Respuesta rápida
Dentro de «cuál es mejor» se esconden dos preguntas. Crear vídeo pregunta cuál te da más margen: resolución, presupuesto de referencias, control. Producir drama pregunta algo más estrecho y mucho más difícil: cuál sostiene la misma cara a lo largo de doce planos. Tienen respuestas distintas, así que esta comparación las mantiene separadas.
Sus fichas técnicas son casi idénticas, así que la elección depende de cómo trabajas, no de qué datasheet es más largo.
- Creadores independientes y estudios pequeños que publican episodios → el motor que ya esté integrado en tu flujo. La integración alrededor del modelo vale más que la diferencia entre estos dos.
- Equipos con ingenieros y una factura por segundo que ya se comenta en reuniones → MiniMax H3, por los pesos abiertos, con una salvedad que conviene comprobar antes: alojarlo tú te limita a 768p, y el paso que decide la calidad sigue llamando a la API de MiniMax.
- Exploración rápida, propuestas, probar ideas → Seedance 2.0, cuyo modo de duración automática te ahorra una decisión por generación.
- Narrativa multiplano en una sola generación → Seedance 2.0, la familia que trata el multiplano como capacidad nativa desde la 1.0.
- Entrega a especificación 4K → mira la plataforma, no el modelo. El techo de resolución lo fija dónde lo ejecutas.
Para drama corto en concreto, ninguna ficha técnica lo decide: lo decide la continuidad entre planos, y eso solo se mide sobre tus propios personajes. Al final de la página hay siete pruebas para exactamente eso.
La comparación de abajo merece leerse con calma, porque no se resuelve como se supone que se resuelve una comparación. Dos laboratorios rivales, dos hojas de ruta independientes — y una ficha técnica que coincide casi línea por línea. Esa coincidencia es lo más informativo de esta página, y también lo que inutiliza la ficha como criterio de desempate.
Cara a cara: MiniMax H3 vs Seedance 2.0
Pon las dos fichas lado a lado esperando una pelea: lo que devuelven es un espejo.
| MiniMax H3 (Hailuo 3.0) | Seedance 2.0 | |
|---|---|---|
| Duración del clip | 4–15 segundos | 4–15 segundos, o -1 para que decida el modelo |
| Imágenes de referencia | hasta 9 | hasta 9 |
| Vídeo de referencia | hasta 3 clips, 2–15 s cada uno, 15 s en total | hasta 3 clips |
| Audio de referencia | hasta 3, siempre acompañando a un visual | hasta 3, siempre acompañando a un visual |
| Archivos totales | 12 | 9 + 3 + 3 |
| Relaciones de aspecto | 21:9, 16:9, 4:3, 1:1, 3:4, 9:16, automático | las mismas seis, más adaptativo |
| Audio nativo | sí, estéreo a 32 kHz | sí, generado junto a la imagen; se puede desactivar |
| Edición | edición de vídeo precisa | vídeo a vídeo: sustituir un objeto, cambiar el fondo, alterar el estilo |
| Continuación | continuación con audio e imagen | extender un vídeo existente |
| Resolución | 2K (2560×1440) vía API; 768p si lo alojas tú | depende de la plataforma: 480p/720p en algunos hosts de API, hasta 4K en ArcLoop |
| Pesos | abiertos — H3-Base y VAEs; Context-IR y la regeneración a 2K siguen alojadas | cerrados |
Nueve imágenes. Tres clips. Tres audios que no se pueden enviar solos. De cuatro a quince segundos. Las mismas seis relaciones de aspecto. Sonido generado con la imagen en lugar de doblado después.
Eso no es un parecido de familia: es la misma respuesta alcanzada dos veces por dos laboratorios que no se coordinaron. Cuando unos competidores convergen con esta precisión, los números dejan de ser un diferenciador y pasan a ser el precio de entrada.
Y ahí es donde la comparación se vuelve contradictoria. Por triplicado:
La ficha dice idénticos; los linajes dicen otra cosa. Mismo presupuesto de referencias, misma duración — pero una familia trata la narrativa multiplano como nativa desde la 1.0 y la otra está organizada en torno al plano único. Entradas idénticas, unidad de trabajo distinta.
El abierto no está del todo abierto. H3 publica pesos, lo que se lee como la mayor ventaja del tablero — hasta que la ficha del modelo te dice que el módulo que sus propios autores llaman crítico para la calidad del resultado se quedó fuera, y que alojarlo tú te limita a 768p. La fila que parece decisiva es la que trae más letra pequeña.
El que puedes descargar corre por debajo del que no. Los pesos de H3 son tuyos para alojarlos — a 768p. Los de Seedance 2.0 no lo son, y en ArcLoop llega a 4K. El modelo que puedes llevarte a casa es el que te da menos imagen; el que solo puedes alquilar es el que te entrega el techo más alto.
Ninguna de esas tres se resuelve bajando por la tabla. Las cuatro capacidades siguientes son donde afloran de verdad.
Seguimiento de instrucciones y calidad de movimiento
Ambos aceptan prompts largos y estructurados. H3 admite hasta 7000 caracteres; en ArcLoop, Seedance 2.0 pide quedarse por debajo de 1.500 palabras. Cualquiera de los dos presupuestos basta para especificar ritmo de beats, comportamiento de cámara, detalle de vestuario, restricciones negativas y sonido en una sola pasada, así que ninguno te da excusa para escribir vago. Si sigues escribiendo prompts de una línea, el cuello de botella no es el modelo: es no haber escrito el lenguaje de cámara.
El movimiento es donde menos ayudan las fichas publicadas. Ninguno de los dos publica una métrica, ningún tercero los ha corrido cara a cara sobre el mismo reparto, y «parece natural» no es un número. El movimiento complejo, las manos, la tela y la piel son las partes que fallan al final y de la forma más visible: precisamente por eso pertenecen a una prueba que corres tú, no a una fila que lees.
Lo que la ficha sí te dice es el presupuesto que tienes para describir el movimiento: 7000 caracteres o 1.500 palabras dan sitio para ritmo de beats, comportamiento de cámara y restricciones negativas en el mismo prompt. Los modelos devuelven esa especificidad más o menos en proporción a cuánta le des.
Hay otra diferencia real en cuánto se «obedece» una referencia: la documentación de ArcLoop para Seedance 2.0 señala que un vídeo de referencia puede ser interpretado en lugar de reproducido fotograma a fotograma. El material de H3 describe las referencias de vídeo como un movimiento de cámara que puedes entregar directamente. «Dame la sensación» y «sigue este raíl» son trabajos distintos, y cuál necesitas depende de si estás explorando o ejecutando un storyboard ya aprobado.
Referencias y control de personaje
Presupuestos idénticos, así que la habilidad está por completo en cómo asignas los papeles.
Ambos premian la misma disciplina: nombra qué gobierna cada archivo antes de describir una sola acción. Dos o tres imágenes fijan la identidad del personaje, una imagen fija la paleta y la textura del mundo, un clip aporta el movimiento o el ritmo de montaje, un audio aporta la voz. Y luego dilo: «la imagen 2 es la referencia de identidad, el vídeo 1 es la referencia de movimiento de cámara, mantén el vestuario de la imagen 2 sin cambios».
La sintaxis difiere un poco. En ArcLoop, Seedance 2.0 usa menciones con @ para señalar los recursos subidos; H3 se refiere a las entradas por posición. Diferencia cosmética, exigencia idéntica: los prompts vagos con muchas referencias devuelven una papilla promediada, porque el modelo tiene que adivinar cuál de nueve imágenes manda sobre la cara.
El fallo que importa en una serie es la deriva de identidad, y no aparece en un plano estrella. Aparece en el giro, en el cambio de luz, en el segundo episodio. Por eso conviene resolver la consistencia de personaje una vez en la capa de recursos, y por eso hacer una serie corta con tu propio personaje parte de un ancla fija.
Llevado a la práctica, esto es por qué el reparto vive por encima del motor. En ArcLoop construyes el personaje una vez en historias y personajes y reutilizas esa ficha en cada plano del episodio: el ancla es un recurso guardado, no un párrafo que reescribes y vas corrompiendo. Los recursos del personaje se pueden levantar antes en el generador de personajes con IA. Apuntes al modelo que apuntes, la referencia de identidad es el mismo archivo.
Narrativa multiplano
Aquí es donde los dos linajes divergen de verdad, y es la ventaja más clara del tablero.
Seedance trata la narrativa multiplano como capacidad nativa desde la 1.0: genera varios planos cohesionados en una sola pasada manteniendo sujeto y estilo a través de los cortes. La 2.0 continúa esa línea y la 2.5 la empujó al formato largo: 30 segundos en una generación con varios planos conectados lógicamente, más extensión en varias rondas.
El material publicado de H3 se organiza alrededor del plano único: de 4 a 15 segundos, con continuación disponible para llevar la escena hacia delante.
Para una serie, esto cambia tu unidad de trabajo. Un modelo de plano único te deja toda la secuenciación a ti: el storyboard aguanta la carga y el montaje es tu trabajo. Un modelo multiplano se lleva una parte de eso, a costa de algo de control sobre dónde caen exactamente los cortes.
Ninguno es mejor en abstracto. Si tienes un storyboard aprobado con la lista de planos cerrada, el plano único con control estrecho es más fácil de dirigir. Si necesitas volumen y quieres un beat coherente de 30 segundos a partir de un prompt, el multiplano se adelanta.
En cualquier caso la secuenciación te pertenece a ti, no al modelo: para eso están la guía de storyboard, generar planos a partir del storyboard y el generador de storyboard. En ArcLoop el storyboard es el documento que sostiene el episodio: fija qué ocurre y en qué orden, y cada tarjeta se convierte en un plano generable. Un motor multiplano rellena más tarjetas por llamada; no decide qué tarjetas necesitabas.
Audio y capacidades de edición
Ambos generan sonido de forma nativa en lugar de dejarte un clip mudo. Ambos exigen que una referencia de audio acompañe a un visual: la forma que tiene el formato de decirte que la voz es un atributo del personaje, no un recurso suelto. Seedance 2.0 añade una opción que el material de H3 no menciona: puedes desactivar el audio y obtener una salida muda.
Como la salida siempre lleva sonido, el silencio pasa a ser una decisión explícita. Nombra la ambientación, los dos o tres sonidos concretos que sostienen el espacio y dónde cae el acento. Un plano descrito sin sonido tendrá sonido igualmente, solo que no el tuyo. Para la voz de personaje, mantener una ficha de voz por personaje es más fiable que describirla de nuevo cada vez, y si el doblaje es tu foco, la comparativa entre Seed Audio y ElevenLabs profundiza más que la documentación de cualquiera de los dos modelos de vídeo.
En edición, ambos permiten cambiar un clip existente en lugar de repetirlo. Seedance 2.0 hace vídeo a vídeo: sustituir un objeto, cambiar un fondo, alterar un estilo. H3 lo describe como edición de vídeo precisa. La función está en los dos lados; lo que los separa en la práctica es el daño colateral: si la cara se queda quieta mientras cambias la chaqueta.
Importa más de lo que parece. Cuando un plano está al 90 por ciento, repetirlo apuesta ese 90 para arreglar el 10, y a menudo pierdes la toma que funcionaba. Una pasada de edición la conserva. Sobre un episodio de cien planos, eso no es una línea de créditos: es el calendario.
El espacio de trabajo está hecho para ese hábito: trabajar en el lienzo mantiene la toma aprobada, las referencias y la revisión una al lado de otra, así que «cambia una cosa» sigue siendo una comparación y no una apuesta nueva. Tus planos generados, fichas de personaje y audio caen en la misma biblioteca: gestionar tus recursos es lo que hace que el segundo episodio salga más barato que el primero.
¿Cuál es mejor para drama corto con IA?
El drama corto no fracasa por resolución. Fracasa por continuidad. El espectador no se va porque el render fuera 720p; se va porque en el plano 7 ella lleva un pendiente y en el 8 no.
Así que júzgalos por las cinco cosas que el formato exige de verdad:
1. ¿Sobreviven personajes y vestuario de un plano a otro? La prueba dura no es un primer plano lucido, es la misma cara a lo largo de una discusión de doce planos mientras sube el registro emocional. Ambos dependen de anclas de identidad repetidas en cada prompt. Cuál aguanta mejor no lo dice el datasheet: lo dice la prueba 1.
2. ¿Las interacciones entre varios personajes y el movimiento complejo se ven naturales? Trátalo como el caso difícil conocido de todo el campo, no como una debilidad de uno u otro modelo: la puesta en escena con multitudes, los miembros superpuestos y el contacto de manos siguen siendo donde el vídeo generado se rompe primero. Prueba una escena de tres antes de planificar una cena de seis, y mantén el reparto corto en los planos que cargan la historia.
3. ¿Entiende eventos secuenciales y el orden de los planos? Aquí la ventaja es del linaje multiplano de Seedance. Si tu escena es una cadena de beats encadenados causalmente, un modelo diseñado para salida multiplano cohesionada parte con ventaja estructural frente a uno diseñado en torno a una única unidad de 15 segundos.
4. ¿Son fáciles de controlar las referencias de imagen, vídeo y audio? Presupuestos idénticos, así que todo se reduce a si el modelo respeta la asignación de papeles o promedia tus entradas, y a si un vídeo de referencia se sigue o solo se interpreta. Prueba 1 otra vez, más la advertencia anterior.
5. ¿Se puede arreglar un plano fallido en vez de repetirlo? El mayor factor de si un episodio sale a tiempo. Ambos ofrecen edición; mide cuánto altera lo que no pediste tocar.
Si lo que necesitas es el flujo que se apoya encima de todo esto, el centro de producción de drama con IA y pasar de guion a vídeo cubren lo que dura más que el motor, y el generador de drama corto es la puerta de entrada.
¿Cuál deberías elegir?
| Si eres… | Inclínate por |
|---|---|
| Creador independiente o estudio pequeño publicando episodios | El que ya esté en tu flujo: la integración gana a la diferencia entre estos dos |
| Una línea de producción con ingenieros y una factura por segundo alta | H3, pero lee antes la licencia y el techo de 768p del alojamiento propio |
| Alguien explorando, presentando, probando rápido | Seedance 2.0: la duración automática quita una decisión por generación |
| Quien construye narrativa multiplano en una generación | Seedance 2.0: multiplano nativo desde la 1.0 |
| Quien ejecuta un storyboard aprobado plano a plano | Cualquiera; el control estrecho del plano único es más fácil de dirigir |
| Quien entrega a especificación 4K | Mira la plataforma, no el modelo |
| Quien hace drama vertical con reparto fijo | Ninguna ficha lo decide. Corre las pruebas. |
Sobre esos pesos abiertos
Es la línea más grande de la página, la más exagerada, y la que merece que abras la ficha del modelo.
Lo que MiniMax publicó: H3-Base (un omni-transformer de 33B), el encoder, los VAE de imagen y audio, y dos checkpoints por tarea, bajo la MiniMax H3 Community License: gratis para uso no comercial y para empresas por debajo de un umbral de facturación, con atribución.
Lo que no publicó importa más. H3-Context-IR sigue siendo un servicio alojado, y la propia ficha de MiniMax lo describe como crítico para la calidad del resultado final. H3-Regenerate-2K tampoco se ha abierto. Alojándolo tú generas a 768p; el 2K de la tabla de arriba es una cifra de API, no una cifra local.
Así que la versión honesta de «puedes ejecutarlo tú» es: puedes ejecutar el modelo central, a menor resolución, y seguir llamando a MiniMax para el paso que decide qué tan bien se ve el resultado. Es una opción real; simplemente no es independencia.
Y eso cambia a quién le importa. Si quieres afinar con tu biblioteca de personajes y 768p te sirve para tu formato, los pesos son genuinamente útiles. Si buscabas pesos abiertos para librarte de un proveedor, lee antes la ficha: el camino crítico para la calidad sigue pasando por servidores ajenos. En cualquier caso es también una factura real: GPUs, un ingeniero que las mantenga alimentadas y el trabajo permanente de no quedarte atrás respecto a una versión alojada que mejora sin ti.
Compruébalo tú: siete pruebas, una tarde
Las tablas de benchmark son lo menos fiable de este campo: un prompt escogido a dedo, diez intentos, el mejor resultado en un gráfico.
El problema de fondo es la transferencia. Cualquier evaluación se mide sobre el personaje de otro, el mundo de otro, el storyboard de otro. Un modelo que borda una pieza de época con cámara envolvente puede desmoronarse en tu plano contraplano de estilo otome. Las conclusiones sacadas sobre material ajeno rara vez sobreviven al salto al tuyo.
Así que en lugar de otra tabla, aquí está el método. Siete planos de prueba. Cada uno esconde un detalle que se puede contar, de modo que aprobado y suspenso no son cuestión de gusto:
- Papeles de referencia — se planta un transeúnte en la referencia de textura. Si aparece en la salida, el modelo promedió tus entradas en vez de obedecer los papeles. Después un giro, para ver si las anclas de identidad lo sobreviven.
- Sincronía de beats — cinco tramos con código de tiempo, terminando con un rótulo que debe parpadear exactamente dos veces. Cuéntalos.
- Diseño de sonido — los tres primeros segundos se especifican solo con lluvia. Observa si el modelo pone música igualmente. El fallo más común de la lista.
- Edición compuesta — cuatro cambios sin relación en una petición, y luego mira solo la cara que no pediste tocar.
- Transferencia de voz — el giro emocional debe caer en el guion. Una lectura plana significa que el modelo oyó las palabras pero no la dirección.
- Texto en pantalla — un título sostenido durante un acercamiento, revisado fotograma a fotograma. Donde la mayoría de modelos se delatan.
- Continuación — extiende un clip existente y recorre la costura. ¿Cruzan las anclas? ¿La lluvia sigue o vuelve a empezar?
Corre las siete con un personaje tuyo y anota cuáles pasaron. Esa lista es tu línea base, y vale más que cualquier tabla comparativa de internet —incluida la del principio de esta página— porque se midió sobre lo que realmente publicas.
Reescribe cada una para tu propio reparto. El detalle contable es todo el diseño: consérvalo al adaptarlas o volverás a juzgar por gusto. La misma disciplina recorre evitar el aspecto de IA barata y las tarjetas de plano de guion a vídeo.
Dónde encaja ArcLoop en todo esto
ArcLoop no es un modelo. Es la capa de producción que se apoya sobre uno, pensada para quien hace series con personajes y no clips sueltos.
El ciclo son cuatro pasos, y es el mismo con cualquier motor debajo:
- Crear un mundo — paleta, reglas y textura, para que planos separados se lean como una serie y no como siete experimentos inconexos.
- Historias y personajes — el reparto, guardado como fichas reutilizables. Es el ancla de identidad de la que depende cada prompt de este artículo.
- Montar tu episodio y el storyboard — la lista de planos que convierte un guion en algo generable.
- Generar planos y revisar en el lienzo — editar la capa débil en lugar de repetir la toma.
Alrededor: el centro de producción de drama con IA para el flujo de drama corto, fichas de voz para que un personaje suene igual en el episodio 6 que en el 1, y el generador de vídeo con IA o guion a vídeo cuando quieras ponerte manos a la obra. ¿Primera vez? Crear tu primer episodio recorre el ciclo entero.
El motor que corre aquí ahora es Seedance 2.0: hasta 15 segundos, hasta 4K, referencias de imagen, vídeo y audio, con menciones @ para dar un papel a cada archivo. Si eso cambia y cuánto cuesta está en la página de modelos; fíate de esa página antes que de cualquier artículo comparativo, este incluido.
Preguntas frecuentes
¿Es MiniMax H3 mejor que Seedance 2.0? En la ficha técnica no: coinciden casi línea por línea en presupuesto de referencias, duración, relaciones de aspecto y audio nativo. Lo que queda son pesos parcialmente abiertos (H3: solo el modelo central, 768p en alojamiento propio), duración automática y narrativa multiplano nativa (Seedance 2.0), y un techo de resolución que fija tu plataforma de alojamiento, no el modelo.
¿Cuál es mejor para drama corto con IA? El drama corto lo decide la continuidad entre planos, no ninguna fila de estas tablas. El linaje multiplano de Seedance ayuda con los beats secuenciales; más allá de eso, prueba ambos con un reparto fijo —estabilidad facial en el giro, precisión de edición, consistencia de voz— antes de comprometer el plan de un episodio.
¿Importan los pesos abiertos a un creador pequeño? Rara vez. Importan cuando hay ingenieros, presupuesto de GPU y una factura por segundo lo bastante grande como para justificar el alojamiento propio. Para el resto, el flujo de trabajo alrededor del modelo importa más que la licencia de los pesos.
¿Alguno genera más de 15 segundos? Ambos extienden un clip existente en lugar de generar más largo de una vez. Tu unidad de trabajo sigue siendo el plano, lo que mantiene el storyboard como documento que aguanta la carga.
¿De verdad los dos generan audio? Sí. El sonido se produce junto a la imagen y no como una pasada de doblaje aparte, y ambos exigen que la referencia de audio acompañe a un visual. Seedance 2.0 además permite desactivarlo.
Si H3 tiene pesos abiertos, ¿puedo ejecutarlo entero por mi cuenta? Entero no. MiniMax publicó H3-Base, el encoder y los VAE, pero H3-Context-IR —que su propia ficha describe como crítico para la calidad del resultado— y el módulo de regeneración a 2K siguen siendo servicios alojados. Alojándolo tú generas a 768p y sigues llamando a la API para el paso que más afecta al aspecto final.
¿Cuál maneja mejor varios personajes en el mismo encuadre? Trátalo como el caso difícil conocido en ambos. ByteDance ha señalado públicamente que la estabilidad en escenas con muchísimos sujetos interactuando sigue mejorándose, y MiniMax no ha publicado una autoevaluación equivalente. Mídelo en vez de suponerlo.
Lo que sobrevive a los dos modelos
Gane el que gane tu prueba, será reemplazado. Probablemente dentro del trimestre: Seedance 2.5 salió mientras se escribía esta comparación.
Lo que no se reemplaza es la capa que construiste encima: las reglas del mundo, las fichas de personaje, las tarjetas de plano, la línea base de siete pruebas. Eso son activos, y componen: el episodio 6 sale más barato que el 1 porque los reutilizas, no porque los reescribas. Cambiar de modelo debería costarte una tarde de pruebas, no una reconstrucción.
Así que el orden práctico es el de siempre: construye el mundo, fija el reparto, haz el storyboard del episodio, y luego deja que los motores se peleen por debajo. Empieza por tu mundo y tu reparto.
