MiniMax H3 | Modelo de vídeo com IA omnimodal

O que o modelo entrega

Todos os clipes abaixo vêm das demonstrações de lançamento da própria MiniMax, então dá para julgar a qualidade da imagem antes de gastar qualquer coisa. Aqui eles rodam em loop e sem som — o som estéreo nativo é tratado mais abaixo.

Cinco coisas que ele faz bem

As afirmações são da MiniMax e os clipes são as demonstrações deles. O que você recebe no MakeFun é o retorno da sua própria geração.

Compreensão & geração multimodais nativas

Aceita texto, imagens, áudio e vídeo como entrada. Entende personagens, movimento, som, emoção, trabalho de câmera, estilo e intenção, e funde várias referências em uma saída audiovisual unificada. O exemplo da própria MiniMax cabe em uma frase: “Use o movimento de câmera hitchcockiano do Vídeo 1, faça o personagem da Imagem 2 cantar, com a voz combinando com o Áudio 3.” Três tipos de material, cada um com uma função, em um único prompt.

Edição & controle multimodais precisos

Edita personagens, objetos, cenas, som e ritmo em várias dimensões, seguindo instruções com bastante detalhe, então dá para iterar sobre conteúdo existente de forma previsível. Mudar uma coisa não significa regerar tudo: diga o que precisa ficar e o que precisa mudar, e siga a partir do clipe que você já tem.

Conteúdo pronto para produção em diferentes usos

Feito para cinema, publicidade, branding, e-commerce e games — cobre textos na tela, materiais de marca, efeitos criativos, vitrines de produto, movimento de UI/UX, visuais de jogo e expressão estilizada. O que esses trabalhos têm em comum é que o quadro contém tipografia, um logotipo ou o próprio produto, e nada disso sobrevive borrado.

Som estéreo nativo, feito junto com a imagem

O H3 gera vídeo com som estéreo nativo — o áudio não é dublado depois, ele sai da mesma passada da imagem. Escreva diálogo, música, ambiência e efeitos no prompt junto com a ação, e a trilha acompanha o plano, o que elimina por completo o vaivém de renderizar, musicar e sincronizar.

Até 2K, com as letras pequenas ainda legíveis

Os clipes vão até 15 segundos em até 2K, e 2K é o que o modelo oferece por padrão. Não é um ampliador tradicional inventando pixels: o resultado em resolução menor volta ao modelo junto com o contexto multimodal original e é regerado em contexto, de modo que legendas, logotipos e elementos de interface são reconstruídos em vez de adivinhados. É a mesma propriedade da “renderização precisa de texto e marca”, vista pelo outro lado.

Escolha o modo antes das configurações

O MakeFun abre três modos para o MiniMax H3. O modo escolhido define o que você precisa preparar antes mesmo de escrever a primeira palavra do prompt.

Texto para vídeo

Descreva a cena, os personagens, as ações, a câmera e o som em um único prompt para criar um clipe completo com áudio estéreo nativo — sem precisar de nenhum arquivo. A forma mais rápida de colocar uma ideia na tela quando você parte do zero.

Image to Video

Anime uma única imagem ou envie o primeiro e o último quadro para controlar exatamente como a sequência começa e termina. Ótimo para cartazes, vitrines de produto e demonstrações de interface. Aqui, primeiro-e-último quadro não é um modo separado — ele vive dentro deste, então envie as duas imagens quando o começo e o fim importarem.

Referência para vídeo

Combine referências de imagem, vídeo e áudio no mesmo trabalho. Use imagens para a identidade, vídeo para movimento e linguagem de câmera, áudio para voz e som. Dizer a cada arquivo qual é a sua função é o que faz esse modo funcionar de forma consistente.

Três passos até o seu primeiro clipe

Esta é a ordem real das operações no MakeFun. Não há nada extra para ativar antes.

1. Escolha o modo

Escolha texto para vídeo, imagem para vídeo com primeiro e último quadro, ou referência para vídeo com referências mistas. Os três estão descritos acima; se errar aqui, nenhum ajuste de parâmetro depois vai parecer certo.

2. Escreva o prompt

Descreva a cena, o movimento e o estilo que você quer no vídeo. O som entra no mesmo parágrafo — diálogo, música e ambiência escritos ao lado da ação voltam na mesma geração.

3. Ajuste os parâmetros & gere

Selecione duração, resolução e proporção e clique em gerar. O resultado aparece em My Result, de onde você pode levá-lo ao aumento de resolução, à remoção de legendas e ao resto das ferramentas.

O que dá para configurar em cada geração

Estes são os controles que o MiniMax H3 oferece hoje no MakeFun — o bastante para julgar se ele atende ao seu padrão de entrega.

Configuração	O que você recebe
Duração	Até 15 segundos em um clipe. O arco inteiro precisa caber ali, então escreva o ritmo no prompt em vez de torcer para o modelo acertar o final.
Resolução	2K, e 2K é o padrão — não existe um nível separado de alta definição para lembrar de ativar.
Áudio	Estéreo nativo, gerado na mesma passada da imagem. Nada para habilitar e nada para sincronizar depois.
Imagens de entrada	JPG, PNG ou WebP, com no máximo 30 MB cada, lado menor de pelo menos 300 pixels e proporção entre 1:2,5 e 2,5:1.
Prompt	Até 7.000 caracteres — espaço para um roteiro plano a plano, não só para uma frase.
Número de saídas	Um clipe por envio.
Acesso	Apenas contas pagas.

Cinco coisas que evitam uma segunda tentativa

Dê um papel a cada referência

Diga o que cada arquivo controla — identidade do personagem, aparência do produto, movimento, estilo ou voz — para evitar conflitos entre as entradas. Quando um trabalho com referências mistas dá errado, normalmente há dois arquivos disputando a mesma coisa.

Estruture sequências mais longas

Divida ideias com vários planos em uma progressão ordenada (por exemplo [0-3 s]… [3-7 s]…) para o ritmo se manter ao longo do clipe. Uma descrição sem segmentação tende a ser encenada toda nos três primeiros segundos.

Dirija o áudio junto com a imagem

Descreva diálogo, música, ambiência e efeitos sonoros ao lado da ação; o H3 gera som estéreo nativo na mesma passada. Se escrever só a imagem, você entregou a trilha ao modelo.

Defina a linguagem de câmera

Especifique enquadramento, movimento, foco e comportamento da lente para conseguir uma fotografia intencional em vez de movimento genérico. “Cinematográfico” sozinho não dá nada ao modelo; um movimento com nome, sim.

Preserve e restrinja

Liste rostos, objetos de cena, textos e detalhes de marca que precisam permanecer consistentes, e diga o que evitar (cortes secos, morphing, texto extra). Em um trabalho que você precisa entregar, o que não pode aparecer importa tanto quanto o que precisa aparecer.

Documentação e API

Quer integrar o MiniMax H3 ao seu próprio produto? Endpoints, parâmetros, autenticação e cobrança estão na documentação para desenvolvedores do MakeFun, onde também há acesso via MCP.

Gerar com o MiniMax H3 Abrir a documentação para desenvolvedores

Por que rodar o MiniMax H3 no MakeFun

Funciona com a conta que você já tem

O H3 usa os créditos que você já tem no MakeFun. Nada para instalar, nenhum cadastro separado e nenhum segundo lugar para acompanhar suas renderizações.

Um só lugar para todos os modelos

MiniMax, Wan, Seedance, Kling, Sora, Veo, Seedream e outros ficam sob uma conta e um saldo. Rode o mesmo briefing em vários deles em vez de pagar por várias ferramentas.

Feito para entregar

Sincronia labial, clonagem de voz, troca de rosto e de cabeça, remoção de legendas e aumento de resolução ficam ao lado da geração, então um clipe vai do prompt ao material final sem sair do site.

Modelos de vídeo com IA relacionados no MakeFun

Wan 3.0 — o modelo de vídeo tudo em um da Tongyi Wanxiang, com plano-sequência nativo de 30 segundos. A outra metade da dupla se o seu corte precisa de duração em vez de referências mistas.
Seedance 2.5 — o modelo multimodal profissional da ByteDance, também disponível no MakeFun. Compare os dois com o mesmo briefing.
Wan 2.6 e Wan 2.6 Flash — uma geração anterior, ainda uma opção rápida e econômica.
Kling 2.6 e Sora 2 — outros modelos de vídeo que valem a pena testar com o mesmo prompt.
Sincronia labial e vídeo para áudio — ferramentas de finalização para o material gerado.

MiniMax H3: vídeo com som nativo