Gere vídeos MiniMax H3 de 4–15 segundos a partir de texto, quadros inicial e final ou referências multimodais, com áudio estéreo nativo.
Modelo de IAMiniMax H3H3Crie um vídeo com um prompt detalhado de tempo, câmera, ação e som.
Escolha um modo, adicione as mídias exigidas, escreva a direção e gere o vídeo.
MINIMAX · MODELO DE VÍDEO OMNIMODALMiniMax H3 transforma contexto de texto, imagem, vídeo e áudio em vídeos de IA coerentes com som estéreo nativo. Crie tomadas de 4–15 segundos, guie o primeiro e o último quadro, reúna referências multimodais e leve uma ideia audiovisual do prompt à sequência final.
Um briefing multimodal para continuidade, atuação, diálogo, ambiente e som
MiniMax H3 é um sistema generativo de vídeo omnimodal que entende texto, imagens, vídeo e áudio e produz vídeo com som estéreo nativo. Texto para vídeo atende cenas guiadas por prompt; imagem para vídeo usa quadro inicial obrigatório e final opcional; referência para vídeo processa conjuntos multimodais maiores.
Na prática, surge um briefing audiovisual único: identidade, composição, movimento de referência, diálogo, ambiente e música são planejados como partes da mesma sequência de 4–15 segundos.
Use imagem para vídeo para fixar a abertura e adicione um quadro final opcional quando precisar controlar o encerramento. Use referências para transferir identidade, movimento ou som e escolha diretamente 768P ou 2K para a entrega.
Horizontal, quadrado e vertical atendem cinema, produto, feed e redes. A saída reúne vídeo a 24 fps e áudio estéreo nativo de 32 kHz para edição.
Duração, quadros, referências, proporção, som e idioma atuam dentro de um só briefing.
Ajuste a duração a um gancho social, revelação de produto, diálogo, performance ou transição sem impor um tamanho fixo.
O fluxo aceita até nove imagens, três vídeos, três áudios e doze arquivos mistos dentro dos limites documentados.
Imagem para vídeo usa um quadro inicial obrigatório e um quadro final opcional, fixando o ponto de partida e, quando necessário, a composição de chegada.
21:9, 16:9, 4:3, 1:1, 3:4 e 9:16 cobrem superfícies amplas, quadradas e verticais.
Diálogo, ambiente, efeitos e música são gerados com a imagem em estéreo de 32 kHz e dirigidos no tempo.
Onze idiomas estáveis apoiam produções internacionais, incluindo português, inglês, chinês, francês, alemão, japonês e coreano.
Imagens fixam identidade e design, vídeo demonstra movimento, áudio orienta atuação e ritmo, e o prompt conecta tudo no tempo.
Fotos preservam silhueta e materiais, vídeo guia a revelação e sons cronometrados destacam detalhes e o fechamento de marca.
Fixe rosto, figurino e ambiente, defina fala e som do espaço e dirija olhar, reação, distância de câmera e quadro final.
Vídeo de referência controla o ritmo corporal, imagens definem sujeito e estilo, e música e 9:16 preparam a publicação.
Defina a entrega, escolha a estrutura H3, dê uma função a cada referência e dirija imagem e som na mesma linha do tempo.
Escolha 4–15 segundos e o formato real de publicação. Descreva abertura, virada e o que deve ser visto e ouvido no final.
Use texto e início/final para tomadas de composição; referências multimodais para identidade, movimento demonstrado, forma de falar ou direção sonora.
Marque imagem para identidade, outra para ambiente, vídeo apenas para movimento e áudio para voz ou tempo. Remova conflitos.
Confira identidade, física, câmera, sincronia labial, diálogo, ambiente, música e final antes de baixar o resultado 768P ou 2K para edição.
H3 expande o fluxo MiniMax da geração clássica de texto/imagem para referências omnimodais e saída audiovisual nativa.
| Fluxo | MiniMax H3 | Hailuo 2.3 | Impacto criativo |
|---|---|---|---|
| Duração | 4–15 segundos | 6 ou 10 segundos conforme a configuração | H3 oferece faixa maior para sequências narrativas e comerciais curtas. |
| Entradas | Texto, início/final, referências de imagem, vídeo e áudio | Texto para vídeo e imagem para vídeo | H3 separa identidade, movimento, atuação e som entre fontes. |
| Áudio | Áudio estéreo nativo de 32 kHz | Fluxo de geração de vídeo | H3 dirige imagem e som como uma única sequência. |
| Resolução | Saída direta em 768P ou 2K | Configurações 768p ou 1080p | A resolução é escolhida diretamente na solicitação de geração do MiniMax H3. |
Escolha H3 para direção audiovisual multimodal; Hailuo 2.3 para configurações consolidadas de texto e imagem para vídeo.
Descreva sequência visível, função das referências, câmera, diálogo, ambiente, efeitos, música e quadro final.
Informe duração, formato, plataforma, público e objetivo antes do estilo.
Diga qual imagem controla identidade, qual vídeo controla movimento e qual áudio define voz ou ritmo.
Divida 4–15 segundos em início, desenvolvimento e fechamento com ações observáveis.
Defina enquadramento, sensação de lente, movimento, velocidade e revelação desejada.
Separe diálogo, ambiente, efeitos e música; dê início, intensidade e relação com a imagem.
Liste identidade, geometria, figurino, luz, texto e final que não podem mudar.
Cada instrução pode ser validada na imagem ou no som para revisão precisa.
ENTREGA Filme de produto premium de 12 segundos em 16:9 com áudio estéreo nativo. REFERÊNCIAS @Imagem 1 controla geometria e área segura do rótulo. @Vídeo 1 controla só o movimento lento da mão. @Áudio 1 controla apenas o tom de voz. TEMPO 0–4 s — macro 85 mm sobre condensação; ambiente suave e detalhe de vidro. 4–9 s — câmera recua, uma mão gira o frasco 30 graus; voz calma com uma frase curta. 9–12 s — quadro hero fixo, recorte âmbar e resolução musical breve. INVARIANTES Manter proporções, altura da tampa, rótulo, eixo de câmera e luz. Sem legendas ou objetos extras.
H3 funciona melhor em vídeos curtos com identidade estável, movimento demonstrado, atuação audível ou arco claro entre primeiro e último quadro.
Una gancho, demonstração, fala, som tátil e quadro final de produto em 4–15 segundos.
Preserve forma e material entre macro, manuseio, uso e fechamento limpo.
Coordene identidade, olhar, reação, fala, lábios, ambiente e distância de câmera.
Componha em 9:16, guie a performance com vídeo e finalize em uma imagem legível no celular.
Alinhe acentos de movimento, ritmo de câmera e atmosfera às referências de áudio.
Adapte o idioma do diálogo preservando produto, personagem, estrutura e tempo.
Respostas sobre duração, referências multimodais, áudio estéreo nativo, formatos, saída 768P e 2K, prompts e Hailuo 2.3.
Defina duração, quadros inicial e final, referências, câmera, diálogo, ambiente e som, e gere a cena no workspace MiniMax H3.
