera brevi clip cinematografiche con audio nativo dal tuo prompt.
Descrivi la tua idea: Ava sceglie il modello classificato in arena, scrive il prompt e genera.
Usa MiniMax H3 con i crediti giornalieri del piano gratuito, oppure passa a un piano superiore per modelli premium, generazione più veloce e output 4K.
Perfetto per iniziare
Fatturazione annuale · 240 $/anno
Fatturazione annuale · 468 $/anno
Interpretazione cinematografica dei personaggi e lavoro multimodale sui riferimenti — animare un primo fotogramma, mantenere le identità dalle foto di riferimento e recitare un audio fornito con labbra sincronizzate. L'output è di 4–15 secondi a 768p o 2K con audio nativo.
55 crediti per secondo di output a 768p e 90 a 2K, quindi una clip di 4 secondi a 768p costa 220 crediti. I secondi di ingresso del video di riferimento si fatturano alla stessa tariffa; ogni immagine di riferimento oltre le prime 5 aggiunge 30 crediti; l'audio di riferimento è gratuito. Il totale esatto viene mostrato prima di generare.
Sì — H3 è il modello che MiniMax usa nel suo prodotto video Hailuo. Su CreateVision AI lo esegui direttamente nel browser, senza account MiniMax né chiave API.
Fino a 9 immagini, 3 clip video (2–15 secondi ciascuna, 15 secondi complessivi) e 3 tracce audio, al massimo 12 asset in totale. Citali nel prompt in ordine: "Image 1", "Video 1", "Audio 1".
Secondi interi da 4 a 15, a 768p o 2K. Le modalità testo e riferimenti offrono 16:9, 21:9, 4:3, 1:1, 3:4 e 9:16 (la modalità riferimenti può anche adattarsi automaticamente); immagine a video segue la proporzione del tuo primo fotogramma.
No. H3 genera audio nativo a ogni esecuzione e non c'è un interruttore per spegnerlo, quindi la tariffa che vedi è l'unica tariffa. Se ti serve una ripresa muta puoi silenziarla in montaggio, oppure scegliere un modello in cui il suono è opzionale — Kling 3.0 lo lascia spento per impostazione predefinita.
H3 offre più valore per inquadrature di personaggi e dialoghi da 4–15 secondi. Seedance 2.5 arriva fino a 30 secondi e accetta molti più asset di riferimento per richiesta, a un prezzo al secondo più alto. Per le bozze economiche, Seedance 2.0 Mini resta la scelta budget.
Strumenti in un clic per tutto ciò che circonda la generazione: rifinire, cambiare stile, condividere.
