MiniMax H3 (Hailuo 3.0): video AI nativo in 2K con audio stereo

MiniMax H3, commercializzato anche come Hailuo 3.0, è il nuovo modello di punta per la generazione video del laboratorio di intelligenza artificiale di Shanghai MiniMax, presentato ufficialmente il 31 luglio 2026. Elabora testo, immagini, video e audio in un unico contesto e restituisce clip cinematografiche fino a 15 secondi in risoluzione 2K nativa (2560×1440) con audio stereo integrato — senza upscaling, senza passaggi separati per l’audio. Secondo i benchmark di Artificial Analysis, H3 occupa attualmente il primo posto nella qualità di editing video tra i modelli AI commerciali.

Ciò che distingue Hailuo H3 dalla generazione precedente è che integra generazione, editing e audio in un unico passaggio, offre l’output 2K a meno di un terzo del prezzo dei principali concorrenti e — cosa insolita per un modello video di livello commerciale — MiniMax prevede di rilasciare i pesi del modello apertamente entro pochi giorni dal lancio.

Cos’è MiniMax H3?

Un modello di generazione video all-modal

MiniMax H3 è quello che MiniMax definisce un modello generativo video “all-modal”: accetta qualsiasi combinazione di testo, immagini, clip video e audio come input e produce una clip video finita come output. Il modello è stato anticipato il 30 luglio 2026 con l’hashtag #MiniMaxH3 e presentato ufficialmente il giorno successivo. È stato sviluppato da MiniMax, il laboratorio AI di Shanghai fondato nel dicembre 2021 con la missione “Intelligence with Everyone” e che oggi conta oltre 200 milioni di utenti sui suoi prodotti.

MiniMax ha progettato H3 fin dall’inizio per i flussi di lavoro commerciali — pubblicità, demo di prodotti per l’e-commerce, contenuti di brand, gaming e UI design — dove la coerenza dei personaggi, la sincronizzazione audio e la risoluzione contano su scala.

Il posto di H3 nella linea Hailuo

H3 è la terza generazione della linea video Hailuo di MiniMax, successore di Hailuo 02 e Hailuo 2.3. Hailuo 2.3 produceva clip 1080p silenziose fino a circa 10 secondi. Hailuo 3.0 raddoppia approssimativamente la risoluzione portandola al 2K nativo e aggiunge audio nativo in un unico passaggio — i due aggiornamenti principali che definiscono il salto generazionale.

Specifiche tecniche di MiniMax H3: risoluzione, durata e frame rate

H3 esegue il rendering nativo a 2K (2560×1440, lato corto 1440 px) all’interno del modello stesso, senza un passaggio di upscaling separato. Il frame rate è fisso a 24 FPS — la cadenza standard della produzione cinematografica e televisiva. Le clip hanno una durata compresa tra 5 e 15 secondi per generazione, con la possibilità di comporre più inquadrature in una singola clip; l’opzione Extend Video consente di estendere una clip completata fino a circa 30 secondi.

Il modello accetta prompt fino a 7.000 caratteri e supporta sei rapporti d’aspetto — 21:9, 16:9, 4:3, 1:1, 3:4 e 9:16 — che coprono i formati cinematografico widescreen, paesaggio standard, quadrato e verticale per mobile. Un livello a 768p è stato annunciato per le bozze a costo ridotto.

Queste specifiche collocano H3 in una fascia competitiva accanto ai principali modelli video commerciali; come Seedance 2.0 e Kling 3.0, H3 va oltre i 1080p e include audio nativo, sebbene H3 si distingua per il prezzo e la profondità di Omni Reference. Il benchmark indipendente conferma questo posizionamento nella pratica.

MiniMax H3 raggiunge il primo posto nell’editing video nella classifica di Artificial Analysis, dimostrando prestazioni all’avanguardia nel seguire le istruzioni e nella coerenza del movimento per i video generati dall’AI.— Artificial Analysis AI Video Leaderboard

Audio nativo e input multimodale

Audio stereo integrato

H3 genera audio stereo nativo nello stesso passaggio del video — dialoghi, effetti sonori e atmosfera ambientale sincronizzati fotogramma per fotogramma con l’azione. Il modello gestisce il lip sync (allineamento del movimento labiale al parlato generato) e il trasferimento della timbrica vocale (preservando la qualità vocale caratteristica di un parlante). Questo elimina il passaggio separato di post-produzione audio richiesto dalla maggior parte dei modelli video concorrenti, in cui il filmato silenzioso viene affidato a un secondo modello per il sonoro.

Il layer audio non è un’aggiunta posticcia: MiniMax ha addestrato H3 a trattare la traccia audio come un output di prima classe, il che significa che il suono generato risponde agli eventi visivi nella clip anziché scorrere come flusso indipendente.

Omni Reference: fino a 12 asset per generazione

La modalità di input Omni Reference di H3 accetta fino a nove immagini di riferimento, tre clip video di riferimento e tre clip audio contemporaneamente — dodici asset in una singola chiamata di generazione. Il modello utilizza questi riferimenti per mantenere coerenti il volto, lo stile, i movimenti e la voce di un personaggio in ogni inquadratura prodotta.

È questa la funzione che rende Hailuo H3 utilizzabile per contenuti a più riprese incentrati sui personaggi, anziché clip isolate una tantum. Un brand può fornire l’immagine di un prodotto, un logo, un campione vocale e un riferimento di movimento, e H3 li integrerà tutti nell’output in modo coerente.

• Fino a 9 immagini di riferimento (volto, abbigliamento, prodotto, ambiente, stile)
• Fino a 3 clip video di riferimento (stile di movimento, movimento della camera)
• Fino a 3 clip audio (timbrica vocale, stile musicale)
• Identità coerente del personaggio in tutte le inquadrature della clip

Editing e trasferimento del movimento

Editing basato su istruzioni

Oltre alla generazione da zero, il modello video H3 supporta l’editing guidato da istruzioni: si descrive una modifica in linguaggio naturale e il modello la applica a una clip esistente. Le modifiche supportate includono la sostituzione di un personaggio o oggetto, il restiling dello sfondo, la regolazione dell’illuminazione, la modifica del ritmo del dialogo e la modifica degli effetti visivi. Il modello preserva tutto ciò che non è stato menzionato nell’istruzione.

Questa capacità di editing è il punto di forza tecnico distintivo di H3 e il motivo principale per cui ha raggiunto la vetta della classifica di editing video di Artificial Analysis al lancio.

Trasferimento del movimento video-to-video

H3 supporta anche il trasferimento del movimento video-to-video (V2V), mappando la firma esatta del movimento da una clip sorgente su contenuti completamente nuovi. Una sequenza di danza, un movimento di camera per la presentazione di un prodotto o il ciclo di camminata di un personaggio possono essere estratti da una clip e applicati a una scena, un soggetto o uno stile diversi. Combinato con il rendering di testo e brand — incorporando logo leggibili, nomi di prodotti e testo UI direttamente all’interno del video generato — il V2V posiziona H3 in pieno nel mercato della produzione commerciale, dove i template di movimento e la coerenza del brand sono imprescindibili.

Come utilizzare il flusso di lavoro di editing con istruzioni:

1. Apri Hailuo AI o chiama l’API MiniMax con la tua clip sorgente.
2. Scrivi un’istruzione di modifica in linguaggio naturale che descriva cosa deve cambiare.
3. Facoltativamente, fornisci immagini o audio di riferimento nei campi Omni Reference.
4. Imposta la risoluzione (2K per la consegna, 768p per le bozze) e il rapporto d’aspetto.
5. Invia la richiesta e attendi il completamento della generazione (in genere da pochi secondi a un minuto).
6. Rivedi l’output; riesegui con un’istruzione affinata se sono necessarie modifiche.
7. Usa Extend Video per allungare una clip completata fino a ~30 secondi, se necessario.

Prezzi di MiniMax H3

Quanto costa una clip

MiniMax fissa ufficialmente il prezzo della generazione 2K a circa $0,13 al secondo (circa $7,80 al minuto). Un livello bozza a 768p è indicato a circa $0,09 al secondo ed è stato annunciato come prossimamente disponibile. Nei primi test pratici con account consumer, una clip 2K da 15 secondi è costata circa $1, corrispondente a circa 150 crediti sui piani base — cifre coerenti con il prezzo al secondo.

Nota: i prezzi in accesso anticipato e i tassi di conversione dei crediti possono differire dai prezzi pubblici definitivi. Considera la cifra di ~$1/clip dai test iniziali come un’approssimazione fino alla pubblicazione della fatturazione API stabile.

L’argomento dell’efficienza dei costi

MiniMax posiziona H3 in modo aggressivo sul prezzo: dichiara che la generazione 2K costa meno di un terzo dell’output equivalente dei principali prodotti concorrenti, e che il livello 768p è prezzato a meno della metà del tipico output 720p dei concorrenti. Questo vantaggio di prezzo è centrale nel suo approccio commerciale — l’argomento è che i team di produzione non devono più scegliere tra qualità e budget quando generano video su scala.

Pesi aperti e disponibilità

MiniMax ha annunciato al lancio che prevede di rilasciare i pesi del modello H3 apertamente, entro pochi giorni dall’annuncio, con una MiniMax Community License. La licenza consente agli utenti di scaricare, eseguire e affinare il modello sulla propria infrastruttura — i pesi sono attesi su Hugging Face. Questo segue un pattern più ampio dei laboratori AI cinesi che pubblicano i pesi apertamente — insolito per un modello che altrimenti compete direttamente con le API commerciali a pagamento di ByteDance e Kuaishou.

Al momento dell’annuncio, H3 era in accesso anticipato limitato a un ristretto gruppo di partner creativi. Un’API pubblica stabile con documentazione completa non era ancora disponibile, e alcuni controlli dettagliati e limiti di frequenza erano ancora in fase di definizione durante il rollout. La piattaforma per sviluppatori MiniMax è il canale principale per l’accesso alle API; le richieste di accesso possono essere inviate tramite il sito.

Come usare MiniMax H3

Punti di accesso

Una volta ampiamente disponibile, H3 funziona all’interno di Hailuo AI — l’app consumer di generazione video di MiniMax — per gli utenti senza codice, e tramite le API MiniMax per gli sviluppatori che integrano la generazione video nei propri flussi di lavoro. L’API segue le convenzioni REST standard, accettando richieste multipart che combinano testo del prompt e asset multimediali.

Il flusso di lavoro supporta quattro modalità principali:

• Testo-to-video — genera una scena interamente da un prompt scritto
• Immagine-to-video — anima un’immagine statica o blocca fotogrammi specifici come inizio o fine della clip
• Video-to-video — applica il trasferimento del movimento o modifiche basate su istruzioni a una clip esistente
• Extend Video — allunga una clip completata verso il massimo di 30 secondi

Scegliere una modalità

Scegli testo-to-video quando costruisci una scena da zero. L’immagine-to-video è la scelta giusta quando disponi di una foto di prodotto o di un visual di brand che deve animarsi. Usa Omni Reference — disponibile in tutte le modalità — quando è richiesta la coerenza del personaggio o del brand tra le inquadrature. Genera a 768p per iterazione e revisione, poi esegui il rendering della versione approvata a 2K per la consegna finale.

MiniMax H3 a confronto con i rivali

Come si confronta

H3 compete direttamente con Seedance 2.0 di ByteDance e Kling 3.0 di Kuaishou. Entrambi i rivali hanno superato i 1080p — Seedance 2.0 e Kling 3.0 supportano entrambi fino al 4K, e includono audio nativo. Le caratteristiche distintive di H3 sono il prezzo inferiore a un terzo al livello 2K, il sistema Omni Reference con 12 asset e il previsto rilascio dei pesi in open source. Rispetto al suo predecessore Hailuo 2.3, H3 raddoppia approssimativamente la risoluzione, aggiunge audio nativo da zero e introduce Omni Reference.

I prezzi dei concorrenti sono stime basate sulla dichiarazione di MiniMax che H3 costa meno di un terzo dei principali competitor; i prezzi al secondo indipendenti di ByteDance e Kuaishou non sono stati verificati in modo indipendente al momento della stesura.

Contesto aziendale e di mercato

MiniMax è stata fondata a Shanghai nel dicembre 2021 e serve oltre 200 milioni di utenti attraverso i suoi modelli e prodotti applicativi. La società si è quotata alla Borsa di Hong Kong con il ticker 0100.HK il 9 gennaio 2026; le sue azioni sono raddoppiate nel giorno del debutto, portando la capitalizzazione di mercato a circa 13–14 miliardi di dollari (la valutazione pre-IPO sul mercato privato era stata di circa 4 miliardi di dollari). Il giorno dell’annuncio di H3, le sue azioni sono salite fino a circa il 13% intraday, con un volume di scambi che ha raggiunto circa HK$1 miliardo — un segnale che il mercato ha considerato il lancio di H3 un catalizzatore significativo per il piano dei ricavi AI video dell’azienda. MiniMax è la seconda “tigre dell’AI” cinese quotata alla HKEX dopo Z.ai.

FAQ