Il laboratorio cinese MiniMax ha lanciato il 31 luglio 2026 Hailuo 3.0, noto anche come H3: un modello di generazione video "omni-modale" capace di produrre clip in 2K a 24 fotogrammi al secondo con audio stereo nativo — dialoghi, effetti e suono ambientale generati nello stesso passaggio del video. È uno dei sistemi più completi apparsi finora nella corsa al video sintetico.
Cosa può generare: 2K, audio e fino a 30 secondi
H3 produce video in risoluzione nativa 2K a 24 fps, con clip che vanno dai 5 ai 15 secondi, estendibili fino a circa 30 secondi tramite uno strumento di prolungamento. Supporta rapporti d'aspetto molto diversi, dal cinematografico 21:9 al verticale 9:16 pensato per i social. La novità più rilevante è l'audio generato in modo nativo insieme alle immagini: non una traccia aggiunta dopo, ma suono prodotto contestualmente alla scena, il che migliora la sincronizzazione tra ciò che si vede e ciò che si sente.
Omni-reference: foto, clip e voce in un solo prompt
La funzione che distingue H3 dai concorrenti è l'omni-reference. In un unico prompt si possono combinare più tipi di riferimento: una foto di prodotto, una clip di movimento, una registrazione vocale e una descrizione testuale. Il modello restituisce un video in 2K con audio stereo che tiene conto di tutti questi input contemporaneamente. In pratica si può fornire l'immagine di un oggetto, indicare come deve muoversi e far pronunciare una battuta con una voce specifica, ottenendo una scena coerente. È un livello di controllo che avvicina questi strumenti alle esigenze reali di chi produce contenuti pubblicitari o brevi video social.
Quanto costa e dove si usa
Il prezzo ufficiale è di 0,13 dollari al secondo per il video in 2K, pari a circa 7,80 dollari al minuto; esiste un livello a 768p a 0,09 dollari al secondo, in beta chiusa. L'audio di riferimento è gratuito, le prime cinque immagini di riferimento sono incluse e poi si pagano 0,04 dollari ciascuna. Si può usare H3 in diversi modi: l'app Hailuo per i creator meno tecnici, il MiniMax Hub, l'API della Open Platform per gli sviluppatori, oppure piattaforme di terze parti come OpenRouter.
Come fare la prima generazione
Per una prova rapida, il percorso più semplice è l'app web:
- Vai su hailuoai.video e crea un account (di solito sono inclusi crediti gratuiti iniziali).
- Scegli lo strumento video e seleziona il modello H3.
- Scrivi un prompt descrittivo e, se vuoi, carica un'immagine o una clip di riferimento.
- Imposta durata e formato, poi avvia la generazione.
Un esempio di prompt: "Un caffè italiano fumante su un tavolo di legno vicino a una finestra, luce del mattino, vapore che sale lentamente, leggero brusio di bar in sottofondo, formato verticale 9:16". Il risultato atteso è una breve clip verticale con movimento realistico del vapore e audio ambientale coerente, pronta per una storia su Instagram o TikTok.
Pesi aperti in arrivo e confronto coi rivali
MiniMax ha promesso di pubblicare i pesi del modello sotto una licenza community che consentirebbe l'uso commerciale alle organizzazioni con fatturato inferiore a 20 milioni di dollari, con obbligo di attribuzione. Al momento del lancio, però, la scheda su Hugging Face non era ancora disponibile: chi vuole partire subito deve usare l'app o l'API. Sul piano competitivo, H3 si confronta con i pesi massimi del settore — Sora di OpenAI, Veo di Google, Kling e Seedance di ByteDance, Runway — puntando su tre leve: risoluzione 2K, audio nativo e prezzo aggressivo. Per creator e piccole agenzie italiane è un'opzione interessante, a patto di verificare con attenzione i diritti d'uso commerciale e di etichettare i contenuti generati dall'IA, come ora richiede anche l'AI Act europeo. Un'analisi tecnica del modello è disponibile su Hugging Face.
