MiniMax H3 ya está aquí
Video 2K con sonido real desde cualquier lugar
MiniMax H3 —el modelo que todos buscan como «Hailuo 3»— genera hasta 15 segundos de video 2K nativo con sonido estéreo, escenas multiplano y diálogos en 11 idiomas en una sola pasada. Los pesos abiertos están restringidos por región y limitados a 768p. Renderforest ejecuta el modelo alojado completo: 2K real, desde cualquier país, sin instalar nada.
Qué hace diferente a H3
Lanzado el 31 de julio de 2026: 4–15 segundos de 2K nativo a 24fps, con audio estéreo de 32kHz generado en la misma pasada. H3 predice imagen y sonido a la vez y devuelve varios planos a partir de un solo prompt. Esto es lo que eso cambia en la práctica.
Sonido generado con la imagen, no añadido después
H3 produce estéreo nativo de 32kHz en la misma pasada que el video: diálogos, pasos, ambiente de sala, música. No es una pista de voz superpuesta sobre un clip mudo: el audio y los fotogramas salen de un mismo modelo, así que el movimiento de los labios, los impactos y el ambiente encajan de verdad.
2K nativo, no un escalado
Un tokenizador reconstruido (MiniMax lo llama H3-VAE) da al modelo aproximadamente cuatro veces más longitud de secuencia efectiva, así que el 2K se genera en lugar de ampliarse después. Los textos de los carteles, los logos y los elementos de interfaz sobreviven a tamaño completo, justo lo que la mayoría de modelos de video sigue haciendo mal.
Varios planos con un solo prompt
Pide un plano general, un primer plano y una reacción, y H3 los devuelve como una secuencia coherente con personajes e iluminación consistentes: sin unir tres generaciones distintas esperando que la cara coincida.
Dale hasta nueve referencias
H3 acepta hasta 9 imágenes de referencia, 3 clips de video y 3 clips de audio en un mismo contexto —12 archivos en total—, así que puedes darle a la vez una hoja de personaje, una localización, una referencia de movimiento y una voz. Dirección por referencias en lugar de ruleta de prompts.
Diálogos en 11 idiomas
El habla se genera dentro del modelo con sincronía labial en árabe, chino, inglés, francés, alemán, italiano, japonés, coreano, portugués, ruso y español, así que una escena escrita en portugués o en árabe no necesita una pasada de doblaje aparte.
Edita por instrucciones, en el mismo modelo
Dentro de la generación por referencias, H3 transfiere el movimiento de un clip que le des y acepta ediciones en lenguaje natural sobre material que ya ha creado: «hazlo de noche», «mantén el personaje, cambia la habitación». Un solo modelo cubre lo que antes requería tres herramientas.
Pesos abiertos, bloqueados por región. Aquí simplemente funciona.
Estado de acceso
- MiniMax H3 · lanzado el 31 de julio de 2026 · 33B parámetros
- Pesos publicados en Hugging Face: 3 de agosto de 2026
- Autoalojamiento excluido en: Estados Unidos, Unión Europea, Reino Unido y Corea del Sur
- El autoalojamiento comercial por encima de $20M de ingresos anuales requiere autorización por escrito
- Los pesos abiertos se quedan en un lado corto de 768px: el módulo 2K no se publicó
- Modelo alojado: 2K completo, disponible en todo el mundo, también en Renderforest
MiniMax publicó los pesos de H3 bajo una licencia comunitaria que nombra a Estados Unidos, la Unión Europea, el Reino Unido y Corea del Sur como territorios excluidos para ejecutar el modelo en hardware propio, y que exige autorización por escrito por encima de $20M de ingresos anuales.
Hay una segunda trampa que casi ninguna cobertura menciona.
MiniMax se guardó dos piezas del pipeline en la publicación abierta: el módulo de procesamiento de prompts (H3-Context-IR) y el paso de regeneración a 2K (H3-Regenerate-2K). Sin el segundo, una instalación local genera con un lado corto de 768 píxeles. Así que el titular que todo el mundo leyó —«modelo de video 2K con pesos abiertos»— describe el modelo alojado, no el que puedes descargar. Hoy nadie, en ningún país, está sacando 2K de los pesos abiertos.
Aquí obtienes lo auténtico.
Renderforest ejecuta el pipeline alojado completo: escribes un prompt y recibes 2K real con audio, desde cualquier país, en cualquier dispositivo, sin instalar nada y sin alquilar una GPU.
Y si aun así quisieras ejecutarlo en local
Los pesos están en Hugging Face, ComfyUI lanzó soporte nativo el 3 de agosto de 2026 junto con el lanzamiento, y AMD anunció soporte desde el día 0 en Instinct MI355X y MI300X. Merece la pena si estás fuera de los territorios excluidos, tienes el hardware y puedes vivir con 768p. Si no, esta página es el atajo.
Del prompt a la publicación en cuatro pasos
- Paso 1
Describe el plano, y también el sonido
Escribe qué ocurre y qué se oye. H3 responde a la dirección de audio igual que otros modelos responden a la dirección de cámara: «lluvia sobre un techo de hojalata», «lo dice en voz baja, en español», «el bajo entra en el corte».
Describe el plano, y también el sonido - Paso 2
Añade referencias si las tienes
Suelta una imagen de personaje, una foto de localización, un clip cuyo movimiento quieras copiar o una muestra de voz. Hasta nueve imágenes, tres clips y tres archivos de audio de una vez.
Añade referencias si las tienes - Paso 3
Genera y luego compara
Lanza el mismo prompt en H3, Veo 3.1, Kling y Seedance en paralelo y quédate con el ganador. Cada modelo gana en planos distintos; un solo plan los cubre todos.
Genera y luego compara - Paso 4
Termínalo y publícalo en todas partes
Une tus planos en un video completo en el editor, añade tu logo, los colores de marca, subtítulos y música con licencia; después, un clic redimensiona para YouTube, TikTok, Reels y Shorts. Sin marca de agua en los planes de pago.
Termínalo y publícalo en todas partes
¿Para qué trabajo encaja H3?
Ajusta la capacidad al trabajo. Todo esto funciona en el mismo plan, junto a Veo 3.1, Kling 3.0 y Seedance 2.0.
Cada truco de H3, con su prompt
Todos los clips de abajo son de MiniMax H3, y el prompt que los generó aparece completo. Copia cualquier prompt y pruébalo tú mismo.
«Anuncio de lujo en la costa: un [Sheewally] gigante desciende en paracaídas, con viento, peso y balanceo suave realistas. Aterrizaje suave, el paracaídas se pliega de forma natural. Mostrar [50%] y [COMPRAR AHORA]. Mantener el producto sin cambios, nítido, recto y completamente visible.»
«POV de ojo de abeja avanza a toda velocidad por un prado iluminado por el sol hacia una colmena realista. La miel dorada forma de manera natural el título de una sola línea “MINIMAX H3” sobre el panal, mientras abejas realistas vuelan alrededor. Metraje macro hiperrealista, luz cinematográfica, plano sostenido de 3–4 s.»
«Una mujer rubia está de pie con el agua turquesa hasta los tobillos, con un vestido fluido hecho de agua de mar viva. Su cola líquida ondula y se funde con las olas mientras la espuma rodea sus pies. Luz suave y brumosa, estilo editorial de moda fotorrealista, 9:16.»
«Un alegre chef tomate antropomórfico cocina una pizza margarita en una cálida cocina italiana rústica; añade mozzarella, albahaca y salsa antes de dar un bocado lleno de queso con deleite. Después sonríe a cámara sosteniendo una taza de cerámica. 3D estilo Pixar, cinematográfico, bokeh cálido.»
«Cinco colegas de perfiles diversos se reúnen en torno a una mesa de reuniones y comentan gráficos con entusiasmo, ríen, gesticulan y comparten ideas. Sonrisas naturales, miradas rápidas y energía desenfadada. Oficina moderna y luminosa, luz de día suave, estilo corporativo fotorrealista, 16:9.»
«Una barista con aspecto de muñeca en 3D prepara un latte helado en un bar de café tiki tropical durante la hora dorada. Muele los granos, extrae el espresso, añade hielo y vierte el café, y luego sonríe a cámara. Océano turquesa, palmeras, atardecer cálido, 3D brillante estilo Pixar.»
Todo sobre MiniMax H3
Qué es exactamente MiniMax H3
MiniMax H3 es el modelo de generación omnimodal que MiniMax lanzó el 31 de julio de 2026. A partir de texto, imágenes, video o audio, produce video de hasta 2K con sonido estéreo generado en la misma pasada: de 4 a 15 segundos, a 24 fotogramas por segundo, en formatos que van del 21:9 al 9:16. Tres modos cubren el trabajo: texto a video, imagen a video con control del primer y del último fotograma, y generación por referencias a partir de hasta nueve imágenes más clips de video y audio, que es donde viven la transferencia de movimiento y la edición por instrucciones. En su lanzamiento se situó primero en edición de video en la clasificación de Artificial Analysis: el primer modelo de pesos abiertos en encabezar un ranking de video con IA.
¿MiniMax H3, Hailuo 3 o M3?
MiniMax lo llama MiniMax H3: en las notas de lanzamiento, en el blog de investigación, en la ficha del modelo, en la API y dentro de la propia app de Hailuo. No existe ningún «Hailuo 3.0» oficial. La confusión se entiende: los dos modelos de video de consumo anteriores sí fueron Hailuo 01 y Hailuo 02, así que un Hailuo 03 era la suposición razonable, y varias plataformas listan H3 con ese nombre de todos modos. Si buscabas «Hailuo 3», o «hailou ai», estás en el sitio correcto: es el mismo modelo. Lo que no es, es MiniMax M3: la serie M, del M2 al M3 lanzado el 1 de junio de 2026, son modelos de lenguaje de texto. La línea de video es la serie H. Busca «MiniMax M3» y encontrarás un repositorio de modelos de lenguaje, no de video.
¿H3 es gratis y está disponible?
Detrás de esa única pregunta se esconden tres respuestas. Los pesos, publicados en Hugging Face el 3 de agosto de 2026, se descargan gratis pero están restringidos por región —la licencia comunitaria de MiniMax excluye del autoalojamiento a Estados Unidos, la Unión Europea, el Reino Unido y Corea del Sur— y no llegan a 2K, porque el módulo de regeneración nunca se publicó: la generación local se queda en un lado corto de 768 píxeles. La API alojada funciona en todo el mundo en 2K completo, pero se cobra por segundo: unos $0.13 por segundo, unos $1.95 por un clip de 15 segundos. El acceso por plataforma, como el de Renderforest, funciona en todas partes, da el mismo 2K con audio y suma un plan gratuito: ninguna GPU y ninguna cuenta que hacer.
Qué cambió desde Hailuo 2.3
Más que un salto de versión. Hailuo 2.3 generaba 768p o 1080p, en clips fijos de 6 o 10 segundos (1080p solo a 6 segundos), a partir de una única imagen de origen, sin sonido y sin multiplano. H3 genera 2K en cualquier segundo entero de 4 a 15, admite hasta nueve imágenes de referencia más video y audio, produce estéreo de 32kHz junto con la imagen y devuelve varios planos con un solo prompt, con los mismos personajes en cada uno. En la práctica, el clip mudo de una sola toma se ha convertido en una escena corta con diálogos. Los prompts escritos para 2.x siguen funcionando: añade dirección de audio y descripciones de plano, y nada de lo aprendido se pierde. Los hábitos de 2.x se conservan y la diferencia se nota desde el primer intento.
H3 junto a Veo, Kling y Seedance
Ningún modelo gana en todos los planos, que es lo honesto que la mayoría de páginas de modelo se calla. La ventaja de H3 es el audio generado en 2K con estructura multiplano y diálogos sincronizados con los labios en 11 idiomas, a una fracción del coste por segundo de las alternativas de frontera. Veo 3.1 va más lejos en resolución y duración, con 4K y extensión de escena más allá del minuto. Kling 3.0 lidera en consistencia de personajes a lo largo de secuencias más largas y corta hasta seis planos por generación, y Seedance 2.0 admite más archivos de referencia. El enfoque práctico es lanzar el mismo prompt en los cuatro y quedarse con lo que funcione, algo que no cuesta nada extra cuando comparten una suscripción y un editor.
Por qué un clip no es un video
H3 se queda en 15 segundos, y cualquier proyecto real es más largo. Así que la pregunta que de verdad determina si una herramienta de video con IA sirve es qué pasa después de generar: ¿puedes montar cuatro planos de H3, ponerles tu logo, añadir subtítulos en el idioma que lee tu público, ponerle música que tengas licencia para usar y exportarlo con las dimensiones correctas para tres plataformas? Renderforest fue una plataforma de video durante una década antes de ser un menú de modelos: el generador alimenta un editor, una biblioteca de plantillas y un kit de marca, y tus proyectos sobreviven al modelo de referencia de este trimestre y al que venga después. Esa es la diferencia entre tener un clip y tener un video terminado.
Amado por los creadores
Si buscas la mejor herramienta de vídeo con IA, prueba Renderforest. Es la única opción que genera vídeos 100 % fieles a tu prompt y a las imágenes de referencia.
Curva de aprendizaje corta y muy intuitiva. Creé un vídeo explicativo de producto pocas horas después de registrarme, sin saber nada de edición.
Me encanta usar Renderforest para crear intros y vídeos con IA. Todo es rápido y funciona excepcionalmente bien, sobre todo la calidad de vídeo.
Con las herramientas de IA que añadieron puedes crear un anuncio profesional para tu negocio o marca solo escribiendo un guion.
Me encanta la función de IA de Renderforest, es sencillamente increíble. Y puedo hacer reels que llaman la atención con el creador de reels con IA.
Renderforest ofrece muchas opciones para editar nuestros vídeos, con IA o manualmente. A diferencia de otras herramientas de IA, es económico y eficiente.
Las nuevas funciones de IA son geniales. Con imagen a vídeo creé bonitas animaciones cortas con los personajes de mis libros infantiles.
No vengo del mundo de la producción de vídeo, pero la plataforma convierte mis guiones en vídeos claros y profesionales sin complicaciones.
Un salto en la calidad de nuestras campañas. Con esta velocidad de producción atendemos a clientes de retail con material a la altura de las grandes agencias.
Las funciones de IA son muy impresionantes. Hacen que el proceso de creación sea más rápido e inteligente, sobre todo en vídeo y contenido de marca.
Llevo tiempo usando Renderforest para mis vídeos y estoy más que impresionado. La variedad de plantillas es fantástica. ¡5 estrellas sin dudarlo!
La interfaz intuitiva, la amplia colección de plantillas, las muchas opciones de personalización y la rapidez de renderizado hacen posible mi trabajo creativo.
Cientos de vídeos después, sigo impresionado con la calidad de los resultados. El mejor dinero que he gastado en 30 años de marketing.
Me dedico a la creación audiovisual y Renderforest me ayuda a lograr un nivel profesional de forma rápida y sencilla. Rápido, simple y pro.
Un único plan plano. MiniMax H3 y todos los modelos a su lado.
- MiniMax H3
- Veo 3.1
- Kling 3.0
- Seedance 2.0
- Pixverse V6
- Renderforest Fast
El acceso directo a la API de H3 cuesta ~$0.13 por segundo en 2K: unos $1.95 por clip de 15 segundos, y más tras el margen de los revendedores. Renderforest reúne H3 con Veo 3.1, Kling, Seedance y Pixverse en una sola suscripción: editor, más de 1200 plantillas, kit de marca, derechos comerciales. Sin paquetes de créditos, sin aritmética por segundo, y el próximo gran modelo se suma sin costo adicional.
Encuentra el plan perfecto para tus necesidades
Preguntas frecuentes
¿Qué es MiniMax H3?
MiniMax H3 es un modelo de generación de video omnimodal lanzado el 31 de julio de 2026. Genera de 4 a 15 segundos de video 2K nativo a 24fps con audio estéreo de 32kHz producido en la misma pasada, admite escenas multiplano y diálogos sincronizados con los labios en 11 idiomas, y acepta texto, imágenes, video y audio como entrada. Puedes usarlo gratis en Renderforest sin descargar nada.
¿MiniMax H3 es lo mismo que Hailuo 3?
Sí, es un solo modelo. El nombre que le da MiniMax es MiniMax H3, y así aparece en las notas de lanzamiento, en la ficha del modelo y en la API. «Hailuo 3» y «Hailuo 3.0» son nombres no oficiales que cuajaron porque los dos modelos de consumo anteriores fueron Hailuo 01 y Hailuo 02, y varias plataformas listan H3 de esa forma. No tiene relación con MiniMax M3, que es un modelo de lenguaje de texto.
¿Puedo usar MiniMax H3 en EE. UU., el Reino Unido o la UE?
Sí, a través de una plataforma alojada. La licencia de pesos abiertos de MiniMax nombra a EE. UU., la UE, el Reino Unido y Corea del Sur como territorios excluidos, pero esa restricción afecta a ejecutar los pesos en hardware propio. Usar H3 a través de Renderforest funciona desde cualquier país, y te da el pipeline 2K completo, que los pesos descargables no pueden producir.
¿MiniMax H3 es gratis?
Los pesos se pueden descargar gratis donde la licencia lo permite, pero MiniMax se guardó el módulo de regeneración a 2K, así que una instalación local se queda en un lado corto de 768 píxeles. La API oficial es de pago: unos $0.13 por segundo en 2K y $0.08 en 768p. El plan gratuito de Renderforest incluye generaciones limitadas con H3 sin tarjeta; los planes de pago quitan la marca de agua y añaden derechos comerciales.
¿MiniMax H3 genera sonido?
Sí, y es su característica definitoria. H3 predice video y audio a la vez, produciendo estéreo de 32kHz que cubre diálogos, efectos de sonido y ambiente en la misma pasada. Como la imagen y el sonido salen de un mismo modelo, el movimiento de los labios y los impactos están sincronizados y no aproximados.
¿Cuánto puede durar un video de MiniMax H3?
De cuatro a quince segundos por generación, en segundos enteros, a 24 fotogramas por segundo. Para algo más largo, genera varios planos y únelos en el editor de Renderforest: puedes montar clips de H3 con planos de Veo 3.1 o Kling en la misma línea de tiempo y exportarlo como un solo video.
¿Con qué resolución exporta MiniMax H3?
Hasta 2K, con un lado corto de 1440 píxeles, en formatos que van del 21:9 al 9:16. El 2K se genera en lugar de escalarse después, y por eso los textos en pantalla, los logos y el detalle fino aguantan mejor que en los modelos que amplían un render de menor resolución. Ten en cuenta que los pesos abiertos están limitados a 768 píxeles en el lado corto.
MiniMax H3 vs Veo 3: ¿cuál me conviene?
H3 para audio generado en 2K, escenas multiplano y diálogos multilingües a un coste por segundo mucho menor. Veo 3.1 para máxima resolución y duración: 4K con extensión de escena más allá del minuto. Ambos funcionan en Renderforest con el mismo plan, así que lanza tu prompt en cada uno y compara en lugar de elegir de antemano.
¿En qué se diferencia H3 de Hailuo 2.3?
Hailuo 2.3 producía clips mudos de 768p o 1080p con una duración fija de 6 o 10 segundos a partir de una única imagen de origen, sin multiplano. H3 produce 2K con cualquier duración de 4 a 15 segundos, con audio estéreo generado junto a la imagen, varios planos con un solo prompt y hasta nueve imágenes de referencia más video y audio. Los prompts se transfieren con cambios mínimos.
¿Puedo ejecutar MiniMax H3 en local?
Si estás fuera de EE. UU., la UE, el Reino Unido y Corea del Sur, sí: los pesos de 33B parámetros están en Hugging Face, ComfyUI lanzó soporte nativo el 3 de agosto de 2026 y AMD anunció soporte desde el día 0 en Instinct MI355X y MI300X. Dos advertencias: el uso comercial por encima de $20M de ingresos anuales necesita autorización por escrito, y como el módulo de regeneración a 2K no se publicó, la salida local llega como mucho a un lado corto de 768 píxeles.
¿Puedo usar los videos de MiniMax H3 comercialmente?
Los videos generados y editados en Renderforest con un plan de pago incluyen derechos de uso comercial para anuncios, trabajo para clientes y canales monetizados. Plataformas como YouTube y Meta piden a los creadores etiquetar el material realista generado con IA, algo que conviene hacer sea cual sea el modelo que lo produjo.
¿Habrá un Hailuo 4?
MiniMax no ha anunciado ninguno, y el ritmo de lanzamientos ha sido rápido: Hailuo 02 en 2025, Hailuo 2.3 ese octubre y H3 nueve meses después. Cuando llegue la próxima versión, aparecerá en el mismo menú de modelos de aquí, que es justo el sentido de trabajar en una plataforma multimodelo en lugar de en un envoltorio de un solo modelo. Actualizamos esta página el mismo día en que algo cambia.