MiniMax H3 Lite
⧉MiniMax H3 Lite es el mismo modelo MiniMax H3 ejecutado con menos pasos de inferencia: más rápido y barato, con una calidad algo menor, pensado para borradores en lote y pruebas de prompts. En KovAPI se llama minimax-h3-lite: 480P o 768P, cualquier duración de 4 a 15 segundos, y se factura por segundo; para un primer fotograma, un vídeo de referencia o 1080P, cambia a Standard.
- 480P desde $0.005/s
- Cualquier duración de 4 a 15 s
- Hasta 5 imágenes de referencia
- Los fallos no se cobran
Prueba en directo
Prueba MiniMax H3 Lite aquí mismo (disponible tras iniciar sesión).
Entrada
Salida
videoImagen y sonido de una sola pasada, con control del inicio, el final, el reparto y el movimiento
Estas son las capacidades de la familia MiniMax H3, casi todas mostradas con clips de Standard; Lite solo hace texto a vídeo e imágenes de referencia (sin primer fotograma ni audio o vídeo de referencia), y "Lite: una zapatilla de running en una plataforma giratoria" se hizo con Lite. "Ejemplo completo" abre el original, su prompt y sus ajustes.
Planos, frases y sonido siguen la línea de tiempo del prompt
Si escribes plano a plano con el formato oficial, los momentos de corte, el diálogo, el ambiente y la música siguen el prompt. El clip de la panadería corta al cuchillo del pan a los 5 segundos, el panadero dice su frase palabra por palabra y la guitarra acústica es la que pedía el prompt.
Fija el inicio, o el inicio y el final
Con una imagen como primer fotograma, el clip empieza en ella; con dos imágenes como primer y último fotograma, el modelo completa el movimiento intermedio. El clip del paraguas empieza en la primera imagen, con el paraguas cerrado, y termina en la segunda, con el paraguas abierto.
Personas y productos de tus imágenes, combinados como lo escribas
El modo de referencia admite hasta 9 imágenes. El anuncio de gafas usa tres: las modelos, sus caras y las gafas; escrito con la estructura de la guía de referencia, las modelos se ponen las gafas, desfilan por la pasarela y el clip corta a un primer plano.
Toma el movimiento y la cámara de un vídeo de referencia
A la izquierda, el vídeo de referencia; a la derecha, el resultado: un zorro de dibujos animados baila los mismos pasos que la persona. Un vídeo de referencia también puede aportar solo el movimiento de cámara, mientras la imagen de referencia y el prompt deciden qué sale en el plano. Los segundos de referencia también se facturan.
Borrador en 480P, entrega en 1080P
480P / 768P / 1080P, ocho proporciones y cualquier duración de 4 a 15 s. Revisa el encuadre y el movimiento en 480P o en Lite y luego genera el clip final en 1080P; cambiar de resolución genera un clip nuevo, no el mismo, y la comparación con el mismo prompt de abajo muestra la diferencia.
MiniMax H3 Lite: ficha técnica
- ID del modelo
minimax-h3·minimax-h3-lite- Endpoint
POST https://kovapi.com/v1/videos/generations→GET https://kovapi.com/v1/videos/jobs/{id}- Duración
- 4–15 s, segundos enteros
- Resolución
- 480P / 768P; 768P si no se indica; 720P se trata como 768P
- Relación de aspecto
- 16:9 / 9:16 / 1:1 / 4:3 / 3:4 / 3:2 / 2:3 / 21:9
- Referencias
- hasta 5 imágenes de referencia (solo como referencias, nunca como primer fotograma); sin vídeo ni audio de referencia
- Audio
- cada clip lleva una pista estéreo de audio nativo (diálogo, efectos, música); no se puede desactivar
- Prompt
- ≤ 5.000 caracteres
- Por segundo (Lite)
- 480P $0.005/s · 768P $0.0125/s
- Resultados guardados
- 7 días
Modos y campos de la API
Los dos modos comparten model (minimax-h3-lite), prompt, duration, resolution y size. Las imágenes son siempre referencias, así que no hace falta image_role.
| Modo | Qué enviar | Qué obtienes | Límites |
|---|---|---|---|
| Texto a vídeo | Solo prompt y los ajustes de generación. | Imagen y sonido a partir del texto; escribe en el prompt el diálogo, los efectos y la música. | Cualquier número entero de segundos de 4 a 15; 768P si no indicas resolution. |
| Imágenes de referencia | De 1 a 5 imágenes en images. | Las personas, productos o lugares que aparecen en ellas salen en un plano nuevo, nunca como primer fotograma. | Hasta 5; image_role: first_frame se rechaza. |
Reglas de combinación
- Lite no tiene primer fotograma ni primer y último fotograma: las imágenes son siempre referencias, y
image_role: first_framese rechaza al momento y no se cobra. Para que un clip empiece en una imagen concreta, usa Standard. - Lite no admite vídeo ni audio de referencia; una petición con cualquiera de los dos se rechaza y no se cobra. Para eso, usa Standard.
- Solo 480P y 768P:
1080Pse rechaza y720Pse trata como 768P. Todos los clips llevan sonido; si no quieres música, escribenon_diegetic_music: N/Aen el prompt.
Prompts para MiniMax H3: sigue la estructura oficial
Basado en la Guía de redacción de prompts de vídeo de la propia MiniMax (básica, modo de referencia). MiniMax dice que en H3 la estructura del prompt importa más que en la mayoría de los modelos: escribe la imagen plano a plano, pon el diálogo entre etiquetas y dedica una sección al ambiente y otra a la música. Las pautas de abajo salen de esa guía y los ejemplos son prompts con los que se hicieron los clips de esta página; lo marcado como "probado" es lo que mostraron nuestros propios renders.
Hábitos que funcionan
- Escribe tres secciones
integrated_multimodal_descriptionpara la imagen, la acción, los planos y el diálogo;overall_soundscapepara el ambiente y los sonidos de la acción, en 1–4 frases;non_diegetic_musicpara la música que solo oye el público, oN/A. Probado: la misma escena de la panadería escrita en una sola línea mantuvo la frase y el corte, pero salió sin música y con los sonidos equivocados; en tres secciones, la guitarra, la campanilla de la puerta y el cuchillo del pan salieron tal como estaban escritos.Panadería, inicio del original: “integrated_multimodal_description: [Shot 1] Live-action, cinematic, …”
- Un bloque por plano, con el momento del corte
[Shot 1]no lleva tiempo; los planos siguientes se escriben[Shot 2] At 00:05.000, the camera cuts to…. En los clips de varios planos de esta página, los cortes cayeron cerca de los tiempos escritos.Panadería: “[Shot 2] At 00:05.000, the camera cuts to a close-up of steam rising from the sliced bread”
- Cámara = tipo + amplitud + velocidad
Movimientos como push in, pan, truck, arc shot o tracking shot, más la amplitud y la velocidad (with small amplitude, at slow speed), escritos dentro de la frase de la acción y no como etiquetas amontonadas al final.
Panadería: “The camera pushes in with small amplitude at slow speed as the middle-aged baker…”
- El diálogo, en sus propias etiquetas
Numera a quien habla como (S1), (S2), describe primero su edad y su voz, y luego escribe la frase como
<d>[English] …</d>, palabra por palabra y sin traducir. Las frases en chino llevan[Chinese].Tren:
the quiet, breathy young woman (S1) says: <d>[English] I get off at the next station.</d> - El texto en pantalla, entre comillas
Escribe las palabras de un cartel o una pancarta entre comillas dobles ("), exactamente como deben aparecer. Probado: “营业中” salió bien, mientras que los carteles que no estaban escritos en el prompt salieron con letras sin sentido.
Puesto de fideos: “A red neon sign reading "营业中" glows above the stall”
- El diálogo en chino trae subtítulos
Probado: los dos renders con una frase en chino incrustaron subtítulos en chino en la parte inferior de la imagen, y pedir que no los hubiera no los quitó; las frases en inglés no tuvieron ninguno. Para una imagen limpia, usa diálogo en inglés o corrígelo en posproducción.
Puesto de fideos, última frase (no funcionó): “No subtitles or captions appear on screen.”
- Fotogramas: línea de alineación y recorrido
Con primer fotograma, el prompt empieza con la línea de alineación; con primer y último fotograma, indica en qué segundo cae la segunda imagen, y el cuerpo describe el movimiento entre ambas en vez de volver a describir las dos imágenes.
Paraguas: “Picture 2 (from Shot 1) aligns with the 8.00-second mark of the target video”
- Pon nombre a cada referencia
Etiqueta cada entrada como
<Subject 1>,<Picture 1>y di qué hace en el clip. Probado: el estilo de una sola línea de la página de destacados de MiniMax (“Image 1: …, Image 2: …”) convirtió tres imágenes de referencia en tres planos casi inmóviles; reescrito con la estructura de la guía de referencia, las modelos se pusieron las gafas y desfilaron.Gafas:
<Subject 3> is the futuristic silver sunglasses in <Picture 3>…
Anatomía de un prompt largo
- 1Sección de imagen
Empieza con
integrated_multimodal_description:y sigue con un bloque por plano.Original: “integrated_multimodal_description: [Shot 1] …”
- 2Estilo y encuadre
El primer plano empieza con el estilo y el tamaño de plano.
Original: “Live-action, cinematic, a medium-wide shot frames a baker opening the shutters…”
- 3Cámara y acción
Tipo de movimiento de cámara, amplitud y velocidad, en la misma frase que la acción.
Original: “The camera pushes in with small amplitude at slow speed as the middle-aged baker… places a fresh loaf on the wooden counter”
- 4Diálogo
El número de quien habla, su voz y la frase entre etiquetas.
Original:
with a calm, slightly raspy voice (S1) … says: <d>[English] First batch of the morning.</d>- 5Corte
Cada plano nuevo indica el momento del corte y la nueva imagen.
Original: “[Shot 2] At 00:05.000, the camera cuts to a close-up of steam rising from the sliced bread”
- 6Dos secciones de sonido
Una para el ambiente y otra para la música.
Original: “overall_soundscape: Wooden shutters scrape open… non_diegetic_music: A soft acoustic-guitar pattern…”
Plantilla para editar
integrated_multimodal_description: [Shot 1] [estilo, p. ej. Live-action, cinematic], [tamaño de plano] frames [sujeto y lugar]. The camera [movimiento] with [small / large] amplitude at [slow / fast] speed as [acción]. The [edad y voz de quien habla] (S1) says: <d>[English] [frase]</d> [Shot 2] At 00:0X.000, the camera cuts to [siguiente imagen]. overall_soundscape: [ambiente y sonidos de la acción, 1–4 frases] non_diegetic_music: [instrumentos, tempo y dinámica; N/A si no quieres música]
Precios de MiniMax H3
Se factura por segundo, cada resolución con su propia tarifa; la zona de pruebas muestra el precio de una petición antes de enviarla.
| Resolución | Estándar | Lite |
|---|---|---|
| 480P | $0.015/s | $0.005/s |
| 768P | $0.025/sPrecio de lista de MiniMax $0.08 · Un 68% menos que el precio oficial | $0.0125/s |
| 1080P | $0.036/s | — |
- Un clip cuesta la tarifa de su resolución × (segundos de salida + segundos de vídeo de referencia); las imágenes y el audio de referencia son gratis. Arrastra "Vídeo de referencia" en la calculadora para ver el precio de una petición que lleve uno.
- La lista de precios de la propia MiniMax solo incluye H3 en 768P y 2K, así que 768P es la única resolución con un precio oficial junto al nuestro.
- El importe se reserva al enviar y se liquida tal cual si sale bien; los trabajos fallidos se reembolsan por completo. Para borradores en lote más baratos, mira MiniMax H3 Lite.
Calculadora de coste
Un prompt, cinco niveles
Pasa el cursor sobre los clips para reproducirlos a la vez; en el móvil, toca "Reproducir a la vez". Cada clip es un render aparte, así que no son idénticos: compara la nitidez y el detalle.
Latte art: tres niveles de H3 y dos de Lite
El mismo prompt, 5 segundos en 16:9, generado una vez en H3 a 1080P / 768P / 480P y en Lite a 768P / 480P. Revisa el encuadre y el movimiento en 480P o en Lite, y luego genera el clip final en 1080P.
El más nítido: el dibujo del latte, los reflejos de la jarra y el borde de la taza se ven definidos.
Algo menos de detalle que 1080P, pero sigue limpio.
El encuadre y el movimiento se ven claros; se ablanda al ampliar. Bueno para borradores.
Rápido y barato; el dibujo del latte es claramente más pobre.
El más barato; solo para revisar el encuadre y el movimiento.
Prompt original
integrated_multimodal_description: [Shot 1] Live-action, cinematic, a close shot of a barista's hands pouring steamed milk into a cup of espresso on a wooden counter by a sunny window. The milk forms a heart in the crema while steam curls upward, and the camera pushes in with small amplitude at slow speed toward the cup. overall_soundscape: Milk streams into the cup, a steam wand hisses softly in the background and cafe chatter murmurs. non_diegetic_music: N/A
Leer en español · La traducción es solo para leer; Copiar y Usar envían el original
integrated_multimodal_description (imagen): [Shot 1] Imagen real, cinematográfico, un plano cercano de las manos de un barista que vierte leche vaporizada en una taza de espresso, sobre una barra de madera junto a una ventana soleada. La leche forma un corazón en la crema mientras el vapor sube en volutas, y la cámara se acerca con poca amplitud y a velocidad lenta hacia la taza. overall_soundscape (sonido ambiente): La leche cae en la taza, una lanceta de vapor sisea suavemente al fondo y se oye el murmullo de las conversaciones de la cafetería. non_diegetic_music (música de fondo): N/A (ninguna)
¿MiniMax H3 u otro modelo de vídeo?
Las duraciones, las resoluciones, los límites de referencias y los precios de partida de la tabla están en tiempo real.
| Modelo | Duración (s) | Resolución | Ref. imagen / vídeo / audio | Precio | Ideal para |
|---|---|---|---|---|---|
MiniMax H3 LiteEsta páginaminimax-h3-lite |
4–15 | 480P / 768P | 5 / 0 / 0 | desde $0.005/s | Borradores en lote y pruebas de prompts: el mismo H3 con menos pasos de inferencia, más rápido y barato, con una calidad algo menor; solo texto e imágenes de referencia. |
MiniMax H3minimax-h3 |
4–15 | 480P / 768P / 1080P | 9 / 3 / 3 | desde $0.015/s | Clips en 1080P con sonido, primer y último fotograma, o imágenes de referencia junto con un vídeo de referencia; también borradores baratos en 480P. |
Wan 3.0wan3.0-video |
4–30 | 480P / 720P / 1080P | 10 / 5 / 5 | desde $0.04/s | Clips de más de 15 s (hasta 30), o vídeo a partir de un documento o una página web. |
Seedance 2.5seedance-2.5 |
4–30 | 480P / 720P / 1080P | 30 / 10 / 10 | desde $0.10/s | Mucho material de referencia, o clips narrativos de hasta 30 s. |
Seedance 2.0 Fastseedance-2.0-fast |
5–15 | 480P / 720P | 9 / 3 / 3 | desde $0.046/s | Clips de Seedance rápidos y de bajo coste. |
Gemini Omni 1.2 Flashgemini-omni-1.2-flash |
3–15 | 720P / 1080P / 4K | 3 / 0 / 0 | desde $0.035/s | Editar un vídeo existente con una frase, 4K o texto en pantalla exacto. |
Veo 3.1veo-3.1 |
8 | 720P / 1080P | 3 / 0 / 0 | $0.20/clip | Clips fijos de 8 segundos facturados por clip. |
Grok Imagine Video 1.5grok-imagine-video-1.5 |
4–15 | 480P / 720P | 7 / 0 / 0 | $0.30/clip | Clips de 480P / 720P facturados por clip, con hasta 7 imágenes de referencia. |
Si ya tienes clips de otro modelo, pasa las mismas entradas y los mismos criterios de aceptación por ambos y compara imagen, movimiento, sonido, tiempo de render y coste real antes de cambiar. Para elegir entre H3 y Lite, mira arriba la comparación con el mismo prompt.
Cómo generar vídeo con MiniMax H3 Lite en KovAPI
-
1
Regístrate y crea una clave de API
Entra en KovAPI y crea una clave en la consola; una sola clave sirve para todos los modelos del sitio.
Registrarse en KovAPI -
2
Prueba prompts arriba, en esta página
Elige duración, resolución y proporción, añade imágenes de referencia y ve el precio en tiempo real antes de enviar.
Abrir la zona de pruebas -
3
Envía un trabajo asíncrono
Envía
Documentación de la APIminimax-h3-liteaPOST /v1/videos/generationsy guarda el id del trabajo de la respuesta HTTP 202; la documentación trae ejemplos completos de peticiones. -
4
Consulta el resultado o recibe un webhook
Consulta el id del trabajo o indica
Documentación de webhookscallback_urlal enviar. Si sale bien, descarga el MP4 desdedata[0].url; los clips se conservan 7 días, así que descárgalos a tiempo.
Por qué usar MiniMax H3 Lite en KovAPI
Borradores baratos
Lite cuesta $0.005/s en 480P y $0.0125/s en 768P. Prueba en Lite, en lote, el encuadre y el movimiento de un prompt, y pasa los elegidos a Standard en 1080P. La zona de pruebas muestra el precio de una petición antes de enviarla.
Sin coste si falla, con reintentos automáticos
Si un trabajo falla, lo reservado se reembolsa por completo; si el servicio de origen está saturado o da error, el sistema reintenta por ti, así que no necesitas lógica de reintentos propia.
Sin límite de concurrencia
Ninguna cuenta tiene límite de trabajos en paralelo, así que envía lotes directamente; en horas punta los trabajos esperan en cola y la API devuelve queue_position y eta_seconds, con un webhook cuando terminan.
Una API para todos los modelos de vídeo
Enviar, consultar y los webhooks funcionan igual para todos los modelos de vídeo del sitio; cambia model para mandar el mismo prompt a Standard, Wan, Seedance y otros.
Registro y pago sencillos
Regístrate con correo, Google o GitHub; recarga con WeChat Pay, tarjeta, PayPal o USDT; paga por uso sin cuota mensual, y la misma clave también llama a los modelos de chat y de imagen del sitio.
Cómo evolucionaron los modelos de vídeo de MiniMax
Las fechas son las de las notas de lanzamiento de MiniMax; lo que KovAPI ofrece hoy está en la tabla de modos de arriba.
- 2025-02-11
T2V-01-Director · control de cámara
Instrucciones de cámara escritas en el prompt, y el modelo mueve la cámara como se le indica; la guía de prompts de H3 mantiene esta forma de escribir los movimientos de cámara.
- 2025-06-18
Hailuo 02 · 1080P
El modelo de vídeo de segunda generación, con 1080P y clips de hasta 10 segundos.
- 2025-10-28
Hailuo 2.3 / 2.3 Fast
Mejor movimiento corporal, expresión facial, realismo físico y fidelidad al prompt; la versión Fast es solo de imagen a vídeo.
- 2026-07-31
MiniMax H3 · tercera generaciónActual
Texto, imágenes, vídeo y audio entendidos a la vez, e imagen y sonido estéreo de una sola pasada; primer fotograma, primer y último fotograma, imágenes de referencia y vídeo de referencia en un mismo modelo. KovAPI ofrece 480P / 768P / 1080P.
Preguntas frecuentes sobre la API de MiniMax H3
¿Qué es MiniMax H3?
minimax-h3, con texto a vídeo, primer fotograma, primer y último fotograma, imágenes de referencia y vídeo de referencia.¿Cuánto puede durar un clip?
duration. Un clip dura una fracción de segundo más de lo pedido (un trabajo de 5 segundos dura unos 5,2 s) y se factura por los segundos pedidos.¿Qué resolución elijo y qué tamaño tiene?
resolution. En 16:9, 480P es 864×480, 768P unos 1344×768 y 1080P unos 1920×1080; cada trabajo puede variar unas decenas de píxeles.¿Puedo enviar 720P?
¿Cómo paso de fotogramas a referencias?
image_role, una imagen es el primer fotograma y dos son el primer y el último fotograma. Con image_role: reference son imágenes de referencia, hasta 9: sus personas, productos y lugares aparecen en el plano en vez de usarse como fotogramas. El vídeo o el audio de referencia necesitan el modo de referencia.¿Para qué sirve un vídeo de referencia y cómo se factura?
¿Sirve de algo el audio de referencia? ¿Se cobra?
¿Qué formatos y tamaños admiten las referencias?
¿Puedo quitar el sonido?
audio: false se rechaza. Si no quieres música, escribe non_diegetic_music: N/A; para un archivo sin sonido, quita la pista después de descargarlo.¿El diálogo puede ir en chino o en otros idiomas?
<d>[Chinese] …</d>; nuestra frase en chino salió palabra por palabra, pero aparecieron subtítulos en chino en la parte inferior de la imagen y pedir que no los hubiera no los quitó. MiniMax indica que el diálogo es estable en 11 idiomas, entre ellos chino, inglés, japonés, coreano, español y ruso. Es más seguro escribir el resto del prompt en inglés, como hace la guía.¿Puedo usar fotos de personas reales?
¿Cuánto tarda un render?
callback_url y espera la llamada.¿Se cobra si la generación falla?
¿Cuánto tiempo se guardan los clips?
¿H3 o H3 Lite?
¿H3, Wan 3.0 o Seedance 2.5?
¿De dónde salen los ejemplos de esta página?
Modelos relacionados
Descubre otros modelos que puedes integrar.
MiniMax H3
480P / 768P / 1080P · primer y último fotograma · referencia total · audio nativo
Wan 3.0
Un endpoint, cinco modos · hasta 30 segundos
Seedance 2.0 Mini
Nivel de entrada · el coste más bajo
Grok Imagine Video 1.5
Facturado por clip · hasta 15 segundos
