Qué busca realmente esta búsqueda
"MiniMax H3 max" es una búsqueda ambigua, y las dos interpretaciones merecen una respuesta directa. Algunas personas se refieren a H3 Max, el nivel optimizado para velocidad que se lanzó a finales de agosto. La mayoría, a juzgar por las consultas que lo rodean — duración máxima, longitud máxima, resolución máxima — se refieren al máximo del modelo: cuánto puede durar un clip, qué tan grande renderiza, cuántas referencias acepta.
Esta guía cubre ambas cosas en un solo lugar: los límites estrictos de MiniMax H3, los límites distintos de H3 Max, y la parte práctica que importa para los creadores de anime — cómo planificar una escena que necesita más de lo que el techo permite.
Los límites, en una tabla
| MiniMax H3 (hosted) | MiniMax H3 (pesos abiertos, self-hosted) | H3 Max | |
|---|---|---|---|
| Duración del clip | 4–15 segundos | 4–15 segundos | Hasta 15 segundos |
| Resolución máxima | 2K (2560×1440) | 768p | 768p (opción 480p disponible) |
| Proporciones | 21:9, 16:9, 4:3, 1:1, 3:4, 9:16, auto | Las mismas | La misma familia |
| Imágenes de referencia | Hasta 9 | Hasta 9 | Hasta 9 (modo de referencia añadido tras el lanzamiento) |
| Clips de video de referencia | Hasta 3, de 2–15 s cada uno, 15 s en total | Hasta 3 | Hasta 3 |
| Audio de referencia | Hasta 3 clips, debe acompañar un visual | Lo mismo | Lo mismo |
| Audio nativo | Estéreo a 32 kHz, generado junto con la imagen | Sí | Sí |
| Velocidad de generación | Escala de minutos para clips largos en 2K | Depende del hardware | Aproximadamente en tiempo real: un clip de 5 s en menos de 3 s |
| Continuación | Continuación de audio y video de un clip existente | Sí | — |
Tres detalles detrás de la tabla importan en la práctica:
El 2K es una segunda etapa. H3 renderiza a 768p y una etapa de regeneración hosted independiente eleva el resultado a 2K usando el contexto original. Solo los pesos del modelo base son abiertos, por eso el H3 self-hosted y todos los modelos post-entrenados a partir de esos pesos — incluyendo H3 Max — se quedan en 768p. Eso es estructural, no una opción que esté esperando activarse.
15 segundos es el techo para una sola generación, en todos los niveles. Las secuencias más largas se construyen a partir de múltiples clips — por continuación, encadenamiento o corte. La guía de encadenamiento de clips explica cuándo usar cada enfoque.
Los audios de referencia necesitan una imagen. Un clip de audio no puede enviarse solo; va acompañado de una imagen o un clip de video de referencia. Si quieres guiar el ritmo con una pista musical, combínala con un visual.
Qué cambia H3 Max — y qué no
H3 Max es un nivel post-entrenado construido sobre los pesos abiertos de H3 en colaboración con fal, ajustado para mayor adherencia al prompt, mejor estética y mayor rendimiento. En los leaderboards públicos de imagen a video supera al H3 base del que proviene, así que dentro de 768p no es un compromiso. Sus topes son más estrechos en exactamente dos puntos: no tiene etapa 2K y no tiene modo de continuación. Todo lo demás — clips de 15 segundos, referencias mixtas, audio nativo — es igual. La guía de flujo de trabajo de H3 Max explica cómo repartir el borrador y el acabado entre los dos niveles.
Un ritmo, un clip: cómo trabajar dentro de los 15 segundos
El instinto es pelear contra el tope — meter una escena entera en una sola generación. El anime no lo quiere así de todas formas. Una escena anime típica se corta en shots de dos a ocho segundos; una ventana de 15 segundos es generosa para un solo shot y demasiado corta para una escena completa. Planifica en consecuencia:
Un beat por clip. Un clip de 15 segundos contiene una acción sostenida con un inicio, un giro y un final. Intentar meter tres beats narrativos en él produce un resultado confuso a cualquier resolución.
Elige la duración según el beat, no según el máximo. Un shot de reacción necesita 4 segundos. Un caminar con revelación necesita 8. Solo una actuación sostenida — una línea cantada, una aproximación lenta — justifica los 15 completos. Los clips más cortos también cuestan menos y fallan con menos consecuencias.
Deja que el Storyboard decida el corte. Dentro de ArcLoop, un Episode se divide en shot cards en el Storyboard — cada card es una generación, con su propia duración, cámara y referencias de assets con @. El límite de 15 segundos deja de ser una restricción porque ningún shot necesita superarlo; la duración de la escena viene de la línea de tiempo de edición, donde los clips se ordenan, recortan y reemplazan. La guía de duración y diseño de beats explica cómo dimensionar cada shot.
Invierte la resolución donde mira el público. El 2K es para el pase final de los shots que sostienen la secuencia — el frame protagonista, el beat del título. Los borradores, las pruebas de timing y los shots que quedarán pequeños en el montaje pueden correr a 768p en Max o en ajustes más bajos, la misma lógica de costes que aplica a cualquier modelo por niveles.
Notas sobre proporciones para anime
- 16:9 para PVs, openings y todo lo que vaya a un reproductor horizontal.
- 9:16 para shorts verticales y micro-dramas; encuadra al personaje en la banda central, porque la parte superior e inferior quedan tapadas por la interfaz de la plataforma.
- 21:9 para un beat de título cinematográfico — pero recuerda que el presupuesto de píxeles de la etapa 2K es fijo, así que el ultra-ancho intercambia altura por anchura.
- Auto cuando una imagen de referencia debe dictar el encuadre; la salida sigue la forma de la entrada.
Preguntas frecuentes
¿Cuál es la duración máxima de MiniMax H3?
15 segundos por generación, con un mínimo de 4 segundos. Las piezas más largas se construyen a partir de múltiples clips.
¿Cuál es la resolución máxima?
2K (2560×1440) en el modelo hosted. El H3 self-hosted y el nivel H3 Max llegan hasta 768p porque la etapa de regeneración 2K no forma parte de los pesos abiertos.
¿"H3 Max" es lo mismo que la configuración máxima?
No. H3 Max es un nivel separado y más rápido con un techo de 768p. La salida máxima del modelo base es el resultado hosted en 2K.
¿Cuántas imágenes de referencia puedo usar?
Hasta nueve imágenes, tres clips de video y tres clips de audio por generación. En ArcLoop, la Main image y las Reference images vinculadas al personaje son lo que el modelo lee cuando referencias el asset con @.
Los límites son una guía de corte
Quince segundos y nueve referencias suenan restrictivos hasta que planificas como un animador: un beat por shot, referencias vinculadas al personaje en lugar de subirse de nuevo cada vez, la escena ensamblada en una línea de tiempo. Abre un proyecto, divide la escena en shot cards y deja que los límites te digan dónde van los cortes.
