MiniMax H3: Text-to-Video 2K com áudio estéreo | RunComfy

Por que escolher o MiniMax H3#

MiniMax H3 é a família de modelos multimodais da MiniMax para gerar e editar imagens, vídeos e áudio por meio de instruções em linguagem natural. Esta página oferece o MiniMax H3 Text-to-Video: transforme um único prompt escrito em um vídeo 2K de 5–15 segundos a 24 FPS, com áudio estéreo nativo gerado junto com a imagem. A ferramenta aceita apenas texto; use os workflows H3 indicados nos links quando precisar de referências de imagem, vídeo ou áudio.

Vantagem do MiniMax H3	O que isso significa para você
Vídeo 2K e áudio estéreo nativo gerados em conjunto	Gere imagens detalhadas, diálogos, efeitos, ambiência e música em uma única etapa, reduzindo processos separados de upscaling, design de som e sincronização.
Omni-Reference dirigido por linguagem	Em diferentes workflows do MiniMax H3, atribua funções distintas a imagens, vídeos e áudio — como identidade, aparência do produto, movimento, estilo de câmera, voz ou música — para que várias fontes orientem um único resultado coerente.
Transferência V2V e edição direcionada	O MiniMax H3 pode transferir o movimento ou a linguagem de câmera e revisar elementos visuais ou sonoros selecionados, preservando o restante e oferecendo às equipes de produção um caminho além de regenerar um plano do zero.
Duração e enquadramento prontos para publicação	Gere 5–15 segundos a 24 FPS em seis proporções para que aberturas, revelações de produtos e cenas com vários momentos se ajustem a formatos cinematográficos, web, feed, retrato ou vertical, com menos necessidade de recorte e reenquadramento.

Melhores casos de uso#

• Publicidade e lançamentos de produtos: Use o MiniMax H3 para planos de destaque, revelações de produtos, conceitos de campanha e comerciais curtos em que a direção de câmera e o som precisam ser projetados em conjunto.
• Conteúdo para redes sociais: Use o MiniMax H3 para criar Shorts, Reels e Stories em 9:16 ou peças de feed em 1:1, com uma abertura clara e enquadramento pronto para a plataforma.
• Pré-visualização para cinema e publicidade: Use o MiniMax H3 para testar um movimento de câmera, um plano de iluminação, um momento de ação, uma transição de cena ou uma trilha temporária antes de comprometer recursos com a produção.
• Narrativas de marca e estilizadas: Use o MiniMax H3 para explorar sequências de títulos, pôsteres animados, momentos com personagens e visuais gráficos quando uma ideia escrita precisar de um tratamento audiovisual refinado.

Como funciona#

1. Descreva o plano: Diga ao MiniMax H3 o que aparece, o que muda ao longo do tempo, como a câmera se move, qual deve ser a aparência da cena e o que deve ser ouvido.
2. Escolha o formato de entrega: Selecione uma proporção e uma duração de 5–15 segundos. O MiniMax H3 mantém a resolução fixa em 2K, portanto não há nível de qualidade para configurar.
3. Gere e refine: O modelo cria vídeo e áudio estéreo em conjunto. Revise o movimento, o texto, os rostos, a sincronização labial e o tempo do som; depois, altere uma instrução por vez.

Parâmetros#

A primeira tabela lista os controles disponibilizados pela ferramenta MiniMax H3 Text-to-Video nesta página.

Parâmetro	Obrigatório	Tipo	Padrão	Intervalo / Opções	Como escolher
prompt*	Sim (*)	String	Prompt de exemplo	1–4,000 caracteres	Forneça ao MiniMax H3 um briefing estruturado que cubra o objeto, uma ação principal, a câmera, o ambiente e a iluminação, o estilo visual, o áudio e o final desejado. Uma estrutura clara é mais importante do que usar todo o limite.
aspect_ratio	Não	String	16:9	21:9, 16:9, 4:3, 1:1, 3:4, 9:16	Adapte a saída do MiniMax H3 ao destino: 21:9 para planos cinematográficos ultrawide, 16:9 para vídeos em geral e anúncios, 4:3 para enquadramento editorial ou retrô, 1:1 para feeds, 3:4 para produtos em retrato e 9:16 para vídeos verticais em redes sociais.
resolution	Não	String	2k	2k	Valor fixo para esta ferramenta e associado ao nível 1440p abaixo. Escolha o MiniMax H3 quando a saída precisar de detalhes em alta resolução sem selecionar outro nível de qualidade.
duration	Não	Integer	5	5–15 segundos, em incrementos de 1 segundo	Use clipes do MiniMax H3 de 5–7 segundos para uma ação ou iterações rápidas, de 8–10 segundos para uma mudança simples e de 11–15 segundos somente quando o prompt definir um início, um desenvolvimento e um final claros.

\* Campo obrigatório.

A tabela a seguir resume a família mais ampla de modelos MiniMax H3. As entradas descritas para os modos de quadro inicial/final e Omni-Reference estão disponíveis em workflows separados, não como controles desta página Text-to-Video.

Dimensão principal	MiniMax H3
Modelo	MiniMax-H3
Duração da saída	O MiniMax H3 gera vídeos de 5–15 segundos.
Proporção da saída	Modo de quadro inicial/final: segue a proporção original da imagem de entrada.<br>Modo Text-to-Video: segue a proporção 21:9, 16:9, 4:3, 1:1, 3:4 ou 9:16 selecionada pelo usuário.<br>Modo Omni-Reference: usa uma dessas seis proporções ou Auto, que permite ao MiniMax H3 escolher a proporção da saída.
Resolução	O MiniMax H3 oferece dois níveis documentados. Modo 768p (disponível posteriormente): para proporções de 16:9 a 9:16, o lado menor tem 768 pixels; para saídas mais largas, a resolução total é de cerca de 1 MP — por exemplo, 21:9 corresponde a 1536×672. Um resultado em 768p pode receber upgrade para 1440p.<br>Modo 1440p / 2K: para proporções de 16:9 a 9:16, o lado menor tem 1440 pixels; para saídas mais largas, a resolução total é de cerca de 3.7 MP — por exemplo, 21:9 corresponde a 2976×1248.
Taxa de quadros da saída	O MiniMax H3 gera a 24 FPS.
Áudio da saída	Todo resultado do MiniMax H3 inclui áudio estéreo nativo.
Entrada de quadro inicial/final	Imagens: 0, 1 ou 2; largura e altura de 256–5760 pixels cada; proporção de 5:2 a 2:5 (0.4–2.5). Sem entrada de imagem, o MiniMax H3 funciona no modo Text-to-Video — a ferramenta oferecida nesta página.
Entrada Omni-Reference	Imagens: até 9; largura e altura de 256–5760 pixels cada.<br>Vídeos: até 3; cada um com 2–15 segundos; duração combinada dos vídeos de até 15 segundos; largura e altura de 256–5760 pixels cada; proporção de 5:2 a 2:5 (0.4–2.5).<br>Áudio: até 3 clipes; cada um com 2–15 segundos; duração combinada do áudio de até 15 segundos. O áudio deve acompanhar uma imagem ou um vídeo e não pode ser a única referência.<br>Entrada mista: até 12 arquivos no total. Sem entrada de imagem, vídeo ou áudio, o workflow se torna Text-to-Video.
Formatos de entrada compatíveis	O MiniMax H3 aceita vídeo: H.264/AVC ou H.265/HEVC; áudio incorporado: AAC ou MP3.<br>Imagem: JPG, JPEG, PNG, WEBP, HEIC ou HEIF.<br>Áudio: WAV ou MP3.
Limites de tamanho da entrada	Cada vídeo: 50 MB; cada imagem: 30 MB; cada arquivo de áudio: 15 MB. Não há um limite separado para a combinação das mídias além dos limites por arquivo, mas o corpo da solicitação da API é limitado a 64 MB; recomenda-se usar entrada de mídia baseada em URL.
Limite do prompt	O guia do produto MiniMax H3 permite até 7,000 caracteres. Esta implementação Text-to-Video aceita atualmente 1–4,000 caracteres, como mostra a tabela de controles da página acima.

Preços#

O MiniMax H3 custa $0.13 USD por segundo gerado em 2K nesta página.

Duração	Preço por vídeo
5 segundos	$0.65
10 segundos	$1.30
15 segundos	$1.95

Para lotes com 1–4 saídas, calcule o total como duration × $0.13 × output count.

Dicas e exemplos de prompts#

Use esta estrutura reutilizável de prompt para o MiniMax H3:

[subject + defining details] + [one action over time] + [camera framing and movement] + [setting + lighting] + [visual treatment] + [dialogue / effects / ambience / music] + [ending frame or constraint]

• Separe os movimentos: Descreva o movimento do objeto e o movimento da câmera de forma independente.
• Mostre a sequência: Use “começa com”, “depois” e “termina em” quando o clipe tiver mais de um momento.
• Nomeie as fontes sonoras: Diga ao MiniMax H3 quem fala, o que produz cada som, qual é a ambiência e se a música deve se destacar ou permanecer sutil.
• Limite ideias concorrentes: Um objeto principal, uma ação central e um estilo coerente são mais fáceis para o MiniMax H3 seguir.

Prompt fraco

> Um anúncio de relógio de luxo, cinematográfico e dinâmico, com música.

Prompt melhorado para o MiniMax H3

> Um relógio automático de aço escovado repousa sobre uma pedra vulcânica preta. Uma faixa estreita de luz de estúdio percorre o cristal de safira enquanto o ponteiro dos segundos se move e gotas de condensação se formam na caixa. Comece com um macro extremo, depois faça uma órbita lenta de 30 graus e termine no mostrador do relógio. Comercial de luxo com alto contraste e fundo preto profundo. Áudio: tique-taque mecânico suave e um único pulso cinematográfico grave; sem diálogo.

A versão melhorada oferece ao MiniMax H3 um objeto identificável, uma ação temporizada, direção de câmera separada, iluminação, acabamento visual, fontes sonoras e um plano final que pode ser revisado.

Como o MiniMax H3 se compara#

Use esta comparação do MiniMax H3 como um guia da família de modelos; a resolução e a duração máximas podem não estar disponíveis simultaneamente, e os workflows da RunComfy podem oferecer diferentes entradas, níveis de resolução e controles de áudio.

Modelo	Resolução	Duração máxima	Áudio	Destaque
MiniMax H3	Até 2K	15s	Estéreo nativo (voz, SFX, música)	Relaciona referências de texto, imagem, vídeo e áudio por meio da linguagem para transferência de movimento V2V e edição de produção; os pesos públicos estão planejados, mas ainda não foram lançados.
Hailuo 02	1080p	~10s	Nenhum	A forte aderência ao prompt e o movimento centrado na física são adequados para ginástica, dança, movimento de produtos e outros planos de ação sem som que receberão áudio posteriormente na produção.
Kling 3.0	Até 4K	15s	Áudio nativo com sincronização labial	Coordena mudanças de câmera em vários planos com diálogos multilíngues atribuídos a falantes e sincronização labial — útil para anúncios roteirizados, storyboards e cenas conduzidas por personagens.
Seedance 2.0	1080p	15s	Áudio e vídeo conjuntos	Combina muitas referências de imagem, vídeo e áudio com geração audiovisual conjunta e sincronização labial precisa para anúncios sensíveis à identidade, histórias de marca e edições com muitas referências.
Veo 3.1	4K	8s	Diálogo e efeitos nativos	Combina diálogos e efeitos orientados por prompt com controles de quadro inicial/final, imagem de referência e extensão de cena — adequado para transições cinematográficas e sequências montadas.

Para o Hailuo 02, os valores máximos indicados variam conforme o modo: a saída em 1080p é limitada a 6 segundos, enquanto a saída de 10 segundos está disponível em 512p ou 768p.

No MiniMax H3, os recursos Omni-Reference e V2V pertencem a workflows relacionados; a ferramenta Text-to-Video desta página continua aceitando apenas prompts.

O que diferencia o MiniMax H3 é a combinação: uma família de modelos de uso geral que relaciona texto, imagem, vídeo e áudio, gera som estéreo nativo e alcança 2K por $0.13 por segundo gerado nesta página. Escolha o MiniMax H3 quando quiser começar com um briefing em texto e manter um caminho para criação ou edição guiada por referências em workflows relacionados. Com base nas informações disponíveis publicamente, execute o mesmo briefing em cada modelo antes de definir um pipeline.

Mais modelos para testar#

Se o MiniMax H3 não for o ponto de partida certo para um projeto, compare estes workflows especializados na RunComfy:

• MiniMax H3 Image-to-Video: Comece com uma imagem e, opcionalmente, oriente o quadro final quando a composição, a identidade ou a aparência do produto precisarem permanecer ancoradas.
• MiniMax H3 Reference-to-Video: Combine imagens com vídeo e áudio opcionais quando movimento, estilo de câmera, voz, música ou outros detalhes das fontes precisarem ser preservados.
• Hailuo 02 Image-to-Video: Teste uma geração anterior da MiniMax quando quiser um workflow focado em animação de imagens.
• Hailuo 2.3 Pro: Anime uma imagem estática em 1080p com movimento estável e consciente da física, expressões faciais sutis e iluminação natural — uma boa opção para planos refinados de produtos, retratos e personagens.
• Kling 3.0: Anime uma imagem inicial com um quadro final opcional, referências de elementos, prompts de planos temporizados e áudio sincronizado para sequências controladas de marcas e personagens.
• Seedance 2.0 Pro: Combine até nove imagens, três vídeos e três clipes de áudio para manter a identidade, a linguagem de câmera e a fala, os efeitos e a música sincronizados em clipes de 4–15 segundos.

Recursos oficiais#

• Publicação de lançamento do MiniMax H3
• Site oficial da MiniMax