MiniMax H3 vs Veo 3.1: 145 Elo de diferença, e a maioria das comparações estava testando um Veo silenciado

Um clipe de 8 segundos do Veo 3.1 custa três vezes mais que os mesmos 8 segundos no MiniMax H3. No ranking de votação cega do Artificial Analysis, ele fica 145 Elo atrás. Isso deveria ser o fim do artigo.

Exceto que a API do Veo 3.1 vem com a geração de áudio desligada. O parâmetro é generate_audio, o padrão no esquema é false, e nada na resposta indica que o clipe voltou mudo. O MiniMax H3 não tem essa chave, porque o H3 gera imagem e áudio estéreo de 32kHz na mesma passada e sempre foi assim. Portanto, uma grande parte das análises "Veo parece melhor" que circulam por aí foi construída colocando um clipe mudo do Google ao lado de um modelo chinês que apareceu com trilha sonora.

Eu queria saber como é realmente essa diferença de 145 pontos. Então peguei o formato mais viral que o Veo já produziu, o corte ASMR de fruta de vidro, escrevi um prompt e executei nos dois modelos com todas as configurações levadas ao máximo que cada um permite. Áudio ligado. Nada aparado.

Depois continuei até encontrar os três lugares onde o Google ainda vence, porque eles existem e ninguém que escreve essas comparações parece mencioná-los.

Principais conclusões

• No ranking de texto para vídeo com áudio do Artificial Analysis, o MiniMax H3 pontua 1.238 Elo contra 1.093 do Veo 3.1. É uma diferença de 145 pontos em votos cegos (instantâneo, 06/08/2026).
• O parâmetro generate_audio do Veo 3.1 tem padrão false no esquema da API. Se você chamar a API e nunca defini-lo, estará comparando um clipe mudo do Veo com um clipe do H3 que já vem com áudio estéreo por padrão.
• O H3 aceita qualquer segundo inteiro de 4 a 15. O Veo 3.1 aceita 4, 6 ou 8. Isso é um teto estrutural, não uma configuração.
• O Veo 3.1 não aparece no ranking de edição de vídeo do Artificial Analysis. O H3 é o número um nele.
• O Veo 3.1 ainda vence em saída 4K, em reprodutibilidade com seed mais negative_prompt, e o Veo 3.1 Lite é genuinamente mais barato que qualquer coisa que o H3 oferece se 720p for suficiente para você.

---

MiniMax H3 vs Veo 3.1, Um Prompt, Três Takes Consecutivos

Um prompt, três takes, em ordem: MiniMax H3 em 2K, Veo 3.1 em 1080p com áudio explicitamente ligado, Veo 3.1 Lite em 720p. Cada segmento mantém sua própria faixa de áudio nativa, então ligue o som. Observe o último segundo de cada take e veja o que o modelo mais barato faz com as bordas do quadro final.

Um set de filmagem macro com uma melancia de vidro cristal em ardósia molhada e dois monitores de produção exibindo o mesmo take de corte_A configuração que este artigo realmente executou: um spot de produto ASMR, dois modelos, uma chave de API. Gerado com openai/gpt-image-2/text-to-image._

---

Por que MiniMax H3 vs Veo 3.1 é de repente a única comparação que vale a pena fazer

O MiniMax H3 chegou em julho de 2026 e fez algo que nenhum outro modelo no ranking fez. Ele entrou no top 3 de todas as três arenas de vídeo do Artificial Analysis em questão de semanas, e fez isso como a única entrada de pesos abertos perto do topo.

Aqui está onde os dois modelos realmente estão, obtidos ao vivo em vez de citados de um comunicado de imprensa (Artificial Analysis, agosto de 2026):

Tabela A: Arena de Vídeo do Artificial Analysis, instantâneo 06/08/2026

Três coisas nessa tabela merecem mais atenção do que recebem.

A diferença de 145 pontos é no ranking de áudio. Em texto para vídeo com áudio, apenas o Gemini Omni Flash (1.243) está à frente do H3, e está dentro da mesma faixa de empate estatístico. O Veo 3.1 é o décimo primeiro. Os eleitores que ouviram ambos os clipes escolheram o H3 sobre o Veo por uma margem ampla.

O Veo 3.1 não está no ranking de edição de vídeo. Esse ranking tem oito modelos e o H3 é o primeiro, nove pontos à frente do Gemini Omni Flash. O Google não perdeu essa comparação, simplesmente não entrou nela. Se seu fluxo de trabalho é "gerar, depois mudar uma coisa no quadro", essa distinção não ajuda.

O próprio anúncio da MiniMax exagera um número, então não o repita. A linha oficial diz que o H3 lidera o segundo lugar no ranking de edição por 93 pontos. O segundo lugar é o Gemini Omni Flash com 1.123, que está 9 pontos atrás do H3. O valor de 93 pontos é a diferença para o Dreamina Seedance 2.0 com 1.037, que está em quinto. Ambos os números são reais, apenas pertencem a linhas diferentes.

Por que a maioria dos confrontos diretos erra isso

Três modos de falha, em ordem decrescente de frequência com que os vi:

1. O Veo mudo. generate_audio tem padrão false no esquema da API do Veo 3.1. Um desenvolvedor que nunca toca nele obtém um clipe mudo e depois o pontua contra a mixagem estéreo do H3. Isso não é uma comparação de modelos, é um bug de configuração. Vale saber: o playground web da Atlas Cloud pré-ativa a chave para você, então a armadilha pega quem chama a API diretamente, que é a maioria das pessoas que publica benchmarks.
2. Resolução incompatível. A resolução padrão do H3 na API é 2K, mas muitos testes executam em 768P por velocidade e depois colocam o resultado ao lado de um quadro Veo em 1080p.
3. Limitar o H3 a 8 segundos para ser justo. Não é justo, joga fora quase metade da faixa de duração do H3 em nome de uma tabela organizada.

E para manter a honestidade, os pontos fracos do H3 são reais: preencher os slots de referência ao máximo tende a afrouxar a aderência ao prompt em vez de apertá-la, seu nível 2K é genuinamente lento, e a própria MiniMax não o posiciona como um modelo de filme ou animação. Nesta execução, o H3 também tendeu a um estilo mais estilizado, interpretando o briefing como fotografia de produto de cristal lapidado polido em vez do objeto hiper-real que o Veo produziu.

---

MiniMax H3 vs Veo 3.1: Especificações, Comportamento de Áudio e o que um Segundo Compra

O método aqui é deliberadamente chato: um prompt, três endpoints, uma chave de API, sem edição. Ambas as famílias estão hospedadas lado a lado na Atlas Cloud, que é a única razão pela qual uma execução com o mesmo prompt é possível sem duas contas de faturamento separadas e dois dialetos de parâmetros diferentes para reconciliar. Essa é toda a menção ao produto. Os modelos são o assunto.

Tabela B: matriz de capacidades, dos esquemas de API ao vivo

Leia as duas últimas linhas juntas e você obtém a linha mais nítida de toda esta comparação:

MiniMax H3 com som ligado é mais barato que Veo 3.1 com som desligado. US$ 0,14 por segundo contra US$ 0,20.

A própria lista de preços do Google concorda com o teto. Veo 3.1 custa US$ 0,40 por segundo em 720p e 1080p com áudio incluído como taxa padrão, subindo para US$ 0,60 em 4K (documentos de preços da API Gemini do Google, agosto de 2026). A Atlas divide isso em um nível mudo a US$ 0,20 e um nível de áudio a US$ 0,40, então no momento em que você ativa generate_audio para true, seu custo por segundo dobra. O H3 não tem alavanca equivalente, porque não há nada para ligar.

Mais uma assimetria que vale a pena destacar antes da execução: resolution e duration do H3 são campos obrigatórios em todos os seus três endpoints, e seu ratio de texto para vídeo tem padrão 1:1. Envie um prompt simples e você obtém um vídeo quadrado. O Veo define por padrão um clipe 16:9 720p razoável.

---

MiniMax H3 vs Veo 3.1, Mesmo Prompt, Ambos os Modelos: A Execução Completa

Um prompt para todos os três modelos, nem uma palavra alterada entre eles. Ele é construído para estressar quatro coisas ao mesmo tempo: física de vidro hiper-real, que é o território do Veo; foley nativo sincronizado com a quebra; uma única linha de narração humana; e um cartão de tipo inferior que aparece no último segundo, que é onde o H3 alega uma vantagem.

Copie isto literalmente.

PlainCopy
1Extreme macro ASMR shot, 16:9. A hyper-realistic watermelon carved from clear
2crystal glass rests on a wet black slate slab. A mirror-polished chef's knife
3presses down and slices cleanly through it in one slow, continuous motion; the
4glass parts with a bright ringing crack and a spray of tiny translucent shards
5that scatter and tick across the slate. Cold blue rim light from the left, one
6warm practical behind. 100mm macro, shallow depth of field, slow push-in.
7Sound: the crisp ring of glass under the blade, shards ticking onto stone, low
8room tone. A calm woman's voice says: "Cut clean. Every single time." In the
9final second, crisp white sans-serif type fades in across the lower third
10reading CUT CLEAN.

Etapa 1: MiniMax H3 Texto para Vídeo em 2K

Abra MiniMax H3 Texto para Vídeo, cole o prompt e defina três campos que são todos importantes:

• Resolução: 2K . Campo obrigatório. Este é o nível superior, 2560x1440 entregue em uma solicitação 16:9.
• Duração: 8 . Campo obrigatório. Corresponde ao teto do Veo para que a primeira comparação seja equivalente.
• Proporção: 16:9 . Este é o que as pessoas esquecem. O padrão é 1:1, e texto para vídeo rejeita adaptive diretamente com um 400. Deixe como está e você obtém um clipe quadrado.

Não há campo de seed nem campo de prompt negativo. Você obtém o que o amostrador der, e seu único controle é o prompt.

Cobrança: 8 segundos a US$ 0,14 = US$ 1,12, áudio incluído. Orçamento também para paciência: este trabalho levou 455 segundos de ponta a ponta. Tentei quatro vezes capturar a execução finalizada do playground para esta etapa e a fila 2K durou mais que a sessão do navegador todas as vezes, então aqui está a saída da API, a 100% sem reamostragem.

Um corte de 100% da saída 2K do MiniMax H3 mostrando tipo inferior nítido e facetas de vidro resolvidas_MiniMax H3, 2K, 8s, 16:9, cortado 1:1 do quadro 2560x1440 entregue. As bordas do tipo estão limpas, fragmentos de vidro individuais na ardósia mantêm suas facetas, e este é o nível em que os votos do ranking foram baseados._

Etapa 2: Veo 3.1 Texto para Vídeo, Com Áudio Ligado

Abra Veo 3.1 Texto para Vídeo e cole o mesmo prompt. Configurações:

• Resolução: 1080p . A enumeração do Veo também oferece 4k, que o H3 não consegue igualar. Útil saber: 720p e 1080p cobram a mesma taxa, então 1080p é um ganho gratuito.
• Duração: 8 . O máximo.
• Proporção de tela: 16:9 . Apenas 16:9 e 9:16 existem aqui.
• generate_audio : true . Este é o passo que a internet pula. O padrão do esquema é false, e um retorno mudo não parece um erro.
• negative_prompt : blurry, warped text, extra fingers, motion blur on type. Controle extra gratuito que o H3 não oferece.
• seed : 12345 . Também ausente no H3. O Google dá uma alça de repetibilidade.

Cobrança: 8 segundos a US$ 0,40 = US$ 3,20 com áudio ligado. Deixe generate_audio desligado e o mesmo clipe custa US$ 1,60 e fica mudo.

Playground de texto para vídeo do Veo 3.1 na Atlas Cloud com a chave Generate Audio ligada e o clipe finalizado sendo reproduzido no painel de saída_Veo 3.1, execução concluída. A chave Generate Audio está ligada e o botão Run mostra US$ 3,2, que são 8 segundos na taxa de áudio. Esta captura foi deixada no padrão 720p da página, que cobra identicamente ao 1080p; o clipe 1080p neste artigo veio do mesmo prompt através da API. Observe os dois campos vazios, Negative Prompt e Seed, para os quais o MiniMax H3 não tem equivalente._

Etapa 3: Veo 3.1 Lite, o Assento Barato

Abra Veo 3.1 Lite Texto para Vídeo, mesmo prompt novamente. Configurações: 720p, 8 segundos, 16:9, seed 12345.

Observe o que está faltando nesta página: não há chave de áudio, porque o Lite sempre gera áudio. Observe também a única armadilha em seu esquema: 1080p no Lite força a duração para 8, então um clipe Lite de 4 segundos em 1080p não existe.

Cobrança: 8 segundos a US$ 0,05 = US$ 0,40. Este é o clipe finalizado mais barato com som em todo este artigo, incluindo o H3.

Playground do Veo 3.1 Lite na Atlas Cloud em 720p sem alternância de áudio presente, clipe finalizado no painel de saída_Veo 3.1 Lite em 720p. Não há controle_ generateaudio nesta página, que é o ponto.

Etapa 4: Pontuando MiniMax H3 vs Veo 3.1 em Cinco Eixos

Nenhuma chamada de modelo nesta etapa, nenhum custo. Para ser exato sobre o que é: um take por modelo, primeira tentativa, sem re-rolls. É uma leitura equivalente de três clipes, não um estudo de taxa de aproveitamento.

Tabela D: o que realmente voltou, um take cada

Quadros correspondentes dos takes do MiniMax H3 e Veo 3.1 no momento em que o tipo inferior aparece

O mesmo momento em ambos os takes, o quadro onde CUT CLEAN aparece. Esquerda: MiniMax H3 em 2K, direita: Veo 3.1 em 1080p com áudio ligado. O vidro do Veo parece mais um objeto fotografado; o tipo do H3 é mais nítido e colocado corretamente.

O eixo de áudio é uma questão de audição, então o vídeo acima é onde você julga. O que é mensurável: todos os três retornaram uma faixa estéreo contínua sem pontos mortos acima de 0,6 segundos. O H3 entrega estéreo 32kHz e mixa quente, nível médio perto de -18 dB com picos tocando 0 dBFS. O Veo 3.1 entrega estéreo 48kHz com uma média conservadora em torno de -31 dB. A faixa do H3 é aproximadamente 13 dB mais alta, o que soa como uma mixagem mais finalizada direto do modelo e também deixa muito menos margem para equalização.

Etapa 5: O Take de 15 Segundos que o Veo 3.1 Estruturalmente Não Consegue Fazer

Mesma página da Etapa 1, mesmo prompt, dois campos alterados: Duração 15, Resolução 768P, proporção ainda 16:9. Nenhuma nova captura de tela, é o mesmo playground.

Este é o passo que não tem contraparte no Veo. A enumeração duration do Veo 3.1 é [4, 6, 8] em todos os seus endpoints, e não há plano, nível ou sinalizador que a aumente. A própria resposta do Google para querer mais é um recurso separado de extensão de vídeo (documentos de geração de vídeo do Google, agosto de 2026), o que significa gerar blocos de 8 segundos e juntá-los, o que significa combinar gradação e áudio nas emendas. O H3 oferece um take contínuo com uma base de áudio contínua.

Cobrança: 15 segundos a US$ 0,10 = US$ 1,50, que é menos da metade do custo de um único clipe de 8 segundos do Veo 3.1 com áudio.

MiniMax H3, 768P, 15 segundos, um take ininterrupto com uma base de áudio ininterrupta. Som ligado. O Veo 3.1 não tem configuração que produza este arquivo. Observe a gravação que o H3 inventa ao longo da lâmina: o tipo especificado é renderizado limpo, o tipo inventado é sem sentido.

Duas notas honestas sobre este take. Ele levou 485 segundos, o trabalho mais lento do artigo, e sua base de áudio é notavelmente mais esparsa que a versão de 8 segundos, com lacunas reais perto das marcas de três e onze segundos. Mais longo está disponível, mas mais longo não é livre de consequências.

Gasto total para as quatro etapas do tutorial: US$ 1,12 + US$ 3,20 + US$ 0,40 + US$ 1,50 = US$ 6,22, tentativa única por modelo, sem re-rolls. A execução extra de 8 segundos em 768P usada na próxima seção adicionou US$ 0,80, e as capturas do playground foram execuções pagas separadas além disso.

---

MiniMax H3 vs Veo 3.1: Onde o H3 Vai Além do que o Google Permite

Quatro capacidades do lado do H3 na tabela que não são versões mais lentas ou mais baratas de recursos do Veo, são coisas que o Veo não expõe.

Escopo 21:9. A enumeração ratio do H3 inclui 21:9, 4:3, 1:1 e 3:4 junto com o par usual. O Veo 3.1 e o Lite oferecem apenas 16:9 ou 9:16 e nada mais. Se você está editando um teaser em formato teatral, um desses modelos pode enquadrá-lo nativamente e o outro precisa de corte.

Referências que não são apenas imagens. O endpoint reference-to-video do H3 aceita um array refers[] que mistura referências de imagem, vídeo e áudio para ancorar um visual, e mantém a faixa completa de 4 a 15 segundos enquanto faz isso. O reference-to-video do Veo 3.1 aceita um array images limitado a 3 entradas e sua enumeração duration colapsa para [8], então referenciar trava você em oito segundos. Um cuidado da experiência: carregar os slots de referência do H3 até a capacidade tende a puxar a saída para longe do prompt em vez de aproximá-la, então construa gradualmente.

2K é uma re-renderização, não um upscale. Este me surpreendeu e não vi escrito em lugar nenhum. Execute o mesmo prompt no H3 texto para vídeo em 768P e em 2K e você não obtém o mesmo filme em dois tamanhos. Você obtém dois filmes diferentes. Nesta execução, o take em 768P deixou a melancia inteira e ereta com uma vela queimando atrás e colocou o tipo no meio do quadro na marca de quatro segundos. O take em 2K quebrou a melancia em três pedaços, moveu a luz de fundo e colocou o tipo pequeno no terço inferior no último segundo, como escrito. Mesmo prompt, mesma proporção, mesmo amostrador sem semente.

Quadros lado a lado da mesma execução de prompt em 768P e em 2K no MiniMax H3, mostrando cenografia diferente em vez do mesmo quadro em dois tamanhos_Mesmo prompt, mesmo modelo, mesma proporção, 768P à esquerda e 2K à direita, ambos no mesmo timestamp. Diferente encenação, diferente luz, diferente tratamento do tipo. Se você precisa que a composição sobreviva entre os níveis, trave o primeiro quadro com_ image-to-video em vez disso.

Sem taxa adicional de áudio, nunca. Dito claramente porque muda como você faz orçamento: não existe versão de um clipe H3 que custe menos por ser mudo, e não existe versão de um clipe Veo 3.1 que tenha som pelo preço do mudo.

Para manter o livro contábil honesto, três lugares onde o Google genuinamente vence e o H3 não tem resposta:

• 4K. A enumeração de resolução do Veo 3.1 inclui 4k. O H3 atinge no máximo 2K. Se um contrato de cliente pedir master 4K, esta comparação termina aqui.
• seed e negative_prompt . O Veo permite ajustar a repetibilidade e proibir explicitamente modos de falha. O H3 não oferece nenhum dos dois. Em uma filmagem onde você precisa re-gerar um quase-acerto sem perder todo o visual, essa lacuna dói.
• Velocidade, mais ou menos. A documentação do modelo Veo 3.1 cita aproximadamente 2 a 3 minutos para um clipe de 8 segundos em 1080p. Nesta execução, submetido simultaneamente, o H3 em 2K levou 455 segundos e o Veo 3.1 em 1080p levou 462 segundos, então eles estavam efetivamente empatados e ambos bem acima do valor citado. O Veo 3.1 Lite terminou em 237 segundos, menos da metade de qualquer um. Se você está iterando ao vivo na frente de um cliente, o Lite é o único dos três que acompanha, e essa é uma vantagem real que o preço por segundo não mostra.

---

Quanto Custa um Anúncio Finalizado no MiniMax H3 vs Veo 3.1

Preços por segundo não são o que você gasta. O que você gasta é preço por segundo multiplicado pelos clipes que você jogou fora. A coluna de 30 segundos abaixo aplica uma taxa de aproveitamento de 3:1, três gerações por take utilizável, que é uma suposição de trabalho da prática normal de produção, não algo que esta execução mediu. Trate como um fator de escala, não um benchmark.

Tabela C: custo real por spot entregue, preços da Atlas Cloud em agosto de 2026, sem descontos ativos

Duas conclusões, e a segunda não é a que eu esperava escrever.

Se você precisa de 2K, ou mais de 8 segundos, ou uma proporção diferente de 16:9 e 9:16, ou áudio nativo sem taxa adicional, o H3 vence em custo por uma margem ampla. Um spot de 30 segundos no nível superior do H3 custa perto de um terço do mesmo spot no Veo 3.1 com som.

Se 720p e 8 segundos são genuinamente suficientes, o Veo 3.1 Lite é a coisa mais barata aqui, e não é nem perto. A US$ 0,05 por segundo, é metade do nível mais barato do H3, o áudio está incluído sem chave para esquecer, e foi duas vezes mais rápido que qualquer um dos carros-chefe. Qualquer um que diga que o H3 é incondicionalmente a opção barata não olhou para a linha do Lite. O Google também lista o Veo 3.1 Fast no meio, a US$ 0,10 por segundo em 720p em sua própria lista de preços, embora o catálogo da Atlas e sua página de modelo citem números diferentes para esse nível, então trate o número exato do Fast como não resolvido.

A pegada é o que o desconto compra. Este é o último quadro que o Lite devolveu na primeira tentativa:

Quadro final do take do Veo 3.1 Lite, com duas mulheres alucinadas idênticas em retratos recortados em ambas as bordas do quadro_Veo 3.1 Lite, quadro final, primeiro take. O prompt mencionava uma voz feminina; o Lite decidiu mostrá-la, duas vezes, em recortes correspondentes. Também deu à melancia a melhor casca verde e sementes dos três modelos, que é o que torna isso frustrante em vez de simplesmente ruim._

Essa é a forma honesta do nível barato. Leu o objeto melhor que ambos os carros-chefe e depois quebrou o quadro de uma forma que você não pode corrigir na pós-produção. Barato por segundo não é barato por clipe utilizável se a taxa de falhas se mover, então se você for de Lite, faça orçamento para re-rolls em vez de assumir o preço de etiqueta.

---

Pesos Abertos, Territórios Excluídos e a Parte que Ninguém Lê

Os pesos estão genuinamente publicados. MiniMaxAI/MiniMax-H3 no Hugging Face é um Transformer omni denso de fluxo único de 33B parâmetros em BF16, enviando com dois checkpoints prontos, o codificador de texto Qwen3-VL-32B completo e dois autoencoders. Puxe tudo e são aproximadamente 499 GB. É o carro-chefe atual, não uma versão aposentada, e entre os primeiros lugares de todos os rankings de vídeo do Artificial Analysis, é a única entrada de pesos abertos.

Então você lê a licença, e ela está fazendo mais trabalho do que "pesos abertos" sugere (Hugging Face, agosto de 2026):

• §I.5 define Territórios Excluídos como a União Europeia, o Reino Unido, a República da Coreia e os Estados Unidos da América. A concessão se aplica mundialmente exceto lá.
• §V.4 vai além da implantação. Você não pode usar, reproduzir, modificar, distribuir ou exibir os trabalhos ou qualquer de suas Saídas fora do Território Aplicável.
• §IV.1 requer autorização prévia por escrito separada se seus produtos comerciais ultrapassarem US$ 20 milhões em receita anual.
• §IV.2 exige que você exiba "MiniMax H3" proeminentemente na interface do usuário de qualquer produto comercial construído sobre ele.

A MiniMax não deixou isso pendente. O repositório envia um FAQ de licenciamento e um formulário de inscrição, e a licença diz que a empresa continuará avaliando essas jurisdições e convida as partes interessadas a se inscreverem. Portanto, o enquadramento preciso é "ainda não, pergunte-nos", não "proibido para sempre". Ainda é uma questão para passar pelo jurídico antes de planejar um produto nos EUA ou na UE em torno dos pesos locais.

E os pesos locais não são a API. O H3-Base auto-hospedado renderiza com borda curta de 768 pixels; o caminho 2K passa por um estágio de regeneração separado no lado da API. Pesos abertos compram um modelo 768p que você controla, não o modelo 2K que venceu aqueles votos.

Uma coisa que não consegui resolver: se a saída do Veo 3.1 carrega uma marca d'água SynthID quando servida através de uma API de terceiros. Trate isso como não verificado. Os arquivos H3 nesta execução não carregavam marca d'água visível.

---

Perguntas Frequentes

O MiniMax H3 é realmente melhor que o Veo 3.1?

Em votos cegos com áudio, sim, por 145 Elo no texto para vídeo do Artificial Analysis, e o H3 é o primeiro no ranking de edição de vídeo no qual o Veo 3.1 não aparece. Também custa menos por segundo com som ligado do que o Veo custa com som desligado. O Veo 3.1 ainda vence em saída 4K e no controle de seed mais negative_prompt.

Por que meu vídeo do Veo 3.1 está mudo?

Porque generate_audio tem padrão false no Veo 3.1 e Veo 3.1 Fast. Defina-o explicitamente para true. Esteja ciente de que isso dobra seu custo por segundo, de US$ 0,20 para US$ 0,40 na Atlas Cloud. O MiniMax H3 não tem tal parâmetro, já que o áudio é gerado na mesma passada que a imagem. O Veo 3.1 Lite também sempre gera áudio.

O MiniMax H3 pode fazer clipes mais longos que os 8 segundos do Veo 3.1?

Sim. O H3 aceita qualquer segundo inteiro de 4 a 15 como um único take contínuo, ambos os campos obrigatórios na solicitação. A enumeração de duração do Veo 3.1 é [4, 6, 8], fixa. Ir mais longo no Veo significa gerar blocos de 8 segundos e estendê-los ou emendá-los, depois combinar gradação e áudio nas junções.

O MiniMax H3 tem pesos abertos. Isso o torna gratuito?

Não da forma que a maioria das pessoas quer dizer. O download completo tem cerca de 499 GB, o H3-Base auto-hospedado renderiza com borda curta de 768 pixels, e 2K precisa do estágio de regeneração do lado da API. A licença comunitária também exclui a UE, Reino Unido, Coreia do Sul e EUA, e essa restrição cobre saídas, não apenas implantação, com um canal de autorização formal aberto para essas regiões.

Qual é mais barato para um anúncio finalizado de 30 segundos, MiniMax H3 ou Veo 3.1?

O H3 em 2K custa cerca de US$ 12,60 para um spot de 30 segundos com uma taxa de aproveitamento de 3:1, contra aproximadamente US$ 36,00 para o Veo 3.1 com áudio ligado. Mas o Veo 3.1 Lite supera ambos com cerca de US$ 4,50 se 720p e blocos de 8 segundos forem aceitáveis. A vantagem de custo do H3 é condicional a querer 2K, takes mais longos, escolha de proporção mais ampla ou áudio gratuito.

O MiniMax H3 faz 4K como o Veo 3.1?

Não. A enumeração de resolução do H3 é apenas 768P e 2K. A do Veo 3.1 inclui 4k, a US$ 0,60 por segundo nos preços do próprio Google, e o Veo 3.1 Lite explicitamente não suporta 4K também. Se um master 4K é contratual, o Veo 3.1 padrão é o único destes três que o entrega.