Vídeo de produto para e-commerce com MiniMax H3

Todo time de e-commerce bate na mesma parede: páginas de produto com vídeo convertem melhor, as plataformas de anúncio recompensam criativos em vídeo — e, ainda assim, uma produção de vídeo decente custa quatro dígitos por SKU, e o catálogo da próxima estação a torna obsoleta. Multiplique por cinquenta SKUs e o «devíamos ter vídeo» silenciosamente vira «temos fotos».

O motivo de a IA de vídeo não ter resolvido isso até agora é a deriva. Descreva seu produto em palavras e cada geração inventa um levemente diferente — o logo entorta, o material muda, a forma fica quase certa. Para b-roll de lifestyle, dá para tolerar. Para um produto que você está vendendo, é desclassificante.

O MiniMax H3, o modelo omni-modal que a MiniMax lançou em 31 de julho, segue outra rota: ele lê as suas fotos de produto reais como referências e trava o SKU enquanto gera a cena ao redor. Nós operamos o Pixo, uma plataforma de vídeo multimodelo em que o H3 está no ar no Playground, e este é o fluxo de trabalho que entregaríamos a qualquer lojista com uma pasta de fotos de produto e nenhum orçamento de vídeo.

Por que o H3 foi feito para vídeo de produto

O produto é ancorado às suas fotos, não a uma descrição. O H3 aceita até 12 arquivos de referência em um único prompt — 9 imagens, 3 clipes de vídeo, 3 faixas de áudio — e os trata como um único briefing. Envie o seu packshot e uma foto de detalhe, marque os papéis deles, e a cena gerada carrega o seu produto: mesma forma, mesmo material, mesmo posicionamento do logo. O manual oficial demonstra exatamente isso — um produto mostrado em três ambientes com a forma, o material e o logo se mantendo em cada quadro — e seus exemplos de showcase (uma cadeira Herman Miller girando em um tour de recursos, um anúncio de óculos de sol travado nos detalhes da armação) são vídeos de produto, o que mostra para que o modelo foi calibrado.

O som já vem com a imagem. Toda saída do H3 inclui áudio estéreo nativo gerado na mesma passada — ambiência, sons do produto, uma locução se você escrever uma. Um primeiro corte de vídeo de produto que não precisa de banco de músicas nem ferramenta de dublagem é uma diferença real de fluxo de trabalho, não uma linha em ficha técnica.

Um conceito, todos os posicionamentos. No Pixo você escolhe o quadro no prompt — 9:16 para Reels e TikTok, 1:1 para feed, 3:4 para anúncios de marketplace, 16:9 para YouTube e o hero do seu site — em 768p ou 2K. Cada formato é gerado nativamente, recomposto para aquele quadro. Isso importa porque cortar um master 16:9 para 9:16 é como os produtos acabam recortados dos próprios anúncios.

É rápido o suficiente para fazer teste A/B. Os clipes têm de 4 a 15 segundos — que é a duração que realmente é assistida em páginas de produto e mídia paga — e cada um é uma única geração. Testar «bancada de mármore vs. luz de praia» são duas execuções, não dois dias de filmagem.

O fluxo: das fotos ao vídeo de produto em cinco passos

1. Escolha 2–3 fotos por SKU. Um packshot limpo, uma foto de ângulo ou detalhe e, opcionalmente, um close de textura. Cada arquivo pode ter até 30MB — use a fotografia real do anúncio, não miniaturas.
2. Abra o Playground e selecione o MiniMax H3. Vídeo → MiniMax H3 no Playground do Pixo. Envie as fotos; elas são numeradas na ordem de envio — Imagem 1, Imagem 2 — e é assim que você vai referenciá-las.
3. Escreva o prompt em três partes. Notas de referência primeiro («A Imagem 1 trava a forma, o material e o logo do produto»), depois a ideia central (que cena, que clima), depois o que a câmera vê, em ordem. Concreto ganha de poético: «o vapor sobe, a câmera avança lentamente» rende mais do que «uma manhã evocativa».
4. Escolha formato e resolução. Escolha a proporção de tela para o posicionamento que você vai alimentar — uma geração por formato — e 768p para rascunhos ou 2K para a final.
5. Gere, regenere, exporte. Revise o plano, ajuste o prompt onde ele errar e exporte sem marca d'água.

Três prompts para copiar e colar

Troque as partes entre colchetes pelo seu produto; mantenha a estrutura.

1. Packshot limpo de estúdio (16:9 ou 1:1, hero de site / anúncio)

Arquivos de referência do showcase

Um showcase do manual no mesmo registro

A Imagem 1 trava a forma exata, o material e o logo do produto: [um estojo de
fones sem fio preto fosco]. Um vídeo de produto premium de estúdio. O estojo
está sobre uma superfície de mármore claro contra um fundo cinza suave. Luz
principal suave vinda da esquerda, reflexo delicado no mármore. A câmera
orbita lentamente o produto, 180 graus. No ponto médio, a tampa se abre
suavemente revelando os fones acomodados dentro. Ambiência calma e
minimalista; um clique suave quando a tampa abre. Música não narrativa: N/A.

Por que funciona: uma referência travada, uma superfície, um movimento de câmera, uma ação do produto. A linha «música não narrativa: N/A» mantém a faixa limpa para você adicionar a música da marca na pós — ou apague essa linha e deixe o H3 musicar.

2. Cena de lifestyle (9:16, Reels / TikTok / Shorts)

A Imagem 1 trava o produto: [um frasco conta-gotas de skincare em vidro
âmbar, rótulo exatamente como mostrado]. Vídeo vertical de lifestyle. Uma
prateleira de banheiro iluminada pelo sol da manhã, plantas verdes desfocadas
atrás. A mão de uma mulher entra no quadro, ergue o frasco e o gira devagar
até o rótulo ficar de frente para a câmera. Luz quente de janela, pouca
profundidade de campo, gotas d'água na prateleira de vidro. Ambiência
silenciosa de manhã. Uma voz feminina calma diz: "Duas gotas. Essa é a rotina
inteira."

Por que funciona: a mão dá escala e vida sem precisar de um rosto travado, o giro para a câmera garante um quadro de rótulo legível para a miniatura, e a fala está escrita literalmente — o H3 gera a voz junto com a imagem, sem sincronia labial necessária porque quem fala está fora de cena.

3. Mesmo SKU, corte em três cenas (16:9, criativo de anúncio)

Arquivos de referência do showcase

Um showcase do manual no mesmo registro

A Imagem 1 trava a forma, o material e o logo do produto: [um copo térmico de
aço inox]. Um anúncio de produto em três cenas com cortes secos limpos. Cena
1: o copo em um banco de academia, luz da manhã, uma toalha ao lado. Cena 2:
o mesmo copo no porta-copos de um carro, bokeh da cidade passando pela
janela. Cena 3: o mesmo copo em uma mesa de escritório ao lado de um
notebook, luz de fim de tarde. A forma, o material e o logo do produto
permanecem idênticos em todas as cenas. Enquadramento firme de tripé, produto
centralizado. Som ambiente segue cada locação. Música não narrativa: N/A.

Por que funciona: é a demonstração de deriva zero do manual transformada em criativo de anúncio — três contextos, uma identidade. Diga «permanecem idênticos em todas as cenas» explicitamente; reafirmar a trava no texto da ação é um seguro barato.

Vídeo de produto vs. anúncio UGC — de qual guia você precisa?

Este guia cobre o vídeo guiado pelo produto: o SKU é o herói, o visual é polido, o destino é o seu anúncio, site ou um posicionamento pago limpo. Se você quer o formato deliberadamente cru, filmado no celular, estilo criador de conteúdo para anúncios de performance, esse é outro manual — veja como fazer anúncios UGC com o Pixo. E se você precisa de um comercial cinematográfico completo com porta-voz e arco narrativo em múltiplos planos, o pipeline de storyboard do nosso guia de comerciais com IA foi construído exatamente para isso.

Perguntas frequentes

Existe uma IA que faz vídeos de produto a partir de fotos?

Sim. O MiniMax H3 gera vídeos de produto de 4 a 15 segundos a partir das fotos de produto que você já tem. Envie até 9 imagens como referências — packshots, fotos de detalhe, fotos de lifestyle — e o H3 trava a forma, o material e o logo do produto ao longo da cena gerada, com som gerado na mesma passada. Ele está no ar no Playground do Pixo.

De quantas fotos de produto eu preciso?

Duas ou três boas fotos bastam para a maioria dos SKUs: um packshot limpo, uma foto de ângulo ou de detalhe e, opcionalmente, um close de textura. Cada referência pode ter até 30MB. Numere-as no prompt — a Imagem 1 trava o produto, a Imagem 2 mostra o detalhe — para o modelo saber o papel de cada arquivo.

O produto vai ficar idêntico em todas as cenas?

Essa é a graça da geração travada por referência. Como o produto está ancorado às fotos que você enviou, e não descrito em palavras, sua forma, material e logo se mantêm em ambientes diferentes — o manual oficial do H3 demonstra o mesmo SKU em três cenas com deriva zero.

Os vídeos vêm com som?

Sim — toda saída do H3 inclui áudio estéreo nativo gerado junto com a imagem: ambiência, sons do produto e uma locução se você escrever a fala no prompt. Nada de trilha separada ou passada de dublagem para um primeiro corte.

Quais proporções de tela e resolução posso usar?

No Pixo você escolhe o formato no prompt: 9:16 para Reels, TikTok e Shorts, 1:1 para posicionamentos de feed, 3:4 ou 4:3 para marketplaces, 16:9 para YouTube e heros de site — em 768p ou 2K. Cada geração renderiza um formato nativamente, recomposto para aquele quadro em vez de cortado.

É grátis para testar?

Novos usuários ganham 200 créditos grátis no cadastro, e os planos estão com até 55% de desconto no momento. As exportações são sem marca d'água.

O MiniMax H3 está no ar no Playground do Pixo — envie as suas fotos de produto e gere planos de 4 a 15 segundos em 768p ou 2K. Cadastre-se agora — novos usuários ganham 200 créditos grátis no cadastro, e os planos estão com até 55% de desconto no momento. Para anúncios mais crus em estilo criador, veja anúncios UGC com o Pixo; para comerciais cinematográficos de múltiplos planos, veja o guia de comerciais com IA; para o raio-x completo do modelo, comece por o que é o MiniMax H3.