MiniMax H3 Guía de prompts: Estudié 45 prompts oficiales para que no tengas que hacerlo tú

Usa MiniMax H3 como un breve resumen de producción, no como un prompt de imagen única. La estructura reusable es simple: vincula cada activo de referencia, indica la idea central, luego escribe la escena como una secuencia audiovisual temporizada con movimiento de cámara, diálogo, ambiente, música y restricciones en bloques separados.

Esta guía reconstruye 45 ejemplos oficiales de MiniMax H3 en una fórmula de prompt de seis partes, muestra dónde pertenece end_image, explica cómo las pistas de audio nativas cambian el resultado, y ofrece una solución práctica para texto distorsionado en clips generados.

Ya sabes cómo hacer un prompt para un modelo de video. "Iluminación cinematográfica, push-in lento, 4K". Ese vocabulario te ha servido durante dos años.

Luego lo pegas en MiniMax H3 y obtienes un clip en 2K que llega con su propia banda sonora. La imagen se ve genial. El ritmo es blando. Dos letras de tu título están mal escritas. El audio es un ambiente de sala que el modelo eligió por ti.

El modelo no es el problema. Le diste una oración. Quería un cronograma.

Así que fui y leí los 45 prompts de ejemplo que MiniMax envió con H3, más los clips finales que los acompañaban, y desarmé los fotogramas. Los prompts oficiales no son descripciones. Los buenos son listas de tomas con una hoja de pistas musicales pegada al reverso. A continuación, la estructura, los parámetros que realmente están expuestos ahora, y una demo que puedes reproducir en unos veinte minutos.

Conclusiones clave

• Los prompts de H3 son líneas de tiempo, no descripciones. Los ejemplos oficiales más sólidos literalmente cortan el clip con marcadores [0s-2s], [2s-4s], y la película terminada cumple cada compás.
• El sonido y la imagen salen de la misma pasada, por lo que el audio debe vivir dentro del cuerpo del prompt. Los prompts oficiales le dan su propio bloque, hasta "el groove de bajo jazz entra a los 6s".
• El texto que escribes sale limpio. El texto que no escribes sale como ruido con forma de letra. Tengo los recortes de fotogramas de un solo clip oficial que lo demuestran en ambos casos.
• image-to-video acepta un end_image. Dale un primer fotograma y un último fotograma, y el arco emocional queda fijado antes de gastar un segundo de cómputo.
• La longitud del prompt no es una virtud. Los prompts oficiales cortos funcionan cuando una imagen de referencia está haciendo la descripción. La longitud refleja cuánto del trabajo te negaste a delegar en una referencia.

El perro "This Is Fine", todavía a la izquierda y ardiendo en 10 segundos de salida de MiniMax H3 a la derecha

Ese es el mismo dibujo en ambos lados. La izquierda es el panel original de KC Green, intacto. La derecha es una llamada de image-to-video: primer fotograma dentro, último fotograma dentro, diez segundos después, y el crepitar del fuego y el plano "this is fine" son la pista de audio del propio modelo. Nadie le puso música. Todo en esta guía está orientado a llevarte a esa segunda mitad.

Cómo se Ve Realmente un Prompt de MiniMax H3 (Leí los 45)

Cada "guía de prompt de MiniMax H3" que aparece actualmente en la primera página de búsqueda es una ficha técnica: 2K, 24fps, 5 a 15 segundos, audio nativo. Eso es la tarjeta del modelo. No es un prompt.

Aquí hay uno real. Este es un fragmento del prompt oficial detrás de la secuencia de títulos noir de MiniMax, traducido del original chino, con aproximadamente un tercio de su extensión total:

Genera una secuencia de títulos de película de crimen de suspense ligero de 15 segundos en 16:9. El estilo general hace referencia al lenguaje visual de estas imágenes: carteles de títulos de anime retro japonés, siluetas de bordes duros, collage de cómic, pantalla dividida asimétrica, bloques de color geométricos fuertes, títulos de crédito en inglés, algo de decoración katakana japonesa, sensación de jazz criminal. El ambiente es 60% suspense, 40% jazz: misterioso, cool, ágil, crimen urbano, no terror, no pesado, y no lo conviertas en un alegre video musical de jazz.

[...] Los créditos en inglés deben ser claramente legibles [...] No agregues chino, no produzcas texto distorsionado, no escribas mal el inglés. Regla para toda la pieza: cada crédito en inglés y título de trabajo aparece exactamente una vez. No repitas un título de trabajo, no repitas un nombre, no le des a una persona múltiples títulos.

Las transiciones deben ser variadas: máscara circular de disco de vinilo, barrido vertical de puerta de coche, sombra larga de una figura barriendo la pantalla, corte de línea roja, máscara de letra gigante en inglés, recomposición de pantalla dividida, corte de bloque de color duro, paneles pegados bloque por bloque. Todas las transiciones caen en los golpes de batería: nítidas, de suspense, ágiles, collage de cómic. Sin disoluciones suaves, sin transiciones fluidas.

BGM: música original de título de 15 segundos, 60% suspense, 40% jazz. Construido a partir de un tono de bajo sostenido, cuerdas pizzicato tensas, pulsos de sintetizador fríos, bombo, escobillas de jazz dispersas, un fragmento de bajo andante, frases cortas de saxofón barítono y staccatos breves de metales. Los primeros 2 segundos establecen suspense con frecuencias bajas y hi-hat, a los 3 segundos entran los tambores graves, a los 6 segundos se une el groove de bajo jazz, a los 10 segundos aparece un riff corto de saxofón/metal, los últimos 2 segundos lo cierran con un acorde tenso y golpe de batería.

Mira dónde fueron las palabras. Casi ninguna fue a "hermoso" o "cinematográfico". Fueron a una lista negativa, una lista de transiciones y una hoja de pistas musicales segundo a segundo. Esa es la forma del trabajo. Secuencia de títulos noir oficial de MiniMax H3: MIDNIGHT LINE, con créditos STARRING limpios

Mira los créditos en ese clip. MIDNIGHT LINE, STARRING, MAYA CROSS, REN KATO, LENA WARD, DIRECTED BY NOAH VOSS. Escritos correctamente, ningún título de trabajo usado dos veces, decoración katakana colocada donde se pidió. El prompt no dijo "haz títulos bonitos". Dijo sin repeticiones, sin errores ortográficos, sin chino, y nombró la estética de cinco maneras diferentes. Cinco paneles de referencia de estilo entregados a MiniMax H3 junto con el prompt de títulos noir

Esos cinco paneles entraron con el texto. Cinco imágenes más un breve resumen largo, una generación. Así es como se ve este trabajo ahora.

Y la razón por la que tantos de los 45 prompts son cortos está justo en la imagen. En todo el conjunto, la mediana de los prompts es de alrededor de 130 caracteres chinos, pero los dos más largos tienen 657 y 858. Los cortos son cortos porque un panel de referencia lleva la descripción. Los largos son largos porque nada más iba a llevarla.

Por Qué la Mayoría de los Prompts de MiniMax H3 Salen Planos, y la Solución al Texto Distorsionado

Tres cosas salen mal, y todas son ausencias más que errores.

Sin línea de tiempo. Pediste diez segundos y describiste un momento, así que obtienes un push-in lento estirado durante diez segundos. El modelo no tenía nada que hacer en el segundo siete.

Sin bloque de audio. El sonido se genera en la misma pasada que la imagen. Si no dices nada, el modelo igual te entrega una pista. Solo que elige una.

Sin lista negativa. Dejado solo, el modelo opta por disoluciones suaves, inventa texto en pantalla adicional y agrega una barra de subtítulos que nadie pidió.

La prueba más clara es el prompt oficial de UI de juego, que está construido a partir de seis tiempos marcados: [0s-2s] menú, [2s-4s] panel del brazo derecho, [4s-7s] cuadrícula de armamento, [7s-8.5s] confirmar, [8.5s-10s] barra de carga, [10s-15s] el mundo se carga. El clip terminado cumple los seis, en orden, a tiempo. Clip de UI de juego de MiniMax H3: menú, panel de equipo, barra de carga, carga del mundo

Ahora la mitad honesta, del mismo clip, a resolución completa 2560x1440. Izquierda: el texto escrito en el prompt se renderiza limpio. Derecha: el texto no escrito se renderiza como ruido con forma de letra

A la izquierda, cada cadena que el prompt realmente escribió: RIGHT ARM EQUIPMENT, PHANTOM GRIP, CHRONOS CLAW. Nítido, correcto, espaciado como un menú de juego real.

A la derecha, el HUD en la toma final de la calle, que el prompt solo llamó "elementos HUD". Dice ETR METNO CITFEP. Sobre los iconos de equipo, donde el prompt no dijo nada, obtienes MNALEαIN IAMG. Eso no es un error de renderizado. El modelo está dibujando la textura del inglés porque nunca se le dio la cadena.

Así que la solución no es un ajuste. Es un hábito:

Si una palabra necesita ser legible, escribe la palabra. Luego agrega una línea negativa: no escribas mal, no agregues otro texto, no agregues subtítulos.

Y aquí está la forma de seis bloques que comparten todos los prompts oficiales sólidos.

Los bloques 5 y 6 son gratis. No cuestan nada extra generar y es donde reside la mayor parte de la calidad.

El Flujo de Trabajo del Prompt de MiniMax H3: A Qué Endpoint Pertenece Tu Prompt

Misma clave, misma forma de enviar y sondear, tres puertas. Cuál elijas decide lo que tu prompt aún tiene que hacer.

refers[] es el que está realmente poco documentado, así que aquí está la forma que quiere:

jsonCopy
1"refers": [
2  { "url": "https://.../subject.png", "type": "image" },
3  { "url": "https://.../style-board.png" },
4  { "url": "https://.../motion-ref.mp4", "type": "video" },
5  { "url": "https://.../beat.mp3",       "type": "audio" }
6]
7

Cuatro reglas que te ahorrarán una generación desperdiciada:

1. El audio no puede ir solo. Al menos una imagen o video debe estar en el array. Una pista de ritmo por sí sola es rechazada.
2. type es opcional. Se infiere de la URL, pero indícalo de todos modos cuando la extensión sea ambigua.
3. Los límites son reales. Hasta 9 imágenes, 3 videos y 3 clips de audio, 12 archivos en total, con video y audio de referencia de 2 a 15 segundos cada uno (Documentación de la API de MiniMax, julio de 2026).
4. Dale a cada referencia un trabajo dentro del texto del prompt. Este es el hábito de mayor apalancamiento en esta lista. Los prompts oficiales comienzan con frases como "La imagen 1 es la referencia de estado de ánimo y estilo general, la imagen 2 es la referencia del personaje principal". Sin esa oración, el modelo tiene que adivinar qué panel significa qué. Video musical dark-pop de MiniMax H3: tipografía CUT BACK, ONE LOOK, DETONATE Los dos paneles de referencia tipográfica detrás del clip dark-pop

Ese clip es el argumento para la regla 4. Su prompt nunca describe una sola letra. Dice "el estilo de empaquetado de texto y la textura hacen referencia a las imágenes", y entrega dos paneles. La disposición llegó porque se mostró, no se describió.

Una tabla más, porque la tarjeta del modelo y la API actualmente no dicen lo mismo, y la brecha es donde la gente pierde una tarde.

Todo lo anterior se ejecutó en Atlas Cloud, donde los tres endpoints de H3 están detrás de una clave y un bucle de envío y sondeo, por lo que cambiar entre ellos es un cambio de cadena de modelo y nada más.

Tutorial de Prompt de MiniMax H3: Prende Fuego al Perro "This Is Fine", con Sonido

Aquí está todo de principio a fin. El chiste funciona porque el perro no hace nada. Estira esa negativa en diez segundos de tiempo real, agrega fuego real, y deja que los últimos dos segundos vayan a donde realmente fue el cómic original, y se vuelve más divertido y ligeramente peor para ti. La mayoría de la gente solo ha visto los dos primeros paneles.

Paso 1: Descarga el cómic original. No dejes que una IA lo redibuje.

La tira tiene seis paneles, dos columnas por tres filas, 600 por 887. Solo queremos el panel 2 y el panel 6.

bashCopy
1curl -L -o gunshow-648.png https://gunshowcomic.com/comics/20130109.png
2# 600x887, 6 paneles, 2 cols x 3 filas
3
4# recortar panel 2 (el panel "THIS IS FINE."):  x 302-584, y 20-293
5# recortar panel 6 (el perro derritiéndose):    x 302-584, y 595-868
6# escalar cada uno 4x con Lanczos  ->  1128x1092
7

Dilo claramente: no le pidas a un modelo de imagen que dibuje "un perro que se parezca a This Is Fine". Una recreación de IA se nota como falsa en medio segundo y el chiste muere en el acto. La acuarela, la letra temblorosa a mano y el grano del papel son todo el contrato. El escalado 4x con Lanczos solo está ahí porque 282px de fuente es escaso; le da al modelo píxeles reales a los que aferrarse sin inventar ninguno. Panel 2 y panel 6 del cómic original, etiquetados como entradas de primer fotograma e imagen final

Paso 2: Ejecútalo en image-to-video con un end_image.

Modelo: minimax/h3/image-to-video. Configuración: resolución 2K, imagen = panel 2, end_image = panel 6, relación 1:1 para que coincida con la fuente más cuadrada. Establece duración en 10; el control deslizante está en 8 por defecto, así que arrástralo.

textCopy
1Panel de webcómic 2D pintado a mano, cobra vida. Mantén la textura original de
2acuarela, los contornos de tinta visibles, el grano de papel fuera de registro
3y la paleta plana de cómic en cada fotograma. No suavices, no rerenderices en
43D, no limpies el trazo, no agregues nuevos objetos, no agregues nuevo texto.
5
6[0s-3s] Casi nada se mueve. El perro se sienta perfectamente quieto, sosteniendo
7la taza, los ojos fijos al frente. Solo las llamas detrás de él se mueven: lenguas
8naranjas lentas trepando la pared, una brasa flotando hacia arriba. El globo de
9diálogo que dice "THIS IS FINE." permanece exactamente donde está, completamente
10legible, sin cambios, escrito a mano.
11
12[3s-6s] El perro levanta la taza y da un pequeño sorbo tranquilo. El globo de
13diálogo se desvanece después del sorbo. El fuego se intensifica. La pared detrás
14de él comienza a deformarse con el calor. Su sombrero empieza a humear en el ala.
15
16[6s-8.5s] El calor lo alcanza. Sus orejas se hunden, su contorno se suaviza y
17comienza a correr hacia abajo como pintura húmeda. Todavía no mueve los ojos.
18La taza permanece en su pata.
19
20[8.5s-10s] Derretimiento completo. La cara se distorsiona, un ojo se desliza, los
21dientes al descubierto en una sonrisa fija, el pelaje se vuelve rojo y naranja.
22Mantiene la pose. Mantén el fotograma final durante el último medio segundo.
23
24Cámara: fija, un solo plano general estático, sin push-in, sin cámara en mano,
25sin cortes. El encuadre nunca se mueve. Esta es una sola toma continua dentro de
26un panel de cómic.
27
28Audio: sonido ambiente de un fuego interior durante todo el tiempo - crepitar
29bajo, chasquido ocasional de madera ardiendo, un leve crujido estructural. A los
303s, una taza de cerámica tocando dientes y un pequeño trago. Una voz masculina
31tranquila, plana, imperturbable dice exactamente: "This is fine." - inexpresiva,
32sin emoción, ligeramente demasiado relajada. A partir de los 6s el crepitar se
33vuelve más fuerte y el ambiente se espesa; los últimos 2 segundos agregan un
34oleaje de subgraves bajos. Sin música, sin pista de risas, sin efectos de sonido
35que no estén en esta lista.
36
37No agregues subtítulos. No agregues una marca de agua. No escribas ninguna palabra
38que no sean las palabras ya en la imagen. No cambies "THIS IS FINE." No hagas
39cortes.
40

Ese prompt es la tabla de estructura, viva. El primer párrafo es el contrato de estilo. Los cuatro fragmentos entre corchetes son la línea de tiempo. Luego cámara, luego audio, luego la lista negativa. Nada en él es decorativo. MiniMax H3 image-to-video en Atlas Cloud: primer fotograma e imagen final cargados, 10 segundos a 2K, clip terminado en el panel de salida

Paso 3: Lee la salida como una revisión de control de calidad.

Cuatro comprobaciones, cada una probando un bloque diferente del prompt.

1. ¿THIS IS FINE. en el globo sigue siendo legible y está escrito correctamente? Eso prueba el bloque 5.
2. ¿El trazo sobrevivió, o algo lo "mejoró" a un 3D limpio? Eso prueba el bloque 1.
3. ¿El audio contiene solo los sonidos que listaste? Sonda el contenedor: debería devolver h264 más AAC estéreo.
4. ¿El fotograma final aterriza en la pose del panel 6? Eso prueba end_image.

bashCopy
1ffprobe -v error -show_entries stream=codec_type,codec_name,width,height,r_frame_rate,channels,sample_rate \
2        -of default=noprint_wrappers=1 output.mp4
3

El mío regresó a 1472x1440, 24fps, h264 más AAC estéreo, 10.13 segundos. Vale la pena señalar: pedí relación: 1:1 y obtuve 1472x1440, así que en image-to-video la forma del fotograma de origen gana. Empareja tus dos paneles con la forma que realmente quieras. Cuatro fotogramas del clip terminado a 0s, 3s, 6.5s y 10s, coincidiendo con los cuatro segmentos de tiempo del prompt

Paso 4: Mueve al perro a un lugar nuevo con reference-to-video.

Mismo personaje, nueva habitación. Modelo: minimax/h3/reference-to-video. Configuración: refers[] = panel 2 como imagen, duración 8, resolución 2K, relación 16:9.

textCopy
1La imagen 1 es la referencia del personaje y el estilo artístico: mantén este
2aspecto exacto de webcómic 2D pintado a mano, la misma textura de acuarela, el
3mismo grosor de contorno de tinta, el mismo perro, el mismo sombrerito, la misma
4taza. No lo redibujes en 3D, no cambies sus proporciones, no limpies el trazo.
5
6Colócalo en una habitación diferente y mantén su compostura. Una oficina abierta
7y estrecha de noche, tubos fluorescentes parpadeando, una pared de monitores que
8muestran un estado de error rojo, papel de impresora flotando a través del
9encuadre, un pequeño incendio eléctrico en la esquina. Se sienta en una silla de
10oficina en el centro del encuadre, taza en pata, mirando directamente a la
11cámara, completamente relajado.
12
13Cámara: fija, plano general estático. Sin push-in, sin cortes.
14
15Audio: zumbido fluorescente, rechinido de impresora, una alarma suave que se
16repite cada dos segundos, crepitar eléctrico distante, un sorbo tranquilo a los
174s. Sin música. Sin voz.
18
19No agregues ningún texto en pantalla. No agregues subtítulos. No agregues otros
20personajes.
21

La regla transferible: refers[] lleva la identidad y el estilo, el texto lleva la escena. Esa división es todo el truco para la consistencia del personaje, y es por eso que la primera línea del prompt existe en absoluto. El mismo perro de webcómic reubicado en una oficina abierta en llamas de noche, generado por MiniMax H3 reference-to-video

Mismo sombrero, misma taza, mismo peso de tinta, nueva habitación. Una imagen de referencia hizo todo eso.

Tres Patrones Más de Prompt de MiniMax H3 que Vale la Pena Robar

Patrón 1: el póster en movimiento, donde la disposición no debe moverse. Póster en movimiento de MiniMax H3: la disposición POPUP! se anima mientras el marco y la tipografía permanecen bloqueados El póster estático original entregado a MiniMax H3

Todo el prompt son dos líneas: mantén el marco blanco de la galería, el marco interior, la paleta rojo-blanco-negro, la sensación de figura 3D y la estructura de disposición sin cambios, y pon un efecto de sonido ágil bajo la entrada de texto. La regla: nombra las partes que deben sobrevivir. "Mantén la disposición" no es una nota de estilo, es una restricción, y el modelo la trata como tal.

Patrón 2: la demo de interfaz, donde los verbos vencen a los adjetivos. Demo de página de aterrizaje de MiniMax H3: desplazamiento, hover, inversión de color en una página de producto La imagen de referencia de producto único detrás del clip de página de aterrizaje

Ese prompt pide un desplazamiento de página hacia abajo, un estado de hover, un fuerte escalado y una inversión de color. Cuatro verbos. Nunca dice "moderno" o "elegante". Las interacciones son acciones, así que escríbelas como acciones. El tipo itálico sobredimensionado y el fondo de tejido de carbono vinieron de los adjetivos; lo que hace que se lea como una página real vino de los verbos.

Patrón 3: acción real más dibujo a mano, mantenido unido por rechazos. Clip de MiniMax H3 fusionando imágenes de cocina de acción real con criaturas brillantes dibujadas a mano

Este es una cocina al atardecer filmada con un teléfono con pequeñas criaturas brillantes dibujadas a mano, y la razón por la que se mantiene encantadora en lugar de convertirse en un corto de terror es una lista de prohibiciones: sin ojos gigantes, sin bocas partidas, sin colmillos, sin postura amenazante, sin embestir, sin corte repentino a negro, sin sustos repentinos. La lista negativa es el control de estilo principal, no un parche. También es donde codificas el gusto. Cuatro fotogramas del tráiler oficial de ciencia ficción: THE STARS WERE LISTENING El tablero de estado de ánimo y la referencia de personaje detrás del tráiler

El tráiler de arriba cierra el círculo de ambas ideas. El prompt escribe un título, THE STARS WERE LISTENING, en detalle: extremadamente estrecho, pesado, todo mayúsculas, rojo oscuro mezclado con óxido, grano leve y bordes empañados. Ese título vuelve exactamente como se ordenó. Dos paneles de referencia manejan el estado de ánimo y el protagonista, por lo que el texto nunca tiene que describir una cara. División del trabajo, hasta el final.

Cuánto Cuesta Ejecutar Estos Prompts de MiniMax H3

H3 se factura por segundo de video generado, por resolución, por lo que el modelo de costo es refrescantemente aburrido: una toma de 15 segundos cuesta aproximadamente tres intentos de 5 segundos. Todo lo demás se deduce de eso.

• Itera a 5 segundos, entrega a 10 o 15. La composición, la paleta y el diseño de sonido se resuelven a 5. Nada de una toma fija necesita la duración completa para decirte que está mal.
• end_image es una herramienta de costo, no solo creativa. La mayoría de las repeticiones ocurren porque el final se desvió. Fijar el último fotograma elimina ese modo de fallo antes de que pagues por él.
• Las listas negativas y el texto escrito son gratis. Agregan caracteres a un prompt que se factura por segundo, no por token. Úsalos abundantemente.
• Empareja la duración con el endpoint antes de escribir. Construir una lista de tomas de 15 segundos y luego descubrir que tu endpoint tiene un límite de 10 te cuesta una reescritura, no solo una repetición.

Una cosa que no debes planificar todavía: las tablas de precios enumeran un nivel más barato de 768p, pero al momento de escribir esto, un trabajo de 768p es rechazado directamente y 2K es la única resolución que funciona. Presupuesta como si cada segundo fuera un segundo de 2K. Las tarifas actuales por segundo están en la página del modelo, que también es donde aparecerá el nivel de 768p una vez que se abra.

Prompts de MiniMax H3, Memes y Derechos de Autor

El perro no es de dominio público. This Is Fine proviene del webcómic de KC Green, Gunshow #648, publicado el 9 de enero de 2013, y solo los dos primeros paneles se volvieron virales (Know Your Meme, enero de 2013). Green ha hablado públicamente, y bastante resignado, sobre ver la imagen reutilizada para siempre, incluso por personas cuyas políticas no comparte (NPR, enero de 2023).

Este tutorial es comentario y enseñanza, no una biblioteca de archivos. Si quieres enviar algo comercialmente, dibuja tus propios fotogramas o licencia los que uses. Y realiza tu propia verificación de políticas antes de un trabajo con clientes: H3 aplica reglas de contenido a personas reales reconocibles y propiedad intelectual conocida, y descubrir eso a mitad de un plazo no es divertido.

Preguntas Frecuentes

¿MiniMax H3 genera audio, o lo agrego después?

Misma pasada. La imagen y el sonido salen juntos, que es exactamente por qué el audio debe escribirse dentro del cuerpo del prompt en lugar de agregarse después. Dale su propio bloque Audio: e indica cuándo entra cada sonido. Cada uno de los nueve clips oficiales que probé volvió como AAC estéreo a 32kHz junto con un flujo de video de 2560x1440, 24fps.

¿Cuánto puede durar un prompt de MiniMax H3?

Hasta 7,000 caracteres, según la documentación de MiniMax. En la práctica, los ejemplos oficiales abarcan un amplio rango, con una mediana de alrededor de 130 caracteres chinos y los dos más largos en 657 y 858. Los prompts cortos funcionan bien cuando una imagen de referencia está haciendo la descripción. Si no tienes referencias, espera escribir una lista de tomas.

¿Por qué el texto sale distorsionado en mis videos de MiniMax H3?

Porque no lo escribiste. Las cadenas que aparecen literalmente en el prompt se renderizan limpias; cualquier cosa a la que te refieras genéricamente ("elementos HUD", "algunas etiquetas") vuelve como textura con forma de letra. Escribe cada palabra que deba ser legible, luego agrega no escribas mal, no agregues otro texto, no agregues subtítulos.

¿Cuántas imágenes de referencia, videos y clips de audio puede usar un prompt de MiniMax H3?

Nueve imágenes, tres videos y tres clips de audio, doce archivos en total, con video y audio de referencia entre 2 y 15 segundos cada uno. El audio no puede ser la única referencia. Ten en cuenta que la capacidad del modelo y lo que expone un endpoint dado son dos cosas diferentes, así que consulta la página del modelo para la lista de entrada actual.

¿Puede un prompt de MiniMax H3 controlar cómo termina el clip, no solo cómo comienza?

Sí, en image-to-video, a través del parámetro opcional end_image. Dale un primer fotograma y un último fotograma, y el clip interpola entre ellos. La demo de arriba es exactamente eso: panel 2 del cómic al inicio, panel 6 al final. Mantén las dos imágenes con relaciones de aspecto similares o la transición se vuelve fea.

¿Qué duraciones y resoluciones puedo obtener realmente ahora?

2K, y solo 2K. Un trabajo de 768p actualmente es rechazado con "resoluciones admitidas: 2K", a pesar de que 768p aparece en la tabla de precios. La duración difiere según el endpoint: text-to-video e image-to-video aceptan de 5 a 10 segundos con un valor predeterminado de 8, mientras que reference-to-video acepta de 5 a 15. Una trampa más: en generación solo texto, la API rechaza adaptativa y requiere una relación explícita.