MiniMax lanzó H3 el 31 de julio con una promesa concreta: clips de hasta 15 segundos en 2K, acompañados por sonido estéreo. Lo llamativo no es solo la resolución. El modelo puede recibir texto, imágenes, audio o vídeo, editar material existente y trasladar el movimiento de un clip a otro. En campañas de iGaming, por ejemplo en contenidos vinculados a 1xbet bonos, el modelo podría reunir referencias separadas en una sola pieza audiovisual sin pasar por varias herramientas. El salto frente a muchos sistemas anteriores está ahí: menos tareas aisladas y más control dentro del mismo proceso. Falta comprobar si esa amplitud mantiene calidad constante fuera de las demostraciones.
Un solo modelo para tareas antes separadas
El lanzamiento del 31 de julio reúne generación y edición en una arquitectura de propósito general. H3 admite texto a vídeo e imagen a vídeo. También puede transformar un clip mediante instrucciones escritas o tomar el movimiento de una referencia y aplicarlo a otra escena.
La diferencia práctica aparece cuando el encargo mezcla materiales. Una instrucción puede pedir el movimiento de cámara de un vídeo y conservar un personaje tomado de una imagen. Después puede incorporar una voz. Antes, ese trabajo solía repartirse entre modelos especializados y una fase posterior de montaje. H3 intenta interpretar la relación entre las referencias desde el principio.
El sonido tampoco llega como una capa añadida al final. Se genera en estéreo dentro del mismo proceso. Eso puede coordinar mejor la acción con el audio, aunque el resultado dependerá del tipo de escena.
Doce archivos pueden entrar en una petición
Cada solicitud admite hasta nueve imágenes de referencia. Puede incluir tres vídeos y hasta tres archivos de audio, con un máximo total de doce materiales mezclados. Los clips de referencia pueden durar entre dos y 15 segundos, pero el tiempo combinado de vídeo no puede superar ese límite.
El prompt llega hasta 7.000 caracteres. Hay margen para describir movimientos de cámara y relaciones entre personajes. También se pueden indicar cambios sobre una secuencia existente. La salida se configura entre cuatro y 15 segundos, en 768p o 2K.
Ese control convierte a H3 en algo más parecido a una mesa de trabajo compacta que a una máquina de clips sorpresa. No elimina la dirección creativa. La concentra.
Un clip completo en 2K cuesta US$1,95
La tarifa publicada para 2K es de US$0,13 por segundo. Un clip de 15 segundos cuesta US$1,95 antes de sumar posibles cargos por vídeos de referencia. En 768p, el precio es de US$0,09 por segundo, aunque esa opción figura actualmente en beta cerrada.
MiniMax afirma que generar en 2K cuesta menos de un tercio que con herramientas comparables. También sostiene que su tokenizador multiplica por cuatro la longitud efectiva de secuencia y reduce las necesidades de cómputo. Son afirmaciones del desarrollador, no resultados de una comparación independiente.
El precio permite repetir más veces. Un equipo puede producir distintas versiones de una escena y corregir el movimiento sin convertir cada prueba en una partida grande. La economía mejora. La consistencia todavía tendrá que demostrarse.
Del comercio digital al iGaming
MiniMax identifica la publicidad y el comercio electrónico como usos previstos. También menciona el diseño de producto, mientras el gaming aparece entre los sectores contemplados. En iGaming, una aplicación posible sería crear fondos animados para interfaces o variaciones breves de piezas promocionales. Otra sería probar un concepto visual antes de encargar una producción completa.
Eso no confirma adopción por operadores ni sustituye el trabajo final de diseño. El valor potencial estaría en acelerar bocetos audiovisuales y mantener referencias de marca entre versiones. Por eso, la edición resulta tan importante como la generación desde cero.
La compañía también planea publicar los pesos del modelo para descarga. Esa apertura permitiría adaptar H3 a flujos propios y probarlo con hardware distinto, pero la disponibilidad aún no estaba confirmada en el momento del lanzamiento.
Ahí aparece el siguiente examen. H3 ya combina salida 2K con sonido nativo. También incorpora edición dentro del mismo sistema. El cambio será más profundo cuando los equipos puedan repetir resultados y ajustar el modelo a sus propios materiales sin perder control entre versiones.
