

MiniMax H3 es la familia de modelos de vídeo de MiniMax para la generación basada en texto, imágenes y referencias. Crea clips de 5 a 15 segundos, guía el movimiento con un fotograma final opcional, conserva los sujetos de las imágenes de referencia o selecciona H3 Developer cuando el audio generado se adapte al flujo de trabajo. Atlas Cloud integra H3, H3 Fast, H3 Max y H3 Developer en un único flujo de trabajo de API, con precios estándar a partir de $0.038 por segundo. Empieza a desarrollar hoy mismo.
MiniMax H3 ha sido desarrollado por MiniMax. Atlas Cloud (operado por Atlas Cloud AI LLC) proporciona acceso al modelo, pero no es su propietario. Todas las marcas comerciales pertenecen a sus respectivos titulares.
Atlas Cloud le proporciona los últimos modelos creativos líderes en la industria.
Compara los endpoints MiniMax H3, H3 Fast, H3 Max y H3 Developer con entradas de texto, imagen o referencia según la resolución, la duración, la capacidad de audio, la relación de aspecto y el precio estándar.
| Modalidad | Descripción |
|---|---|
| MiniMax H3 Max T2V API (Text to Video) | Introduce un prompt de texto para generar un vídeo cinematográfico en 480P o 768P, con una duración de entre 5 y 15 segundos. Elige 16:9, 9:16, 1:1 o un encuadre adaptable para anuncios, tráilers y contenido para redes sociales, al precio estándar de 0.05 $ por segundo. |
| MiniMax H3 Max I2V API (Image to Video) | Empieza con un primer fotograma y dirige su animación mediante un prompt de texto, con la opción de añadir un último fotograma para controlar la composición final. Con una salida en 480P o 768P de 5 a 15 segundos, este endpoint es adecuado para animaciones de productos, animación de key art y transiciones de storyboard, a 0.05 $ por segundo. |
| MiniMax H3 Fast T2V API (Text to Video) | Para producir contenido en 480P a partir de texto, MiniMax H3 Fast genera clips cinematográficos de entre 5 y 15 segundos. Sus opciones 16:9, 9:16, 1:1 y adaptable permiten crear rápidamente vídeos conceptuales y contenido específico para cada plataforma, al precio estándar de 0.046 $ por segundo. |
| MiniMax H3 Fast I2V API (Image to Video) | Anima un primer fotograma proporcionado mediante movimiento controlado por un prompt y añade un último fotograma opcional cuando el final requiere una dirección visual concreta. Con 480P y una duración de 5 a 15 segundos, el endpoint se adapta a demostraciones de productos, ilustraciones animadas y recursos breves para redes sociales, a 0.046 $ por segundo. |
| MiniMax H3 Fast Reference to Video API | Conserva el sujeto de una imagen de referencia mientras un prompt de texto define el vídeo generado en 480P. Este endpoint de 5 a 15 segundos funciona muy bien para personajes recurrentes, productos reconocibles y elementos visuales coherentes de una campaña, con un precio estándar de 0.046 $ por segundo. |
| MiniMax H3 Developer T2V API (Text to Video) | Convierte prompts escritos en vídeos con audio generado mediante el endpoint autohospedado MiniMax H3 Developer. Selecciona una salida de 480P, 768P o 2K en 16:9, 9:16 o 1:1 para conceptos narrativos, avances de campañas y producciones para redes sociales, a 0.05 $ por segundo. |
| MiniMax H3 Developer I2V API (Image to Video) | Proporciona una imagen inicial, un fotograma final opcional y un prompt de texto para crear movimiento con audio generado. Las opciones de salida de 480P, 768P y 2K hacen que este endpoint autohospedado sea adecuado para key art animado, escenas de productos y secuencias de storyboard, a 0.05 $ por segundo. |
| MiniMax H3 Developer Reference to Video API | Cuando la continuidad depende de contenido multimedia existente, una o varias imágenes o vídeos de referencia pueden conservar el sujeto en un nuevo vídeo dirigido por un prompt y con audio generado. Usa una salida de 480P, 768P o 2K para personajes recurrentes y secuencias de marca conectadas, al precio estándar de 0.05 $ por segundo. |
| MiniMax H3 T2V API (Text to Video) | Un prompt escrito se convierte en un vídeo cinematográfico en 2K, con una duración seleccionable de entre 5 y 15 segundos. Enmarca cada resultado en 16:9, 9:16, 1:1 o una relación de aspecto adaptable para tráilers pulidos, historias verticales y recursos de campaña, a 0.038 $ por segundo. |
| MiniMax H3 I2V API (Image to Video) | Da vida a un primer fotograma en resolución 2K combinándolo con un prompt de texto y, cuando sea necesario, un último fotograma opcional. El rango de salida de 5 a 15 segundos permite crear presentaciones de productos, animaciones de personajes y transiciones visuales planificadas, al precio estándar de 0.038 $ por segundo. |
| MiniMax H3 Reference to Video API | La generación guiada por referencias conserva el sujeto de una imagen de entrada mientras un prompt dirige el vídeo resultante en 2K. Con una duración de entre 5 y 15 segundos, estos clips son adecuados para escenas centradas en personajes y elementos visuales de producto coherentes, a 0.038 $ por segundo. |
Cada clip que devuelve la API de MiniMax H3 dura hasta 15 segundos a 1440p con sonido estéreo nativo, creado a partir de cualquier combinación de referencias de texto, imagen, vídeo y voz; además, la misma llamada puede editar personajes, escenas y diálogos dentro de metraje existente.
Una solicitud a la API de MiniMax H3 acepta hasta nueve imágenes de referencia, tres clips de vídeo y tres pistas de audio, con un límite de doce archivos. En lugar de tratarlos como espacios independientes, el modelo interpreta el texto, la imagen y el sonido como un único contexto: extrae un personaje de una foto, un movimiento de cámara de un clip y una atmósfera de una pista para integrarlos en la misma escena. Los equipos que ya tienen material disponen así de una vía directa hacia una toma terminada.
Cada resultado incluye sonido. Los diálogos, el ambiente y la música se producen en estéreo nativo durante la misma pasada en la que se renderiza la imagen a 24 fotogramas por segundo, por lo que no es necesario musicalizar ni doblar el resultado después. Como la sincronización se decide mientras se genera la toma, los pasos, el habla y los cortes permanecen perfectamente sincronizados con la acción. Los anuncios breves y las piezas para redes sociales salen listos para publicar.
¿Necesitas sustituir un gato por un perro, reemplazar una pantalla verde o reescribir una línea de diálogo? La API de MiniMax H3 aplica este tipo de ediciones al vídeo que proporciones, incluidos personajes, objetos, fondos, iluminación y efectos, mientras que las partes que no menciones se mantienen muy parecidas al original. Los prompts admiten hasta 7000 caracteres, así que puedes acumular una docena de cambios en una sola pasada. Esto hace práctico iterar sobre un montaje aprobado.
Envía una muestra de voz junto con tus imágenes o metraje y el personaje generado hablará con ese timbre. Cada solicitud admite hasta tres referencias de audio, de entre 2 y 15 segundos cada una, y el audio siempre debe acompañar a una entrada visual en lugar de enviarse por separado. También puedes sustituir diálogos existentes y ajustar la interpretación para que encaje. En trabajos de series, se mantiene una voz reconocible en todos los episodios.
Los clips duran entre 5 y 15 segundos, y el modo 1440p sitúa 1440 píxeles en el lado corto entre 16:9 y 9:16, o aproximadamente 3,7 megapíxeles en relaciones más panorámicas, como 2976 × 1248 para 21:9. Puedes seleccionar seis relaciones, desde la cinematográfica 21:9 hasta la vertical 9:16, y la API de MiniMax H3 también puede elegir una por ti. Este rango cubre un tráiler, un bucle de producto y un drama vertical sin cambiar de modelo.
Si tus archivos de origen salen directamente de una cámara o de una línea de tiempo de edición, puedes cargarlos tal cual: vídeo H.264 y H.265, imágenes fijas JPG, PNG, WEBP, HEIC y HEIF, además de audio WAV y MP3. Los límites por archivo son de 50MB para vídeo, 30MB para imágenes y 15MB para audio, mientras que pasar los recursos mediante URL mantiene las solicitudes dentro del límite de 64MB del cuerpo. En Atlas Cloud, todo el conjunto se procesa con una sola clave compatible con OpenAI y facturación de pago por uso.
Cada clip de este conjunto proviene de un prompt idéntico enviado a la API MiniMax H3 y a otros dos modelos de video alojados en Atlas Cloud, de modo que el movimiento, el sonido y la fidelidad a las instrucciones puedan compararse sin cambiar una sola palabra.
15 segundos, video corto horizontal 16:9. Metraje live-action de una lavandería autoservicio de madrugada, combinado con animación luminosa dibujada a mano en una imagen de técnica mixta. Una pequeña lavandería autoservicio, con sus luces fluorescentes parpadeando débilmente; en el interior hay lavadoras en funcionamiento, cestas de plástico para la ropa y un banco viejo, con un solo calcetín tirado en el suelo. Todo el espacio está en silencio y transmite una atmósfera tenue y nostálgica. Tiene la textura de un video grabado con móvil en mano, con una sola mano, con una sacudida de cámara evidente; la luz fluorescente blanca hace que la exposición fluctúe entre brillante y tenue; las superficies de vidrio muestran reflejos ambientales; hay un retraso de enfoque cuando la lente se acerca a los objetos. La imagen no debe verse tan pulida y ordenada como un anuncio comercial; la sensación general debe ser la de una instantánea documental auténtica, como si hubieras entrado por casualidad a altas horas de la noche y hubieras capturado la toma mientras perseguías alguna visión extraña y onírica.
Generated with MiniMax H3 on Atlas Cloud
Generated with Seedance 2.0 on Atlas Cloud
Generated with Wan-2.7 on Atlas Cloud
Perspectiva en primera persona · altura a nivel de los ojos · cámara de juego en mano Escena: La toma simula a un jugador manejando un juego FPS de guerra moderna, con ambas manos sosteniendo un rifle de asalto mientras avanza lentamente por el perímetro exterior de una base militar. El jugador avanza por una carretera junto a zonas de cobertura, con la mira recorriendo el paso que tiene delante; tras una breve pausa, dispara unas cuantas ráfagas hacia un objetivo lejano y luego sigue avanzando, como en el metraje de gameplay en vivo de un jugador común. Iluminación: La luz natural de tonos fríos de una base militar moderna se entrelaza con el humo y el fuego de boca. La imagen es realista y nítida, con el arma metálica y el polvo y la bruma del campo de batalla transmitiendo una calidad de juego AAA. Trabajo de cámara: La cámara tiene un ligero vaivén de mano mientras el jugador se mueve: primero avanza lentamente, luego hace pequeños barridos de izquierda a derecha para observar, con una sutil sacudida de retroceso al disparar, antes de continuar finalmente con un avance firme.
Generated with MiniMax H3 on Atlas Cloud
Generated with Seedance 2.0 on Atlas Cloud
Generated with Wan-2.7 on Atlas Cloud
Pasa de borradores en 480P con MiniMax H3 Fast a piezas de campaña en 2K y conceptos con audio mediante H3 Developer; la familia MiniMax H3 cubre movimiento de producto, variantes para redes sociales, personajes recurrentes y previsualizaciones de storyboard a partir de texto, imágenes o referencias.
MiniMax H3 Fast convierte indicaciones de texto en clips de 480P de entre 5 y 15 segundos. Los equipos de redes sociales pueden probar ganchos de campaña, ritmo y relaciones de aspecto antes de comprometerse con una producción de mayor resolución.
Anima un primer fotograma y, opcionalmente, guía el final con un último fotograma mediante la ruta de imágenes. Los equipos de merchandising obtienen presentaciones de producto, movimiento para catálogos y recursos de lanzamiento a partir de imágenes estáticas aprobadas.
Elige la ruta MiniMax H3 en 2K cuando una campaña necesite una salida de alta resolución. Las agencias pueden producir piezas principales pulidas, momentos cinematográficos de producto y recursos para redes sociales en alta resolución a partir de texto o imágenes.
Proporciona una imagen de referencia para mantener reconocible al sujeto mientras una indicación dirige el nuevo clip. Los estudios pueden crear cortos con personajes recurrentes, promociones conectadas y escenas de producto de marca con una continuidad visual más sólida.
¿Necesitas previsualizaciones apaisadas, cuadradas y verticales a partir de un mismo briefing? La generación de texto admite 16:9, 1:1, 9:16 o un encuadre adaptable, lo que ayuda a los equipos creativos a preparar opciones de storyboard para varias ubicaciones sin cambiar de familia.
Usa MiniMax H3 Developer para generar vídeo con audio a partir de indicaciones de texto o imágenes de origen. Los equipos creativos pueden dar forma a secuencias de presentación, momentos de personajes y conceptos de campaña en los que imagen y sonido comparten un mismo flujo de trabajo.
Compara las variantes de texto a video de MiniMax H3 con otros modelos de Atlas Cloud en cuanto a resolución máxima, duración del clip, relaciones de aspecto y precios base estándar indicados.
| Modelo | Resolución máxima | Duración del clip | Relaciones de aspecto | Precio base indicado |
|---|---|---|---|---|
| MiniMax H3 Text-to-Video | 2K | de 5 a 15 segundos | 16:9, 9:16, 1:1, adaptable | $0.038 por segundo |
| MiniMax H3 Fast Text-to-Video | 480P | de 5 a 15 segundos | 16:9, 9:16, 1:1, adaptable | $0.046 por segundo |
| MiniMax H3 Max Text-to-Video | 768P | de 5 a 15 segundos | 16:9, 9:16, 1:1, adaptable | $0.05 por segundo |
| MiniMax H3-Developer Text-to-Video | 2K | - | 16:9, 9:16, 1:1 | $0.05 por segundo |
| Kling V3.0 Turbo Text-to-Video | 1080p | de 3 a 15 segundos | 16:9, 9:16, 1:1 | $0.112 |
| Veo 3.1 Lite Text-to-video | 1080p | 4, 6 u 8 segundos | 16:9, 9:16 | $0.05 |
Empieza en minutos — sigue estos sencillos pasos para integrar y desplegar modelos a través de la plataforma de Atlas Cloud.
Regístrate en atlascloud.ai y completa la verificación. Los nuevos usuarios reciben créditos gratuitos para explorar la plataforma y probar modelos.
Combina modelos avanzados de MiniMax H3 con la plataforma acelerada por GPU de Atlas Cloud, proporcionando rendimiento, escalabilidad y experiencia de desarrollo incomparables.
Baja Latencia:
Inferencia optimizada por GPU para respuestas en tiempo real.
API Unificada:
Una sola integración para acceder a MiniMax H3, GPT, Gemini y DeepSeek.
Precios Transparentes:
Facturación por Token, soporta modo Serverless.
Experiencia del Desarrollador:
SDK, análisis de datos, herramientas de ajuste fino y plantillas todo en uno.
Confiabilidad:
99.99% de disponibilidad, control de permisos RBAC, registros de cumplimiento.
Seguridad y Cumplimiento:
Certificación SOC 2 Type II, cumplimiento HIPAA, soberanía de datos en EE.UU.
MiniMax H3 es la familia de modelos de vídeo de MiniMax para generar clips a partir de texto, imágenes y medios de referencia. En Atlas Cloud, la familia incluye H3 estándar, H3 Fast, H3 Max y H3 Developer, con rutas de texto a vídeo, imagen a vídeo y determinadas rutas de referencia a vídeo. Los perfiles de salida disponibles van de 480P a 2K, según el modelo elegido.
Puedes empezar con un prompt de texto, animar un primer fotograma con un último fotograma opcional o mantener un sujeto mediante una ruta compatible de referencia a vídeo. H3 Developer también puede generar audio junto con el vídeo, mientras que cada variante tiene su propia ruta, resolución y límites de parámetros.
Crea una cuenta y una clave de API de Atlas Cloud, selecciona el ID exacto del modelo y revisa el esquema de parámetros actual de ese modelo. Envía la solicitud mediante la API compatible con OpenAI de Atlas Cloud y procesa el vídeo devuelto en tu aplicación. Empieza a desarrollar hoy mismo.
MiniMax H3 Fast ofrece rutas de texto a vídeo, imagen a vídeo y referencia a vídeo en 480P para clips de 5 a 15 segundos. Su precio estándar es de $0.046 por segundo generado, y la ruta de imagen acepta un primer fotograma con un último fotograma opcional. Úsalo cuando la salida en 480P y el acceso a los tres flujos de entrada se ajusten a tu proyecto.
Elige H3 estándar cuando tu flujo de trabajo requiera una salida en 2K. Elige H3 Fast para entradas de texto, imagen o referencia en 480P; H3 Max para generar vídeos a partir de texto e imágenes en 480P o 768P; o H3 Developer para flujos de trabajo en 480P, 768P o 2K con audio generado.
Las rutas de imagen a vídeo aceptan un primer fotograma y pueden usar opcionalmente un último fotograma para guiar el final. La referencia a vídeo está disponible para H3 estándar, H3 Fast y H3 Developer, y las entradas de referencia compatibles varían según el endpoint. Actualmente, H3 Max ofrece rutas de texto e imagen en Atlas Cloud.
H3 estándar genera clips en 2K de 5 a 15 segundos, mientras que H3 Fast admite 480P para el mismo intervalo de duración y H3 Max admite 480P o 768P durante 5 a 15 segundos. Para texto a vídeo, estas tres variantes ofrecen 16:9, 9:16, 1:1 y encuadre adaptativo, mientras que H3 Developer admite 16:9, 9:16 y 1:1. Consulta el esquema del endpoint seleccionado, ya que las rutas de imagen y referencia pueden ofrecer controles diferentes.
La facturación se basa en cada segundo generado. Los precios estándar son de $0.038 por segundo para H3, $0.046 por segundo para H3 Fast y $0.05 por segundo para H3 Max o H3 Developer. Estima el coste de una solicitud multiplicando la tarifa estándar de la ruta por la duración de salida seleccionada.
No. Los perfiles verificados de Atlas Cloud indican explícitamente que H3 Developer incluye audio generado en sus rutas de texto, imagen y referencia, pero no especifican compatibilidad con audio para H3 estándar, H3 Fast o H3 Max. Elige H3 Developer cuando el audio deba formar parte de la salida documentada.
Primero confirma que el ID del modelo coincida con la ruta de texto, imagen o referencia prevista. Valida todos los campos obligatorios según el esquema actual de ese endpoint, especialmente el prompt, la entrada multimedia, la resolución, la duración y la relación de aspecto. Si la solicitud sigue fallando, revisa el error devuelto antes de volver a intentarlo en lugar de reenviar el mismo payload no válido.
Guías, tutoriales y novedades de producto para aprovechar al máximo Atlas Cloud.