Fonctions et capacités de MiniMax H3
MiniMax H3, aussi écrit Hailuo 3.0 ou Hailuo 03, est le modèle vidéo IA multimodal, open-weight et polyvalent de MiniMax. Un modèle pour générer, un deuxième pour éditer, un troisième pour suivre une référence : H3 supprime cet enchaînement. Texte, images, vidéo et audio sont lus dans un même contexte, et il en sort un clip audiovisuel fini. Pour une agence ou un studio, l'intérêt tient en une phrase : le plan revient avec son son, donc l'aller-retour avec le client raccourcit.
| Fonction | Ce qu'elle fait | Idéal pour |
|---|---|---|
| Référence omni | Lit jusqu'à 9 images, 3 clips vidéo et 3 fichiers audio comme un seul brief | Verrouiller un visage, un mouvement et une voix d'un coup |
| Audio stéréo natif | Génère dialogues, effets et ambiance dans la même passe que l'image | Fiction, pub, générique qui a besoin de son |
| Édition par instruction | Change l'élément nommé et laisse le reste du cadre intact | Sauver un bon plan sans le relancer |
| Clonage et transfert de voix | Donne à un personnage une voix tirée d'un enregistrement de référence | Doublage, VF, remplacement d'une réplique |
| Plusieurs plans en un clip | Plusieurs plans dans une même génération de 5 à 15 secondes | Génériques, champ-contrechamp |
| 2K à 24 fps | Un côté court de 1440 pixels, à la cadence du cinéma | Livrer sans passer par un upscaling |
Référence omni
C'est la partie qui change la méthode de travail. Une génération accepte jusqu'à 9 images, 3 clips vidéo et 3 fichiers audio, 12 fichiers au maximum. Chaque fichier peut porter un rôle distinct : une image pour le personnage, une autre pour le décor, une vidéo pour le mouvement ou le rythme de montage, un audio pour la voix. Les références vidéo et audio durent de 2 à 15 secondes chacune, 15 secondes en tout. L'audio ne part jamais seul : il doit accompagner au moins une image ou une vidéo.
Audio stéréo natif
Le son n'arrive pas dans un second temps. Chaque génération renvoie un audio stéréo produit dans la même passe que l'image. La scène revient avec la réplique dite, les pas qui portent, la pièce qui sonne déjà comme une pièce. Autrement dit, l'audio se dirige, il ne se subit pas. Nommez les instruments, les effets et le moment où tombe la note : le résultat n'a rien à voir avec celui d'un brief resté muet sur ce point.
Édition par instruction
Quand un plan est bon à un détail près, nommez ce détail. Remplacer un sujet, retirer un objet, changer le décor, faire passer la scène du jour à la nuit, ajouter un effet, modifier une réplique : seul l'élément visé bouge, le reste du cadre tient. Plusieurs changements peuvent voyager dans une même instruction. C'est ce qui rend la passe d'édition plus rapide qu'une relance complète, où l'on espère retrouver ce qui marchait déjà.
Clonage et transfert de voix
Un enregistrement de référence donne à un personnage une voix qu'il n'avait pas. Une réplique fournie remplace ce qui a été dit à l'écran, avec un jeu ajusté en conséquence. Associez-la à une image d'identité : le personnage reste reconnaissable sur toute la séquence, au visage comme à la voix. C'est le terrain du doublage et de la VF, où l'on recaste une réplique, essaie une autre intention, passe d'une langue à l'autre. Côté droits, la voix et le visage d'une personne réelle relèvent de son consentement, RGPD compris : l'autorisation se règle avec la référence, avant la génération.
Cadrage et finition
Six formats d'image sont disponibles en texte vers vidéo comme en génération par référence, de 21:9 à 9:16. S'y ajoute un mode auto, utile quand ce sont les références qui définissent le plan. Les générations première/dernière image reprennent le format de l'image importée. La sortie est en 1440p à 24 images par seconde, 1440 étant le côté court : un master 21:9 avoisine donc 2976 par 1248. Un mode 768p est annoncé, avec une sortie upscalable en 1440p, de quoi caler un brouillon avant la version finale.
Cas d'usage de MiniMax H3
Films de marque et publicités
Le film de marque et la pub parfum, où le jeu de références fixe la comédienne, le flacon et le plan de signature. Le grain se commande au brief, il ne se subit pas.
Fiction verticale et dialogue
Fiction courte en 9:16, montée en champ-contrechamp sur des plans serrés. La réplique se génère avec l'image, donc le jeu et la diction arrivent ensemble, prêts pour un feed Instagram ou TikTok.
Génériques et motion design
Générique et habillage, où le texte devient un calque à part entière. Les crédits s'inscrivent, les diagrammes se construisent, et la note musicale tombe sur le temps que vous avez indiqué.
Produit et e-commerce
Films produit partis d'une photo de l'objet réel : révélation large, détail macro, puis un plan large tenu. L'image fixe la forme, la lumière et la caméra font la vente. De quoi alimenter une fiche produit comme un post de marque.
Interfaces et concepts de jeu
Menus, HUD et démonstrations d'interaction, minutés battement par battement. Les panneaux glissent, la sélection se valide, le monde se charge dans l'ordre que vous avez écrit, pas dans celui que le modèle aurait deviné.
Travail stylisé et animé
Papier découpé, stop-motion, personnages stylisés : le terrain de jeu des studios d'animation. Une référence d'identité tient le design, donc le personnage garde costume, proportions et finition d'une coupe à la suivante.
Comment tirer le meilleur de MiniMax H3
H3 récompense un brief qui se lit comme une note d'intention suivie d'un découpage, pas comme une phrase. Le champ accepte jusqu'à 7 000 caractères, et les exemples du modèle en occupent la majeure partie. Quelques habitudes portent l'essentiel de la qualité :
- Donnez un rôle à chaque référence. « Image 1 fixe l'ambiance et le grain argentique, Image 2 est la comédienne, Image 3 le flacon » vaut mieux que quatre images jointes sans consigne.
- Écrivez les temps forts avec leur minutage. Un découpage en 0 à 2 secondes, puis 2 à 5 secondes, donne au modèle un ordre à suivre sur les 15.
- Précisez ce qui ne doit pas changer. Les éléments verrouillés, un cadre qui reste fixe, un visage qui garde coiffure et costume : voilà ce qui empêche la dérive en cours de plan.
- Écrivez les interdits noir sur blanc. Pas de sous-titres, pas de filigrane, pas de vêtements modernes, pas de fondu enchaîné. Une contrainte n'est suivie que si elle est écrite.
- Dirigez le son comme une piste à part. Nommez les instruments, les effets précis et le moment où tombe la note, puisque l'audio se génère avec l'image de toute façon.
- Nommez les transitions. Volet, coupe franche, panoramique fouetté, raccord de forme : les lister garde un montage rythmé au lieu de vaguement fluide.
- Décrivez la prise de vue, pas seulement la scène. Tremblement d'un portable tenu à la main, respiration de l'exposition, autofocus qui traîne, grain : voilà ce qui sépare une image filmée d'une image calculée.
- Précisez l'animation du texte. Une entrée, une durée, une liste d'interdits, et les titres cessent de tourner et de rebondir.
- Éditez en nommant la cible. Dites ce qui change et ce qui reste. Relancer le plan entier, c'est risquer la prise que vous aviez gardée.
- Comptez vos références. Douze fichiers au plafond, 15 secondes au total pour la vidéo comme pour l'audio, et un fichier audio ne compte que s'il voyage avec une image ou une vidéo.
Pour la liste complète des spécifications, consultez la page du modèle MiniMax H3.
Guide de prompts MiniMax H3
Un bon brief H3 tient en cinq blocs. Passez-les en revue avant d'envoyer : ce que le modèle devrait sinon deviner est alors déjà tranché.
| Bloc | À inclure | Exemple |
|---|---|---|
| Rôles | À quoi sert chaque référence jointe | Image 1 fixe le décor, Image 2 est la comédienne |
| Temps forts | L'action sur toute la durée du plan, minutée | 0 à 5 s elle traverse la serre, 5 à 11 s la question tombe |
| Esthétique | Style, palette, lumière et grain | Grain argentique 16 mm, palette sourde, lumière d'hiver rasante |
| Son | Dialogue, effets, musique et leur placement | Rumeur de la ville en continu, un accent quand le titre se fige |
| Limites | Ce qui est verrouillé, ce qui ne doit pas apparaître | Garder le costume, pas de sous-titres, pas de filigrane |
Prompts faibles vs forts
La différence tient presque toujours à la précision sur le temps, le rôle des références et le son.
| Point clé | Faible | Fort |
|---|---|---|
| Rôle des références | Utilisez ces images | Image 1 fixe le grain argentique, Image 2 est la comédienne, Image 3 le flacon qu'elle soulève |
| Minutage | Elle prend le flacon | 0 à 5 s elle longe les tables de la serre, 5 à 10 s elle lève le flacon dans la lumière, 10 à 15 s elle le repose |
| Son | Ajoutez de la musique | Goutte-à-goutte de l'arrosage et rumeur du boulevard en contrebas tout du long, une note de violoncelle tenue quand la lumière traverse le verre |
Erreurs courantes
- Joindre des références sans dire à quoi elles servent : le modèle doit alors deviner laquelle dirige la scène.
- Décrire une image figée au lieu d'une action qui court sur toute la durée du plan.
- Ne rien écrire sur l'audio, puis reprocher au modèle le son qu'il renvoie.
- Envoyer une référence audio seule : elle est refusée si aucune image ni vidéo ne l'accompagne.
- Relancer un plan entier pour un seul objet, quand une instruction d'édition aurait gardé le reste de la prise.
