Générez des vidéos MiniMax H3 de 4 à 15 secondes à partir de texte, d’images d’ouverture et de fin ou de références multimodales, avec audio stéréo natif.
Modèle IAMiniMax H3H3Créez une vidéo à partir d’un prompt détaillant rythme, caméra, action et son.
Choisissez un mode, ajoutez les médias requis, rédigez la direction et générez votre vidéo.
MINIMAX · MODÈLE VIDÉO OMNIMODALMiniMax H3 transforme le contexte texte, image, vidéo et audio en vidéos IA cohérentes avec son stéréo natif. Composez des plans de 4 à 15 secondes, guidez la première et la dernière image, réunissez des références multimodales et développez une même intention audiovisuelle jusqu’à la séquence finale.
Un brief multimodal pour la continuité, la performance, le dialogue, l’ambiance et le son
MiniMax H3 est un système génératif vidéo omnimodal qui comprend texte, images, vidéo et audio, puis produit une vidéo avec son stéréo natif. Texte-vers-vidéo convient aux plans guidés par prompt, image-vers-vidéo utilise une ouverture obligatoire et une fin facultative, et référence-vers-vidéo traite de grands ensembles multimodaux.
Pour la création, le changement concret est un brief audiovisuel commun : identité, composition, mouvement de référence, dialogue, ambiance et musique se planifient dans une seule séquence de 4 à 15 secondes.
Choisissez image-vers-vidéo pour fixer l’ouverture et ajoutez une image finale facultative si la composition de fin doit être contrôlée. Utilisez les références pour transférer identité, mouvement ou son, puis choisissez directement 768P ou 2K.
Paysage, carré et portrait couvrent film, fiche produit, fil social et vertical. La sortie combine vidéo 24 ips et audio stéréo natif 32 kHz pour le montage.
Durée, images, références, ratio, son et langue s’organisent dans un même brief de production.
Adaptez la durée à une accroche, une révélation produit, un échange, une performance ou un raccord sans imposer un format unique.
Le flux de référence accepte jusqu’à neuf images, trois vidéos, trois audios et douze fichiers mixtes dans les limites documentées.
Image-vers-vidéo utilise une image d’ouverture obligatoire et une image finale facultative afin de fixer le départ et, si nécessaire, la composition d’arrivée.
21:9, 16:9, 4:3, 1:1, 3:4 et 9:16 couvrent les surfaces larges, carrées et verticales.
Dialogue, ambiance, effets et musique peuvent être générés avec l’image en stéréo 32 kHz et dirigés dans le temps.
Onze langues de dialogue stables soutiennent la création internationale, dont le français, l’anglais, le chinois, l’allemand, le japonais et le coréen.
Les images fixes verrouillent identité et design, la vidéo montre le mouvement, l’audio guide jeu et rythme, et le prompt relie tout dans le temps.
Les images conservent silhouette et matière, la vidéo guide la révélation et les sons minutés soulignent les détails puis la signature finale.
Ancrez visage, tenue et décor, précisez texte et ambiance, puis dirigez regard, réaction, distance caméra et image finale.
La vidéo de référence pilote le rythme corporel, les images définissent sujet et style, puis musique et format vertical préparent la diffusion.
Définissez la livraison, choisissez la bonne structure H3, attribuez un rôle à chaque référence et dirigez image et son sur la même chronologie.
Choisissez 4–15 secondes et le vrai format de diffusion. Décrivez l’ouverture, le point de bascule et ce qui doit être vu et entendu à la fin.
Texte et images de début/fin conviennent aux plans de composition ; les références multimodales portent identité, mouvement, façon de parler ou direction sonore.
Identifiez une image pour l’identité, une autre pour le décor, une vidéo pour le mouvement et un audio pour la voix ou le tempo. Supprimez les contradictions.
Contrôlez identité, physique, caméra, synchronisation labiale, dialogue, ambiance, musique et image finale avant de télécharger le résultat 768P ou 2K pour le montage.
H3 étend le flux MiniMax de la génération texte/image classique vers les références omnimodales et la sortie audiovisuelle native.
| Flux | MiniMax H3 | Hailuo 2.3 | Impact créatif |
|---|---|---|---|
| Durée | 4–15 secondes | 6 ou 10 secondes selon la configuration | H3 offre une plage plus large pour les séquences narratives et commerciales courtes. |
| Entrées | Texte, première/dernière image, références image, vidéo et audio | Texte-vers-vidéo et image-vers-vidéo | H3 sépare identité, mouvement, performance et son entre plusieurs sources. |
| Audio | Audio stéréo natif 32 kHz | Flux de génération vidéo | H3 dirige image et son comme une seule séquence. |
| Résolution | Sortie directe en 768P ou 2K | Configurations 768p ou 1080p | La résolution de sortie est choisie directement dans la demande de génération MiniMax H3. |
Choisissez H3 pour la direction audiovisuelle multimodale ; Hailuo 2.3 pour des configurations établies texte-vers-vidéo et image-vers-vidéo.
Décrivez séquence visible, rôle des références, caméra, dialogue, ambiance, effets, musique et image finale.
Indiquez durée, ratio, plateforme, public et objectif avant les mots de style.
Précisez quelle image pilote l’identité, quelle vidéo le mouvement et quel audio la voix ou le rythme.
Découpez 4–15 secondes en début, développement et tenue finale avec des actions observables.
Décrivez cadrage, sensation d’objectif, mouvement, vitesse et révélation recherchée.
Séparez dialogue, ambiance, effets et musique ; donnez à chacun départ, intensité et lien avec l’image.
Listez identité, géométrie produit, tenue, lumière, texte et image finale qui ne doivent pas dériver.
Chaque consigne se vérifie dans l’image ou la bande-son pour une révision ciblée.
LIVRABLE Film produit premium de 12 secondes en 16:9 avec audio stéréo natif. RÔLES @Image 1 contrôle la géométrie du flacon et la zone d’étiquette. @Vidéo 1 contrôle uniquement le mouvement lent de la main. @Audio 1 contrôle seulement le ton de voix. CHRONOLOGIE 0–4 s — travelling macro 85 mm sur la condensation ; ambiance discrète et détail de verre. 4–9 s — recul caméra, une main tourne le flacon de 30 degrés ; voix calme avec une phrase courte. 9–12 s — plan héros fixe, liseré ambré, résolution musicale brève. INVARIANTS Conserver proportions, hauteur du bouchon, zone d’étiquette, axe caméra et direction lumineuse. Sans sous-titres ni objets supplémentaires.
H3 convient aux vidéos courtes qui exigent identité stable, mouvement démontré, performance audible ou trajectoire précise de la première à la dernière image.
Réunissez accroche, démonstration, voix, son tactile et plan produit final en 4–15 secondes.
Préservez forme et matière entre macro, manipulation, usage et image finale propre.
Coordonnez identité, regard, réaction, parole, lèvres, ambiance et distance caméra.
Composez directement en 9:16, guidez la performance par vidéo et terminez sur une image lisible sur mobile.
Alignez accents de mouvement, rythme caméra, atmosphère et dernier temps sur les références audio.
Adaptez la langue du dialogue tout en conservant produit, personnage, structure et timing.
Réponses sur la durée, les références multimodales, l’audio stéréo natif, les ratios, les sorties 768P et 2K, les prompts et Hailuo 2.3.
Définissez durée, images d’ouverture et de fin, rôles des références, caméra, dialogue, ambiance et son, puis générez dans l’espace MiniMax H3.
