O modelo de vídeo omni-modal que lê texto, imagens, vídeo e áudio como um único contexto. Gere uma cena, troque um personagem, mude uma fala — sem tocar no resto.
Por que o MiniMax H3
Referencie até 12 arquivos em um único prompt — 9 imagens, 3 clipes de vídeo, 3 faixas de áudio. Fixe um rosto, empreste um movimento, marque o ritmo com uma trilha. O H3 lê tudo como um único briefing, não como uma colagem.
Referencie um rosto, uma ação, uma trilha — em um só prompt.
Toda saída vem com áudio estéreo nativo — diálogo, ambiente e efeitos gerados junto com a imagem, não dublados depois.
Sem rascunhos mudos. Sem sincronizar na pós.
Troque um personagem, mude o fundo, reescreva uma fala. O H3 executa edições locais com precisão — e mantém estável tudo o que você não tocou.
Só a instrução muda. Todo o resto permanece.
Filmes de marca, vitrines de produto, cenas de história, animação estilizada — quadros com qualidade de cinema onde legendas, logos e detalhes do produto ficam exatamente onde você os colocou.
Do filme de marca à demo de produto — combine H3 com Seedance ou Kling em uma só timeline.
Veja em ação
Filme de marca
Campanha de marca com identidade de produto travada e trilha sonora nativa.
Produto e e-commerce
Mesmo SKU, três cenas, zero variação — forma, material e logo se mantêm.
Drama de IA
Cena de diálogo com múltiplos cortes, gerada com som — lip-sync incluído.
Animação estilizada
Uma cena de rua real, reestilizada — movimento e luz preservados.
Especificações
Como funciona
Conte sua ideia ao agente do Pixo. Escolha proporção e resolução direto no prompt — e ele redige o roteiro e o storyboard completo.
Diga ao agente que quer o MiniMax H3, ou deixe que ele escolha o modelo certo. Suas referências vão junto, e cada cena é gerada em sequência.
Reordene as cenas na timeline, ajuste as que precisarem de retoque e exporte o vídeo finalizado — sem marca d'água.
FAQ
O MiniMax H3 é um modelo de vídeo omni-modal de nova geração da MiniMax, a equipe por trás do Hailuo. Ele trata texto, imagens, vídeo e áudio como um único contexto e gera vídeos multi-cena de 4–15 segundos com áudio estéreo nativo. No Pixo, ele fica lado a lado com Seedance, Kling e Veo no mesmo storyboard.
Vídeos de 4–15 segundos a 24 fps, em seis proporções — do widescreen de cinema 21:9 ao vertical 9:16 — escolhidas ao escrever o prompt. Todo resultado já vem com som embutido.
Prompts de texto de até 7.000 caracteres, além de arquivos de referência — imagens para fixar um rosto ou uma cena, clipes de vídeo para movimento e câmera, e faixas de áudio para ritmo e voz.
Sim. No storyboard do Pixo, cada cena pode usar um modelo diferente — combine MiniMax H3 com Seedance 2.0, Kling 3.0 ou Veo 3.1 na mesma timeline.
Cadastre-se em pixo.video — novos usuários ganham 200 créditos no cadastro, e os planos estão com até 55% de desconto no momento.
Sim. Gere em 768p para iterar rápido e depois eleve o resultado para 1440p — o modo oficialmente recomendado para a saída final. Um vídeo 21:9 renderiza em 2976×1248 no modo 1440p.
Até 12 arquivos: 9 imagens, 3 clipes de vídeo somando 15 segundos e 3 faixas de áudio. O áudio precisa vir acompanhado de uma entrada de imagem ou vídeo. O H3 lê todos como um único contexto — fixe um rosto com uma imagem, empreste um movimento de um clipe, marque o ritmo com uma faixa.
A fala gerada cobre 11 idiomas com lip-sync preciso — incluindo inglês, chinês, japonês, coreano, francês, alemão e espanhol — e mais de 40 idiomas adicionais, como árabe, tailandês e híndi, podem ser explorados. Isso o torna ideal para anúncios multilíngues e vídeos de produto localizados.
Novos usuários ganham 200 créditos no cadastro. Planos com até 55% de desconto.
Experimentar o MiniMax H3Todos os modelos. Um só storyboard. Exportação sem marca d'água.