$875 in Creator Quotes vs $3.16: Fünf MiniMax H3 UGC-Anzeigen, sekundenweise bepreist

Zwanzig Clips auf dem Bildschirm des Besprechungsraums. Der Kunde sah elf Sekunden lang zu, hielt bei dem Clip an, in dem der Typ die Flasche zur Kamera schiebt, und fragte, was auf dem Etikett stand.

Niemand konnte es sagen. Die vier Buchstaben waren irgendwo zwischen seiner Hand und dem Objektiv zu einem verschmierten Klecks geworden. Dieser Clip kostete fünfzig Cent. Er war nichts wert.

Das ist die vollständige Abrechnung für diese fünfzig Cent. Fünf Basisbilder, fünf völlig unterschiedliche Aufnahmen, eine Welle von 20 Aufträgen, die auf ein dokumentiertes 15-Slot-Limit abgefeuert wurden, und native Auflösungsausschnitte, die genau zeigen, wo Markentext hält und wo er unscharf wird. Jede Zahl unten stammt von einer echten Rechnung dieser Woche, nicht von einer Preisseite.

Die Marke ist absichtlich erfunden. Mehr dazu am Ende.

Wichtigste Erkenntnisse

1. Fünf fertige MiniMax H3 UGC-Anzeigen, aus fünf verschiedenen Basisbildern, kosten inklusive aller Kosten 3,16 $. Fünf menschliche UGC-Ersteller zum Medianmarktpreis würden 875 $ vor Nutzungsrechten kosten (Influee, 2026).
2. 768P kostet 0,10 $/s und 2K 0,14 $/s am selben Endpunkt. Beide buchstabierten die Marke korrekt auf einer statischen Endkarte. 768P versagte, als sich das Produkt auf die Linse zubewegte.
3. H3 wird nach CONN abgerechnet, maximale gleichzeitige Aufgaben: 2 kostenlos, 15 kostenpflichtig (MiniMax Docs, 2026). Mein Burst von 20 wurde alle abgeschlossen, in 4 Minuten und 13 Sekunden von Anfang bis Ende.
4. resolution und duration sind erforderliche Felder, nicht optional. Lässt man sie weg, kauft man versehentlich 2K.
5. Beide Stufen liefern AAC-Stereo mit 32 kHz. Der Ton verbessert sich mit der Auflösung nicht, also bezahlt man für 2K nur Pixel und sonst nichts.

---

Fünf MiniMax H3 UGC-Anzeigen aus fünf völlig unterschiedlichen Aufnahmen

Hier zuerst die Ergebnisse. Eine erfundene Hautpflegemarke, ORVA, fünf Archetypen, die sich völlig unterscheiden: ein Badezimmerspiegel-Selfie mit einem Gesicht, ein gesichtsloser Makro-Falltest, ein golden-hour-Straßentestimonial mit einer völlig anderen Person, eine Draufsicht-Desk-Unboxing nur mit Händen und eine typografische Endkarte.

Die fünf fertigen Spots, hart geschnitten zu einem Reel. Ton an: der Dialog, der Raumklang und das Rascheln von Papier wurden alle im selben Durchlauf wie das Bild generiert, nicht nachträglich überlagert. Generiert mit minimax/h3/image-to-video.

Thumbnails sind hier wichtiger als das Reel, denn der springende Punkt ist, dass diese fünf nicht wie derselbe Dreh mit fünf verschiedenen Skripten aussehen:

Fünf MiniMax H3 UGC-Anzeigen-Archetypen nebeneinander mit Seitenverhältnis und Preis pro Clip

Ein Bild aus jedem fertigen Spot, beschriftet mit seinem Seitenverhältnis und dem tatsächlichen Preis dieses Clips.

Fünf Seitenverhältnisse, und keines kostet extra. Der image-to-video-Endpunkt von H3 akzeptiert nur adaptive für ratio, was sich wie eine Einschränkung anhört, bis man versteht, dass das erste Bild die Form bestimmt. Das Seitenverhältnis kauft man einmal, zu Bildpreisen, in Schritt 1.

---

Warum die meisten MiniMax H3 UGC-Anzeigen nie im Anzeigenkonto landen

Die Lücke zwischen „Ich habe ein Video gemacht" und „Ich schalte das in einem Live-Anzeigenkonto" ist der Punkt, an dem fast jedes KI-UGC-Experiment stirbt. Drei spezifische Hürden, in der Reihenfolge, in der sie normalerweise zuschlagen.

Die erste ist eine Produktgrenze, kein Fehler. Die kostenlose Verbraucher-App und die API sind unterschiedliche Produkte mit unterschiedlichen Bedingungen. Wenn das Lieferobjekt dein Gebäude verlässt, bist du auf dem kostenpflichtigen Weg, Punkt.

Die zweite ist leiser und schlimmer. Die meisten AI UGC Video Generator-Produkte verkaufen ein monatliches Abonnement und messen die Arbeit in Credits, und ein Credit ist keine Einheit, die jemand in einer Budgetüberprüfung verteidigen kann. Frage einen Performance-Marketer, was ein einzelner 5-Sekunden-Hook-Test kostet, und du bekommst ein Achselzucken oder eine Divisionsaufgabe. Der ganze Grund, warum dieser Artikel Preise pro Sekunde angibt, ist, dass pro Sekunde die einzige Einheit ist, die eine Tabellenkalkulation überlebt.

Die dritte ist die, die die Leute am Ende entdecken. Batch ist das gesamte Wertversprechen von KI-Kreativarbeit. Du machst nicht eine perfekte Anzeige, du machst zwanzig mittelmäßige Hooks, damit der Algorithmus die zwei finden kann, die funktionieren. Das bedeutet, dass Parallelität eine erstklassige Spezifikation ist, und fast niemand veröffentlicht seine.

Dann gibt es noch die Fehlerart, die niemand bepreist:

Ein Smartphone, das einen KI-generierten UGC-Anzeigenframe zeigt, bei dem das Produkt-Wortmarke falsch geschrieben ist, mit einem Ablehnungsvermerk daneben

Die Ablehnung, die niemand einplant. Die Beleuchtung ist gut, die Performance ist gut, die vier Buchstaben auf der Flasche sind falsch, und der Spot ist wertlos.

Genau hier hat MiniMax einen Kampf aufgenommen. In ihrem Launch-Post behaupten sie, dass H3 sich durch „Instruction Following, Accurate Text and Brand Rendering" auszeichnet und sagen, dass das Modell „Built for Advertising, Branding, E-Commerce" ist (MiniMax, Juli 2026). Das ist eine testbare Behauptung, und Schritt 4 testet sie.

Es ist wichtig, weil Lesbarkeit die Variable ist, die den Ausschlag gibt. In einer Studie mit Taboola-Plattformdaten, die mehr als 500 Millionen Impressionen und 3 Millionen Klicks abdeckt, fanden Forscher der Columbia-, Harvard-, TUM- und Carnegie-Mellon-Universitäten heraus, dass KI-generierte Anzeigen im Durchschnitt eine CTR von 0,76 % gegenüber 0,65 % für menschlich erstellte Anzeigen aufwiesen, und dass die beiden nach Anwendung strenger statistischer Kontrollen im Wesentlichen gleichauf waren (Taboola, Januar 2026). Der stärkste einzelne Prädiktor war nicht „von KI gemacht" oder „von einem Menschen gemacht", sondern ob das Creative ein großes, klares menschliches Gesicht trug und authentisch wirkte. Niemand vertraut einer Flasche, deren Etikett falsch geschrieben ist.

---

Der MiniMax H3 UGC-Anzeigen-Workflow und was jede Sekunde kostet

Die Kette besteht aus drei beweglichen Teilen. Ein Bildmodell fixiert die Aufnahme und kauft das Seitenverhältnis. Ein Videomodell kauft Sekunden zusätzlich auf diesen Frame. Ein Konkurrenzmodell zu einem fast identischen gelisteten Preis läuft als Kontrolle, damit der Vergleich nicht nur aus einem einzigen Anbieterzitat besteht.

Alle drei befinden sich im selben Katalog auf Atlas Cloud, was der einzige praktische Grund ist, warum ich es so gemacht habe: ein Schlüssel, eine Rechnung, und der Preis pro Sekunde ist auf der Rechnung dieselbe Zahl wie auf der Modellkarte.

Die drei MiniMax H3 Endpunkte im Atlas Cloud Modellkatalog, jeweils mit der Preiskarte „Ab 0,10 $ pro Sekunde"

Die drei H3 Endpunkte im Katalog. Der Kartenpreis ist der Boden, also die 768P-Stufe zu 0,10 $ pro Sekunde; 2K kostet 0,14 $ pro Sekunde am selben Endpunkt.

Eine ehrliche Fußnote, bevor mich jemand überprüft: MiniMaxs eigene Pay-as-you-go-Seite listet 2K zu 0,13 $/s und 768P zu 0,08 $/s, also ist der Direktkauf ein oder zwei Cent billiger pro Sekunde. Was der zusätzliche Cent hier kauft, ist, dass das Bildmodell, beide Videomodelle und der Upscaler hinter einem Schlüssel sitzen, was den Unterschied zwischen einem Workflow und vier Workflows ausmacht.

---

So erstellst du MiniMax H3 UGC-Anzeigen: Der Vier-Schritt-Durchlauf

Vier Schritte. Jeder Prompt unten ist die exakte Zeichenfolge, die ich eingefügt habe, und jede Einstellung ist die exakte Einstellung, die ich gewählt habe.

Schritt 1: Baue fünf verschiedene Basisbilder, nicht fünf Hooks auf einem

Hier liegt das gesamte Argument des Artikels. Der häufige Fehler ist ein Produktfoto und sechs verschiedene Skripte, was fünf visuell identische Clips und einen gelangweilten Leser ergibt. Gib stattdessen 0,60 $ aus und kaufe fünf wirklich unterschiedliche Aufnahmen: mit und ohne Gesicht, drinnen und draußen, Augenhöhe und Draufsicht, zwei verschiedene Personen.

Modell: google/nano-banana-2/text-to-image, resolution: 2k, 0,12 $ pro Stück. Ich habe dies einem allgemeinen Fotomodell aus einem Grund vorgezogen: Das einzige Akzeptanzkriterium in dieser Phase ist, dass die vier Buchstaben auf der Flasche korrekt geschrieben sind. Setze das beste Text-Rendering-Modell zuerst und behebe die Rechtschreibung für 0,12 $ statt für 0,70 $.

Überprüfe jedes Bild auf drei Dinge, bevor du weitermachst. Wortmarke richtig geschrieben? Keine Hand, die das Wortmarke verdeckt. Genug Kopf- und Fußraum, damit Bildunterschriften und Plattform-UI nicht auf dem Produkt liegen.

A. Spiegel-Morgenroutine (aspect_ratio: 9:16)

textCopy
1Vertikales Handyfoto, aufgenommen in einem kleinen Badezimmerspiegel: Eine 29-jährige Frau mit
2feuchtem Haar und ohne Make-up hält eine 30-ml-Amber-Glaspipettenflasche neben ihre Wange und
3blickt auf ihr eigenes Spiegelbild. Das vordere Etikett der Flasche trägt die Aufschrift "ORVA"
4in fetter cremefarbener serifenloser Schrift, darunter in kleinerer Schrift "10 % NIACINAMID -
530 ML". Warmes Wolframlicht von oben, leicht beschlagener Spiegelrand, weiße Fliesen,
6eine Zahnbürstentasse und ein gefaltetes graues Handtuch im Bild. Fotorealistisch,
7aus der Hand, unvollkommene Belichtung, keine Texteinblendung auf dem Bildschirm,
8kein Wasserzeichen, kein anderes Logo als das Flaschenetikett.
9

B. Makro-Falltest (aspect_ratio: 1:1)

textCopy
1Extremes Makrofoto, kein Gesicht im Bild: Eine Hand drückt eine Glaspipette und ein klarer
2viskoser Tropfen ist im Begriff, auf den Handrücken der anderen Hand zu fallen. Kühles
3Nordfenster-Tageslicht, geringe Schärfentiefe, sichtbare Hauttextur und feine Härchen,
4die amberfarbene "ORVA"-Flasche steht weich unscharf dahinter. Sauberer hellgrauer
5Hintergrund. Fotorealistisches Produkt-Makro, keine Texteinblendung, kein Wasserzeichen.
6

C. Golden-Hour-Straßentestimonial (aspect_ratio: 9:16)

textCopy
1Vertikales Handy-Selfie-Videostandbild, Frontkamera: Ein 34-jähriger Mann mit kurzem Bart
2und einem marineblauen Rollkragenpullover geht auf einem Bürgersteig entlang und hält die
3kleine amberfarbene "ORVA"-Pipettenflasche zur Linse hoch, während er in die Kamera spricht.
4Starkes Golden-Hour-Gegenlicht mit Linsenreflexionen, verschwommene Geschäfte und geparkte
5Fahrräder hinter ihm, leichte Bewegungsunschärfe an den Bildrändern. Fotorealistisch,
6natürliche Haut, keine Farbkorrektur, keine Texteinblendung, kein Wasserzeichen.
7

D. Draufsicht-Desk-Unboxing (aspect_ratio: 16:9)

textCopy
1Gerade Draufsicht-Flatlay-Foto, nur Hände, kein Gesicht: Zwei Hände heben eine kleine
2amberfarbene Pipettenflasche aus einer offenen Kraftpapierbox, die mit cremefarbenem
3Seidenpapier ausgekleidet ist, auf einem hellen Eichenschreibtisch. Der innere Deckel der
4Box ist mit "ORVA" in cremefarbener serifenloser Schrift und einer kleineren Zeile
5"NIACINAMID-SERUM - HERGESTELLT IN SPANIEN" bedruckt. Eine gefaltete Karte, eine Schere und
6ein Leinentuch liegen daneben. Weiches diffuses Tageslicht von links, echte Schatten.
7Fotorealistisches E-Commerce-Unboxing, keine Texteinblendung, kein Wasserzeichen.
8

E. Endkarten-Still (aspect_ratio: 9:16)

textCopy
1Vertikales Produktstill: Die 30-ml-amberfarbene "ORVA"-Pipettenflasche steht zentriert auf
2einem nahtlosen warmen Sandhintergrund, einzelnes weiches Keylight von Kamera rechts,
3langer sauberer Schatten. Typografisches Layout im unteren Drittel: "ORVA" in fetter
4cremefarbener serifenloser Schrift, darunter "20 % RABATT AUF DEINE ERSTE FLASCHE" in einer
5leichteren Schriftstärke, und ganz unten "orvaskin.com". Scharfe Buchstabenkanten,
6großzügige Abstände, kein Durcheinander, keine zusätzlichen Logos, kein Wasserzeichen.
7

Eine Offenlegung zu diesem Schritt. Ich habe dreimal versucht, den Nano Banana 2 Playground während des Laufs für diesen Artikel zu erfassen, und alle drei Versuche sind an einem vorgelagerten Verbindungsfehler des Modellanbieters in der Testumgebung gestorben, daher gibt es hier keinen Browser-Screenshot. Die fünf Bilder unten stammen stattdessen von der API, zu denselben Einstellungen und denselben 0,12 $ pro Bild, die der Playground angibt.

Die fünf ORVA-Basisbilder nebeneinander, jedes mit seinem Seitenverhältnis und den Kosten von 0,12 $ beschriftet

Alle fünf Basisbilder. Fünf Seitenverhältnisse, insgesamt 0,60 $, und der Videoschritt erbt jede dieser Formen kostenlos. Generiert mit google/nano-banana-2/text-to-image.

Schritt 2: Kaufe Sekunden und verwandle jedes Bild in einen 768P-Entwurf

Jetzt wird jedes Bild zur Bewegung. Modell: minimax/h3/image-to-video. Einstellungen, die wichtig sind:

• image: das passende Basisbild aus Schritt 1, als URL oder Base64-Daten-URL.
• resolution: "768P" für Entwürfe. Dies ist ein erforderliches Feld. Der Standard ist 2K, und die beiden Stufen unterscheiden sich um 40 % pro Sekunde.
• duration: 5. Ebenfalls erforderlich. Wenn du es weglässt, bekommst du keinen kostenlosen kurzen Clip.
• ratio: ignoriere es. Der Enum auf diesem Endpunkt ist nur adaptive, und das erste Bild bestimmt die Form.

Dieses Paar erforderlicher Felder ist das teuerste, was in diesem gesamten Workflow schiefgehen kann. Eine Welle von 20 Aufträgen, die mit den Standardwerten eingereicht werden, sind 20 Clips bei 2K und 8 Sekunden, was 22,40 $ statt 10,00 $ für Entwürfe sind, die du sowieso wegwerfen würdest.

textCopy
1A: Handgehaltenes vertikales Handyvideo im Spiegel. Sie neigt die Flasche so, dass das Etikett
2zum Spiegel zeigt, blickt dann zurück in ihre eigenen Augen und sagt mit trockenem, leicht
3amüsiertem Ton: „Zwei Wochen dabei. Meine Haut ist langweilig. Das ist die ganze Bewertung."
4Badezimmer-Raumklang, ein leises Summen des Abluftventilators, keine Musik. Eine durchgehende
5Einstellung, keine Schnitte. Halte das Flaschenetikett scharf und unverändert.
6
7B: Fixierte Makroaufnahme, keine Kamerabewegung. Der Tropfen löst sich von der Pipette, fällt
8und breitet sich langsam auf dem Handrücken aus; die Finger neigen sich, um das Licht
9einzufangen. Kein Sprechen. Nur Sounddesign: ein sanftes flüssiges Geräusch, ein leichter
10Raumklang. Eine durchgehende Einstellung.
11
12C: Handgehenes Walking-Selfie-Video, natürliches Wippen. Er hält Augenkontakt mit der Linse,
13blickt einmal auf die Flasche hinunter und sagt in lässigem amerikanischem Akzent:
14„Ich hatte noch nie eine Hautpflegeroutine. Ich habe jetzt einen Schritt. Das ist der Schritt."
15Straßenambiente, entfernter Verkehr, Wind im Mikrofon, keine Musik. Eine durchgehende
16Einstellung, keine Schnitte.
17
18D: Fixierte Draufsicht. Die Hände heben die Flasche vollständig aus der Box, stellen sie
19aufrecht auf den Eichenschreibtisch und falten dann das Seidenpapier wieder herunter.
20Kein Sprechen. Papierrascheln, ein sanftes Glas-auf-Holz-Klopfgeräusch, leiser Raumklang.
21Halte den gedruckten Text auf dem Kartondeckel scharf, still und unverändert.
22

MiniMax H3 image-to-video Playground auf Atlas Cloud mit geladenem Basisbild und abgespieltem fertigem Clip im Ausgabefenster

Der MiniMax H3 image-to-video Playground, Prompt eingefügt und Basisbild geladen, der fertige Clip in AUSGABE. Diese Aufnahme wurde absichtlich auf den unberührten Standardeinstellungen belassen, und die Schaltfläche „Ausführen" bepreist sie für dich: 2K bei 8 Sekunden sind 1,12 $. Die Entwürfe in diesem Tutorial sind 768P bei 5 Sekunden, was 0,50 $ sind. Diese Lücke ist der ganze Grund, warum beide Felder als erforderlich markiert sind.

Die gelieferte Geometrie aus diesem Durchlauf, direkt aus den Dateien ausgelesen. 768P setzt 768 Pixel auf die kurze Seite: 768x1376 vertikal, 1376x768 quer, 768x768 quadratisch. 2K setzt 1440 dorthin: 1440x2560 vertikal, 1440x1440 quadratisch. Beide mit 24 fps, beide mit AAC-Stereo bei 32 kHz. Die Tonspezifikation ändert sich mit der Stufe nicht, also kaufen die zusätzlichen vier Cent pro Sekunde Pixel und sonst nichts.

Schritt 3: Feuere die ganze Welle in das 15-Slot-Limit

Iteriere nicht einen Clip nach dem anderen. Diese Gewohnheit ist ein Überbleibsel von Tools, die nur eine Sache auf einmal erledigen konnten, und sie ist der Grund, warum Leute denken, KI-Creative sei langsam.

H3 wird nicht in Anfragen pro Minute gemessen wie die älteren Hailuo-Modelle. Es wird in CONN gemessen, maximale gleichzeitige Aufgaben: 2 auf der kostenlosen Stufe, 15 auf der kostenpflichtigen Stufe (MiniMax Docs, 2026). Auf dem Papier hat das eine sehr spezifische Konsequenz: 15 ist deine Batch-Breite, und Aufgabe 16 wartet, anstatt einen Fehler zu werfen.

Also habe ich 20 Aufträge in einem Burst eingereicht und jeden einzelnen mit einem Zeitstempel versehen. Vier Archetyp-Spots, die Endkarte in beiden Auflösungen, und 14 Varianten, die die Zeile, die Geste oder die Kamerabewegung ändern. Achtzehn der zwanzig waren 768P bei 5 Sekunden; die beiden Endkarten-Aufträge waren 4 Sekunden, einer bei 2K und einer bei 768P.

textCopy
1Variantenrezept: Behalte das Basisbild und die Aufnahme identisch, ändere genau eine Sache.
2- Tausche nur die gesprochene Zeile (gleicher Bildausschnitt, gleiche Geste): 4 Varianten
3  von A und C.
4- Tausche nur die Geste (gleiche Zeile, gleicher Bildausschnitt): 3 Varianten von A und D.
5- Tausche nur die Kamerabewegung (fixiert zu langsamem Schwenk, oder aus der Hand zu
6  stabiler): 3 Varianten von B und D.
7- Tausche nur den Abschlussbeat (Flasche gesenkt, Flasche abgestellt, Schnitt auf das
8  Lächeln): 4 Varianten von A, C und D.
9Reiche alle in einer Schleife ein. Warte nicht auf eine, bevor du die nächste einreichst.
10

Zeitleiste von 20 MiniMax H3 Aufträgen, die in einem Burst eingereicht wurden, jeder Balken gemessen vom Einreichen bis zum Abschluss

Jeder Balken ist ein Auftrag, gemessen von meinem Einreichungsaufruf bis zum Status „Abgeschlossen". Alle 20 gingen innerhalb von 8,1 Sekunden raus und alle 20 kamen zurück.

Was zurückkam, war nicht das, was das Limit mich erwarten ließ.

Alle 20 Einreichungen gaben innerhalb von 8,1 Sekunden HTTP 200 zurück. Alle 20 Aufträge wurden abgeschlossen. Der schnellste landete bei 114,3 Sekunden, der Median bei 175,6 Sekunden und der langsamste bei 253,0 Sekunden. Achtzehn der zwanzig endeten in einem engen Band von 114 bis 196 Sekunden. Die 2K-Endkarte brauchte 222,7 Sekunden, was zu allem anderen passt, was ich über 2K bei diesem Modell gemessen habe: Es ist langsamer, aber nicht dramatisch. Genau ein 768P-Auftrag, eine Spiegel-Szenen-Zeilen-Variante, kam bei 253 Sekunden an, und es ist der einzige Balken im Diagramm, der aussieht, als ob er in der Warteschlange stand.

Von Anfang bis Ende: zwanzig 5-Sekunden-UGC-Clips in 4 Minuten und 13 Sekunden, für 9,96 $. Das ist die Zahl, die man sich merken sollte: Eine Hook-Test-Welle, die früher eine Übernacht-Aufgabe war, ist jetzt kürzer als eine Kaffeepause.

Zwei Dinge, die das beweist und nicht beweist. Es beweist nicht, dass das 15-Slot-Limit fiktiv ist, denn ein gerouteter Provider kann Kapazitäten auf eine Weise bündeln, die ein einzelnes Direktkonto nicht kann, und eine Welle an einem Nachmittag ist ein Datenpunkt. Es beweist, dass die praktische Batch-Breite hoch genug ist, dass du aufhören solltest, sequentielle Schleifen zu schreiben. Reiche die Welle ein und lies dann etwas.

Eine Vorsicht, weil ich diesen Endpunkt an mehreren verschiedenen Tagen gemessen habe: Das Parallelverhalten ist keine Konstante. Bei einem früheren Durchlauf wurden sechs sich überschneidende Aufträge alle sauber abgeschlossen; bei einem anderen kam ein sich überschneidender Auftrag mit 429 rate limit exceeded (task concurrency) zurück. Behandle die Zahlen oben als das, was meine Welle an diesem Tag getan hat, und messe deine eigene, bevor du einen Scheduler darauf aufbaust.

Schritt 4: Die Endkarte, wo MiniMax H3 UGC-Anzeigen am Text leben oder sterben

Die Endkarte ist die Prüfung. Ein Wortmarke, eine Angebotszeile und eine URL, die alle auf einem Smartphone auf Armeslänge lesbar sein müssen, und eine davon ist eine Domain, bei der ein einziges falsches Zeichen den Klick ins Nichts schickt.

Führe es zweimal vom identischen Basisbild mit dem identischen Prompt aus: einmal bei resolution: "2K", duration: 4, einmal bei resolution: "768P", duration: 4.

textCopy
1Die Flasche dreht sich etwa 12 Grad zur Kamera rechts, während jeder Buchstabe perfekt still
2bleibt: Buchstabenformen fixiert, keine Verzerrung, kein Flackern, keine Neubeschriftung.
3Eine weiche Spitzlichtreflexion wandert über das Glas. Drei Sekunden Stille, dann ein kurzer
4sauberer UI-Klingelton.
5

Das Fixieren des ersten Bildes ist hier nicht optional, und dies ist das am wenigsten intuitive Ding im gesamten Workflow. Die 2K-Stufe von H3 ist eine In-Context-Regeneration, kein Upscaling. Gib den beiden Stufen denselben Textprompt ohne Basisbild, und du bekommst zwei verschiedene Filme zurück, mit unterschiedlicher Ausstattung und unterschiedlichen Etikettenpositionen, was dir nichts sagt. Fixiere beide Durchläufe auf dasselbe erste Bild, und das Einzige, was sich noch unterscheiden kann, ist das Detail. Dann hat der Vergleich eine Bedeutung.

Seitenvergleich Endkarte, links 768P und rechts 2K, gleiches erstes Bild und gleicher Prompt

Gleiches Basisbild, gleicher Prompt, jeweils vier Sekunden. Links 768P, rechts 2K. Hier als stummes GIF gezeigt; beide gelieferten Dateien haben AAC-Stereo bei 32 kHz.

Und hier ist der Teil, der es tatsächlich entscheidet:

Pixelgenauer Vergleich des ORVA-Wortmarke, der Inhaltsstoffzeile und der URL bei 768P und 2K

Obere Reihe ist das Flaschenetikett, untere Reihe ist der Textblock der Endkarte. Native Ausschnitte waren 292x220 und 691x372 Pixel bei 768P gegenüber 547x410 und 1296x691 bei 2K; beide werden bei einer Anzeigebreite gezeigt, so wie ein Smartphone sie rendert.

Hier ist das ehrliche Ergebnis, und es ist nicht das, von dem ich erwartet hatte, dass ich es schreibe.

768P hat nichts falsch geschrieben. ORVA, 20 % RABATT AUF DEINE ERSTE FLASCHE und orvaskin.com kamen auf beiden Stufen korrekt, stabil und lesbar heraus. Nichts flackerte, nichts wurde neu beschriftet, nichts verzog sich, als sich die Flasche drehte. Auf einer nahezu statischen Endkarte hielt die Behauptung von MiniMax über „Accurate Text and Brand Rendering" auf der günstigen Stufe.

Was 768P verliert, ist die Kantenqualität. Schau dir die Innenräume im O und R an, sowie 10 % NIACINAMID / 30 ML auf dem Etikett. Bei 2K haben die Buchstabenformen saubere Kanten; bei 768P sind sie weich, und die kleine Zeile auf der Flasche ist an der Grenze des Erratbaren. Auf einem Smartphone auf Armeslänge würdest du wahrscheinlich beide bestehen. Auf einem Tablet, in einer Kundenüberprüfung oder in dem Moment, in dem jemand anhält und zoomt, liest sich die 768P-Version wie ein billiger Render.

Wo 768P tatsächlich versagte, war Bewegung, nicht Auflösung. In der Welle endet eine Straßenvariante damit, dass die Flasche zur Linse geschoben wird. Während sie mehr vom Bild ausfüllt und sich neigt, lösen sich die vier Buchstaben in einen Schmier, der wie ein anderes Alphabet aussieht. Gleiche Stufe, gleiches Modell, gleiche Marke, unbrauchbarer Clip. Das ist die eigentliche Regel: Text überlebt, wenn er klein, flach und still ist, und er bricht, wenn er sich schnell durch das Bild bewegt. 2K zu kaufen, behebt keine Aufnahme, die das Modell auffordert, ein sich drehendes Etikett während der Bewegung neu zu beschriften. Die Aufnahme zu gestalten schon.

---

MiniMax H3 UGC-Anzeigen vs. der beste KI-Videogenerator für Anzeigen zum gleichen gelisteten Preis

Jeder, der nach dem besten KI-Videogenerator für Anzeigen sucht, landet am Ende bei einem Vergleich dieser beiden, weil der Katalog sie innerhalb eines halben Cents pro Sekunde voneinander platziert. Also habe ich Basisbild B, den Makro-Falltest mit dem härtesten Kleingedruckten im Set, durch beide mit einem identischen Prompt laufen lassen und dann beide Rechnungen gelesen.

Selbes Basisbild, animiert von MiniMax H3 bei 2K links und Seedance 2.5 bei 720p rechts

Identisches erstes Bild, identischer Prompt, jeweils fünf Sekunden. Links MiniMax H3 bei 2K, rechts Seedance 2.5 bei 720p. Beide Clips kamen von der API: Der Seedance-Playground-Durchlauf zeigte nach drei Erfassungsversuchen immer noch „In Bearbeitung", daher gibt es auch für diesen Schritt keinen Browser-Screenshot.

Generiert mit minimax/h3/image-to-video und bytedance/seedance-2.5/image-to-video.

Lies die ersten beiden Zeilen zusammen, denn das ist die ganze Überraschung. Die gelisteten Preise sind fast identisch. Die Rechnungen sind es nicht.

H3 hat genau seinen gelisteten Satz berechnet, beide Male: 0,70 $ für fünf Sekunden bei 2K, 0,50 $ bei 768P, keine Rundung, keine Überraschung. Seedance 2.5 berechnete 1,5148 $ für fünf Sekunden bei 720p, was etwa 0,30 $ pro Sekunde entspricht, nicht 0,134 $. Also habe ich überprüft, warum, und die gleiche Aufnahme erneut bei 480p laufen lassen: 0,5397 $ für vier Sekunden, oder 0,1349 $ pro Sekunde, was fast auf den Cent mit der gelisteten Zahl übereinstimmt.

Das erklärt es. Die Katalogzahl ist der 480p-Satz, und 720p bei einer quadratischen Quelle ist 960x960 gegenüber 640x640, was 2,25-mal so viele Pixel und in meiner Rechnung 2,25-mal so viel Preis bedeutet. Nichts Unehrliches an einem „Ab"-Preis, aber „Ab" leistet in diesem Satz echte Arbeit, und es ist die Art von Sache, die man in der Rechnung und nicht in der Vergleichstabelle findet.

Was die Entscheidung sauber umkippt. In diesem Durchlauf lieferte H3 1440 Pixel auf der kurzen Seite für 0,70 $, während Seedance 2.5 960 für 1,51 $ lieferte. Wenn deine Anzeige eine Person ist, die spricht, und nichts auf dem Bildschirm muss gelesen werden, ist Seedance 2.5 immer noch einen Blick wert: Es geht bis zu 30 Sekunden gegen H3s 15, was für längere Storytelling-Formate wichtig ist, und es akzeptiert weit mehr Referenzbilder. In dem Moment, in dem ein Wortmarke, eine Angebotszeile oder eine URL einen Smartphone-Bildschirm überleben muss, ist H3 sowohl die schärfere als auch die günstigere Option, und es ist nicht knapp.

Die allgemeine Lektion überlebt beide Modelle: Führe einen Clip mit deinen tatsächlichen Einstellungen aus und lies die tatsächliche Rechnung, bevor du einen Preis pro Sekunde in eine Tabelle setzt.

Drei günstigere Variationen, die es wert sind, bekannt zu sein, alle diesen Monat im Katalog verifiziert:

Teile den Kauf. Zwei 5-Sekunden-Clips schlagen einen 10-Sekunden-Clip für Hook-Tests, weil du zwei Öffnungen statt einer bekommst. Gleiches Geld, doppelte Top-of-Funnel.

Entwirf auf der günstigen Stufe. Für reine Hook-Tests, bei denen nichts gelesen werden muss, ist bytedance/seedance-2.0-mini/image-to-video bei 0,039 $/s, derzeit 30 % unter seinem Listenpreis von 0,056 $ ab August 2026. Das macht einen 5-Sekunden-Hook für etwa 20 Cent, was billig genug ist, um sorglos damit umzugehen.

Fixiere das Gesicht mit reference-to-video. Das Füttern derselben Referenzbilder in minimax/h3/reference-to-video hält einen Präsentator konsistent über Szenen hinweg, was dir ermöglicht, einen Monat Inhalt aus einem Charakter zu bekommen, anstatt jede Woche einen neuen Fremden. Es wird zu denselben zwei Stufen abgerechnet. Ich habe es für diesen Artikel nicht ausgeführt, also werde ich dir kein Ergebnis zeigen, das ich nicht habe.

Behalte die Performance, füge Pixel hinzu. Wenn ein 768P-Take perfekt ist und nur die Auflösung falsch ist, bewahrt atlascloud/video-upscaler diesen genauen Take zu 0,024 $/s auf 2K mit einer Mindestgebühr von 5 Sekunden. Es kann keinen Text erfinden, den die Quelle nie aufgelöst hat, also rettet es eine gute Performance, kein kaputtes Etikett.

---

Was MiniMax H3 UGC-Anzeigen pro nutzbarem Clip kosten

Listenpreis zuerst, dann die Zahl, die wirklich zählt.

Die Erstellerspalte verwendet den Medianmarktpreis von etwa 175 $ pro Video, gegenüber einer typischen Spanne von 150 $ bis 212 $, zuzüglich 30 % bis 50 % für Paid-Distribution-Rechte (Influee, 2026).

Jetzt der ehrliche Teil, denn der Listenpreis geht davon aus, dass jeder Clip nutzbar ist und nie ein Clip unbrauchbar ist.

Ich habe alle 20 Clips der Welle angesehen und drei abgelehnt. Einer hatte das Wortmarke verschmiert, als die Flasche auf die Linse zukam. Einer hatte die Finger des Präsentators während des gesamten Takes über das Etikett gelegt. Einer driftete so weit ab, dass der bedruckte Kartondeckel, der der ganze Sinn dieser Aufnahme war, das Bild verließ.

Das sind 17 nutzbare von 20, eine Trefferquote von 85 %, bei Ausgaben von 9,96 $. Kosten pro nutzbarem Clip: 0,59 $, gegenüber einem durchschnittlichen Listenpreis von 0,50 $.

Zwei Dinge, die es wert sind, über diese Zahl gesagt zu werden. Erstens sind 85 % hoch, und ich würde nicht versprechen, dass es bei einem schwierigeren Briefing hält; eine Welle mit schnellerer Bewegung oder dichterem Verpackungstext würde mehr Fehler produzieren. Zweitens war jeder der drei Ablehnungen ein Kompositionsproblem, das ich im Prompt hätte verhindern können, kein Modellfehler. Ablehnungen sind eine Designsteuer, keine Renderingsteuer.

Das ist die Zahl, die in die Präsentation gehört: Kosten pro nutzbarem Clip, nicht Kosten pro Clip. Und du kannst sie nicht wissen, bis die gesamte Welle abgeschlossen ist und du sie alle angesehen hast. Jeder, der dir einen Preis pro Clip ohne eine Nutzbarkeitsrate nennt, zitiert dir die günstigere Hälfte der Gleichung.

Es ist klar zu sagen: Das macht menschliche Ersteller nicht überflüssig. Es macht die Testphase billig. Finde die zwei Hooks, die für ein paar Dollar funktionieren, und gib dann die 875 $ für die Version aus, die hinter echtem Budget steht, mit einer echten Person, deren Gesicht die Leute verfolgen werden.

---

Offenlegung und Markenregeln für MiniMax H3 UGC-Anzeigen

Drei Dinge, keines davon optional, alle kurz.

Deklariere es. Sowohl Meta als auch TikTok verlangen von Werbetreibenden, Creative zu kennzeichnen, das KI-generiert oder wesentlich KI-modifiziert ist, und beide führen automatisierte Erkennung durch, einschließlich C2PA Content Credentials, die in Dateien vieler Generierungstools eingebettet sind. Von KI gemacht zu sein, ist kein Ablehnungsgrund. Es nicht zu deklarieren schon. Die Richtlinienformulierung ändert sich oft genug, dass die einzig sinnvolle Anweisung ist: Lies den aktuellen Text in deinem eigenen Ads Manager, bevor du auslieferst, nicht die Zusammenfassung eines Blogbeitrags.

Setze keine echte Marke in einen Prompt. Deshalb ist ORVA erfunden. Die API-Bedingungen von MiniMax enthalten eine Verteidigungs- und Schadloshaltungsklausel, die Patent- und Urheberrechtsansprüche aus Modellausgaben abdeckt, und sie erstreckt sich nicht auf Marken oder Bildnisse. Die eine Kategorie von Risiko, die du bei der Generierung von markenlastiger Werbung am meisten abgedeckt haben möchtest, ist also genau die Kategorie, die es nicht ist. Verwende deine eigenen Marken, zu deren Nutzung du berechtigt bist, oder erfundene.

Offene Gewichte sind keine Gerichtsbarkeitsumgehung. H3-Base ist tatsächlich herunterladbar, und es ist eine echte 33B-Veröffentlichung, keine abgespeckte Demo. Aber die Community-Lizenz schließt derzeit die EU, das Vereinigte Königreich, Südkorea und die USA aus, mit einem separaten formellen Lizenzkanal für diese Gebiete. Und das Selbsthosten läuft auf einer kurzen Seite von 768 Pixeln, wobei die Stufen Context-IR und Regenerate-2K API-seitig bleiben. Der lokale Pfad kann also nicht das eine liefern, was dieser Artikel als notwendig für lesbaren Markentext bewiesen hat.

---

MiniMax H3 UGC-Anzeigen: Häufig gestellte Fragen

Wie viel kostet eine MiniMax H3 UGC-Anzeige?

Ein 5-Sekunden-Vertikalspot kostet 0,50 $ bei 768P oder 0,70 $ bei 2K auf minimax/h3/image-to-video, plus 0,12 $ für das Basisbild, wenn du eines generierst. Eine 4-Sekunden-Endkarte bei 2K kostet 0,56 $. Der Direktkauf bei MiniMax ist etwas günstiger pro Sekunde, bei 0,13 $/s für 2K und 0,08 $/s für 768P auf ihrer Pay-as-you-go-Seite, gegenüber 0,14 $ und 0,10 $ hier.

Wie viele MiniMax H3 UGC-Anzeigen kann ich gleichzeitig generieren?

H3 wird nach gleichzeitigen Aufgaben gemessen, nicht nach Anfragen pro Minute: 2 gleichzeitige Aufgaben auf der kostenlosen Stufe, 15 auf der kostenpflichtigen. Mehr einzureichen wirft keinen Fehler, sondern reiht es in die Warteschlange ein. In meinem Durchlauf wurden 20 Aufträge in einem Burst eingereicht, alle abgeschlossen, der Median in 175,6 Sekunden und die gesamte Welle in 4 Minuten und 13 Sekunden. Bei dieser Rate sind ein Arbeitstag mehrere hundert 5-Sekunden-Clips, weit mehr Creative, als ein Team tatsächlich überprüfen kann. Miss deine eigene Welle, bevor du einen Scheduler darauf aufbaust, da sich das Parallelverhalten verschiebt.

Kommen MiniMax H3 UGC-Anzeigen mit Wasserzeichen heraus?

Nicht von der API. Ich bin die gelieferten Dateien Bild für Bild durchgegangen und habe auf keiner ein Ecklogo gefunden. Die kostenlose Verbraucher-App ist ein separates Produkt mit einem Wasserzeichen, einer Auflösungsbegrenzung und Bedingungen, die das Entfernen des Logos verbieten. Wenn die Datei ein Kundenliefergegenstand ist, verwende den API-Pfad.

Wird MiniMax H3 meinen Markennamen und meinen CTA-Text korrekt darstellen?

Meistens ja, mit einer klaren Bedingung. Auf einer nahezu statischen Endkarte haben sowohl 768P als auch 2K ORVA, eine Rabattzeile und orvaskin.com korrekt und stabil durch die Aufnahme gerendert; 2K brachte nur schärfere Buchstabenkanten und lesbares Kleingedrucktes auf der Flasche. Wo es in meinem Durchlauf versagte, war bei Bewegung: Als das Produkt auf die Linse zubewegt und geneigt wurde, verschmierte das Wortmarke bei 768P zu Unsinn. Drei Regeln, die in diesem Durchlauf den Unterschied ausmachten: Setze kritischen Text auf eine nahezu statische Endkarte statt in eine bewegte Aufnahme, lass die Kamera niemals über die Buchstaben wandern und überprüfe auf dem Basisbild, dass keine Hand oder kein Finger das Wortmarke kreuzt, bevor du einen Cent für Video ausgibst.

Ist MiniMax H3 der beste KI-Videogenerator für Anzeigen, oder ist etwas billiger genug?

Für reine Talking-Head-Hook-Tests, bei denen nichts gelesen werden muss, ist die günstige Stufe tatsächlich ausreichend: bytedance/seedance-2.0-mini/image-to-video ist bei 0,039 $/s, derzeit 30 % unter seinem Listenpreis von 0,056 $ ab August 2026, was einen 5-Sekunden-Hook für etwa 20 Cent macht. In dem Moment, in dem ein Wortmarke, eine Angebotszeile oder eine URL lesbar sein muss, bezahlen sich die zusätzlichen vier Cent pro Sekunde der 2K-Stufe selbst beim ersten Mal, wenn ein Spot nicht zurückgeschickt wird.

Wird Meta oder TikTok eine KI-generierte UGC-Anzeige ablehnen?

Nicht, weil sie KI-generiert ist. Beide Plattformen bitten Werbetreibende, KI-generiertes oder wesentlich KI-modifiziertes Creative zu deklarieren, und beide führen automatisierte Erkennung durch, einschließlich C2PA Content Credentials. Das Ablehnungsrisiko liegt im Nicht-Deklarieren, nicht in der Technik. Überprüfe die genaue aktuelle Formulierung in deinem eigenen Ads Manager, da beide Plattformen diese Sprache häufig überarbeiten.