Imágenes a vídeos
MiniMax H3
Subir imagen
Haz clic o arrastra para subir, o elige de Mi Historial
¿Sin ideas? Genera primero una imagen. >
Formatos de carga admitidos: jpg, jpeg, png, webp, heic, heif, imágenes de hasta 30 MB, con un ancho/alto mínimo de 256 px.
sugerencia
0/5000
5s
2K
Creaciones
Centro de Ideas
Cómo funciona
Creación de video multimodal unificada

Generador de Video IA MiniMax H3

¿Necesitas algo más que un simple clip de texto a video sin sonido? Media.io integra MiniMax H3 en un flujo de trabajo basado en navegador donde texto, imágenes, video y audio pueden trabajar juntos como contexto creativo. Dirige el personaje, el movimiento, la cámara, el estilo, la voz y el ritmo, luego genera Video 2K de hasta 15 segundos con audio estéreo nativo.

  • Salida 2K
  • Hasta 15 Segundos
  • Audio Estéreo Nativo
  • Hasta 12 Referencias Mixtas
Imagen de Referencia
Reference image of a green military-style insulated cup with handle
Dirección Creativa

Usa las imágenes subidas como única referencia para la apariencia del producto y crea una versión panorámica 16:9 de 15 segundos de un video de demostración UI/UX de página de inicio de sitio web oficial de producto de alta gama. El producto principal es la taza de estilo militar verde con asa y función de aislamiento térmico mostrada en la imagen. Durante todo el proceso, mantén estrictamente el color del cuerpo de la taza, la proporción cilíndrica, la tapa transparente, la estructura de apertura superior, el asa cuadrada derecha, el anillo decorativo metálico y el logotipo ""media.io"", sin cambiar la forma del producto ni crear otros modelos de taza.
El diseño general adopta un estilo funcional oscuro para exteriores y el estilo visual del sitio web oficial de una marca deportiva de alta gama: fondo negro puro, entrelazado con texturas de fibra de carbono oscura, metal cepillado y tela impermeable, e incorporando rápidas bandas de luz dinámica en verde militar y dorado cálido. Uso de tipografías sans-serif de gran tamaño, inclinadas, robustas y poderosas, con el texto creando oclusión frontal y posterior con el producto como elemento gráfico de fondo. El diseño de la página es sofisticado, contenido, con sensación de velocidad y fuerza.
0 - 4 segundos: Comienza desde la pantalla principal del sitio web oficial del producto. La taza térmica está suspendida en el centro de la pantalla en una proporción extremadamente grande. Un enorme título legible ""BUILT TO GO"" aparece en el fondo. El producto se acerca lentamente y gira levemente. La luz verde y dorada barre rápidamente el cuerpo de la taza, destacando el material mate, la tapa transparente, el anillo metálico y el asa ancha. La parte superior conserva una barra de navegación minimalista, y en la parte inferior se disponen algunos parámetros del producto y miniaturas.
4 - 6 segundos: El ratón desplaza la página web hacia abajo y la primera pantalla sale suavemente hacia arriba. La cámara sigue la página hacia el área de detalles del producto. La tapa, el asa, el cuerpo y los detalles de la base aparecen uno a uno en tarjetas horizontales. El desplazamiento tiene una inercia natural y un ligero desenfoque de velocidad, pero la información del producto permanece clara.
6 - 10 segundos: Se entra en la sección de funciones del producto. En el lado izquierdo de la página se muestra un título claro ""ALL-DAY TEMPERATURE"", y en el lado derecho se muestra una taza térmica suspendida completa. El producto gira lenta y establemente a un ángulo de un cuarto de vuelta. En el fondo aparecen corrientes de aire frío abstractas, finas gotas de agua y ondas metálicas, demostrando el rendimiento de aislamiento térmico y conservación del frío. Cuando el ratón pasa sobre el botón de función, el producto se amplía ligeramente y el fondo cambia de negro a gris claro, con los colores del texto y del botón invirtiéndose de forma sincronizada; solo se cambian el fondo de la interfaz y los colores de la UI, sin alterar la taza térmica en sí.
10–12 segundos: Continúa desplazándote hacia el área de funciones ""LEAKPROOF LID"" y ""EASY-GRIP HANDLE"". Usa primeros planos de la tapa y el asa, con líneas geométricas que apuntan a los detalles estructurales. Los elementos de la página se deslizan rápidamente y se detienen de forma estable en secuencia.
12-15 segundos: La página web regresa suavemente a la pantalla de inicio, la taza térmica vuelve a centrarse en la pantalla, el enorme título ""BUILT TO GO"" se ubica detrás del producto. Un botón de cápsula claro ""ADD TO CART"" aparece en la parte inferior. El ratón se mueve con precisión hacia el centro del botón y activa el efecto hover: el botón se agranda, se vuelve blanco y negro, y emite un resplandor verdoso; el producto permanece estable. Finalmente, se detiene en la imagen principal completa del producto y el botón de compra.
Tomas y animaciones: Desplazamiento vertical suave de la página web, rotación flotante del producto, zoom lento de acercamiento, efecto de paralaje por capas, barrido de banda de luz a alta velocidad, deslizamiento de tarjetas, zoom de hover del ratón, inversión de color de la UI. Todos los movimientos son compactos y fluidos, semejando la demostración de un sitio web real e interactivo de producto de alta gama.
Restricciones: El color, la estructura, la posición del asa, la forma de la tapa y el logotipo de la marca de la taza térmica no deben alterarse; el producto no debe transformarse en otros modelos de taza; no se permiten figuras ni manos; se prohíbe el desempaquetado; la taza no debe ablandarse, doblarse, derretirse ni deformarse; no se permiten códigos ilegibles, etiquetas incorrectas ni productos adicionales; la inversión de color solo afecta el fondo web, los botones y el texto; el producto debe permanecer siempre claro, completo y estable.

Demo MiniMax H3 — Anuncio de Sitio Web de Producto de Comercio Electrónico
Dirección Creativa

## Prompt de MV de Grupo de Chicas K-Pop de 15 Segundos

Sujeto: Un grupo de chicas K-pop de tres integrantes. Mantén la consistencia de cada integrante con el diseño de personaje establecido. Preserva sus rasgos faciales, peinados, proporciones corporales, atuendos e identidades individuales a lo largo de todo el video.

SOL: Cabello negro largo y liso con una presencia tranquila pero dominante. Lleva una chaqueta de cuero corta deconstruida en negro, una camiseta ajustada con cierres metálicos, una minifalda plisada asimétrica de cintura alta, y botas de punta por encima de la rodilla, con accesorios de anillos de plata y una delicada cadena de cintura.

LUNA: Corte wolf corto en gris plateado con una presencia fría y distante. Lleva una chaqueta corta gris plateada con paneles escultóricos, un body de cuello alto negro, una skort asimétrica metálica, y botas de motociclista de plataforma negras, con accesorios de mangas de malla transparente y aretes metálicos.

CORONA: Cabello largo y ondulado castaño oscuro rojizo con trenzas finas, proyectando una actitud rebelde y afilada. Lleva una chaqueta de motociclista de cuero rojo oscuro desgastada, un top corto negro con tirantes, una skort de capas de tiro bajo, y botas rojo oscuro con cordones, con accesorios de un cinturón con tachuelas y brazaletes metálicos.

Los atuendos deben presentar materiales de alta moda convincentes, incluyendo textura de cuero realista, reflejos metálicos, pliegues de tela y movimiento natural de la ropa. Evitar disfraces baratos de escenario, materiales de apariencia plástica o uniformes genéricos de grupos de chicas.

Escenario: Un ciclorama blanco transformado en un set de sesión fotográfica de revista de música underground. No debe parecerse a un estudio comercial limpio. El fondo presenta paredes blancas sobreexpuestas, pesadas sombras gris-negras, fragmentos de papel fotocopiado, bordes de papel rasgado, puntos de semitono, marcas de cinta negra, escaneos desalineados y texturas de pintura en aerosol negra localizada. En tomas seleccionadas, el fondo cambia instantáneamente entre negro puro, blanco sobreexpuesto y gris de alto contraste, usando solo cortes duros.

Estilo Visual: Un video musical de dark-pop, cyber-grunge y trap-rap con un valor de producción de alta moda realista, que combina revistas de música independiente de finales de los años 90 a principios de los 2000, carteles de conciertos underground, papel fotocopiado, película escaneada y estética de collage de fanzine. Usa blanco y negro de alto contraste con acentos de rojo oscuro de baja saturación y gris plateado frío. Mantén tonos de piel naturales, negros profundos y detalles claramente visibles en ropa oscura. Añade grano de película grueso, ligero temblor de película, parpadeo de exposición, puntos de semitono, bordes de impresión rugosa, desplazamiento de escaneo, arrastre de obturador y errores de registro de color localizado. Evita el neón cyberpunk barato, CGI de videojuego, piel plástica y suavizado de belleza excesivo.

Cinematografía: Crea la sensación de un video musical real de alto presupuesto, simulando los tonos de piel naturales y el alto rango dinámico de una ARRI Alexa 35. Alterna rápidamente entre lentes de cine de 24mm, 35mm y 50mm. Usa 24mm para presión gran angular de corto alcance, tomas grupales de ángulo bajo e impactos de mano a cámara; 35mm para actuaciones de plano medio-cercano, composiciones espaciales de dos personas y movimientos laterales de cámara rápidos; y 50mm para primeros planos faciales, perfiles y contacto visual intenso. Usa frecuentemente primeros planos gran angulares de confrontación, movimientos de cabeza sincronizados con el ritmo, detalles de hombros, planos medios de ángulo bajo, empujes de cámara con la mano y primeros planos de perfil ajustados. La cámara puede usar movimiento de mano controlado, lunges repentinos hacia adelante, deslizamientos laterales rápidos o paradas abruptas precisamente en el ritmo. Mantén un peso de cámara convincente, inercia física, cambios de perspectiva, paralaje espacial y enfoque preciso. Las performers deben marcar el ritmo con coreografía expresiva y actuación de rap. Esto no es un desfile de moda ni una sesión de fotos estática.

Música: Un segmento de dark-pop, cyber-grunge y trap-rap de 15 segundos a aproximadamente 138 BPM. Usa sub-bajos potentes, cajas ajustadas y nítidas, ruido electrónico industrial distorsionado y cortes vocales cortos. Los primeros tres segundos establecen tensión, la sección central entra en una secuencia de rap continua con edición densa, y los últimos dos segundos concluyen con bajo pesado concentrado.

Tipografía: El texto no son subtítulos ordinarios. Es una parte activa de la composición y el diseño espacial. Usa frases originales sin marca como "CUT THE FEED", "DEAD AIR", "STRIKE FIRST", "SYSTEM / VOID", "NO SURRENDER", "UNMUTED", "FINAL WARNING" y "BLACKOUT CODE". No incluyas marcas reales, logotipos reales de grupos ni títulos de canciones existentes. Combina letras sans-serif negras pesadas, fuentes industriales condensadas, texto de máquina de escribir y letras fotocopiadas hechas a mano. Posiciona la tipografía en el primer plano, plano medio y fondo. Las performers pueden oscurecer parcialmente las palabras, mientras el texto puede superponerse a sus cuerpos, atuendos o manos, pero nunca debe cubrir sus ojos ni expresiones faciales esenciales. Sincroniza cada aparición, sacudida, estiramiento, compresión, fractura, volteo y reordenamiento de corte duro con acentos de rap, cajas y golpes de bajo. Añade sangrado de tinta, ruido de fotocopia, placas de color mal registradas y bordes escaneados rugosos a la tipografía.

Reglas de Edición: Usa solo cortes duros, jump cuts, cortes de flash blanco, cortes de flash negro y cortes sincronizados con el ritmo. Sin fundidos, disolvencias, transiciones suaves ni cámara lenta en capas. Cada toma debe durar entre 0.3 y 1.2 segundos. El ritmo debe ser rápido pero visualmente legible. Cada parada de movimiento, parada de cámara, cambio tipográfico y punto de edición debe caer precisamente en el ritmo.

TOMA 01|0.0–0.8s

Un fotograma completamente negro corta con un corte duro en el primer golpe de bajo a un primer plano frontal extremo de SOL.

Un lente gran angular de 24mm se posiciona muy cerca de su rostro. La cámara permanece al nivel de los ojos de SOL, con el enfoque firmemente bloqueado en sus pupilas. SOL se inclina agresivamente hacia el lente y repentinamente baja la cabeza de golpe. Su largo cabello negro reacciona con un impulso corto y físicamente preciso.

La imagen tiene un alto contraste y el fondo está severamente sobreexpuesto, pero los brillos en su rostro no deben saturarse. La enorme palabra en negrita "DEAD" aparece detrás de ella, con su cabeza oscureciendo su centro. En el ritmo, el grano de la película se intensifica repentinamente y la cámara produce un breve sacudón vertical.

TOMA 02|0.8–1.5s

Corte duro a un primer plano del hombro y la mandíbula de LUNA.

Un lente de 50mm la filma desde el lado frontal izquierdo. El encuadre recorta parte de la parte superior de su cabeza para enfatizar su mandíbula y mirada. Baja un hombro y mira inicialmente a la cámara de perfil, luego gira abruptamente su rostro hacia el frente en la caja.

Su cabello gris plateado barre el borde de su ojo sin cubrir la pupila. Los puntos de semitono se expanden desde el fondo hacia los bordes de su ropa. La palabra condensada "AIR" se corta con un corte duro y se comprime en el fotograma desde la derecha, posicionada entre el fondo y su hombro en primer plano.

TOMA 03|1.5–2.3s

Corte duro a un plano medio de ángulo bajo de CORONA.

La cámara de 24mm se posiciona por debajo del nivel de la cintura y se inclina ligeramente hacia arriba. Presiona su cuerpo hacia adelante y empuja una mano hacia el lente. Su palma barre el primer plano antes de retractarse inmediatamente en el golpe de bajo.

A medida que su mano se acerca al lente, se agranda naturalmente por perspectiva y brevemente pierde el foco. Cuando la retrae, el enfoque regresa rápidamente a sus ojos. Su largo cabello castaño oscuro rojizo y sus trenzas finas se mueven con inercia realista. Las capas de color rojo oscuro y negro están ligeramente mal registradas, haciendo que la imagen parezca una revista vintage escaneada. Su mano oscurece parcialmente la palabra "STRIKE".

TOMA 04|2.3–3.0s

Un plano medio frontal ajustado de las tres integrantes.

Usa una composición central estable de 35mm. SOL está en el centro, ligeramente más cerca de la cámara, mientras LUNA y CORONA están a cada lado. Las tres bajan los hombros simultáneamente, luego levantan bruscamente la cabeza y miran fijamente a la cámara en el ritmo.

El fondo corta con corte duro de blanco a negro y de vuelta a blanco mientras las performers permanecen perfectamente alineadas. La gran palabra "CUT" se estira horizontalmente detrás de ellas, con sus cuerpos oscureciendo y fragmentando su centro.

TOMA 05|3.0–3.7s

Un primer plano de perfil de 50mm de SOL.

Ella gira y se detiene repentinamente, rotando rápidamente su rostro de perfil hacia la cámara mientras desliza un dedo a lo largo de su mandíbula. El enfoque comienza en la punta de su dedo antes de desplazarse rápidamente a sus ojos.

En el momento exacto en que su movimiento se detiene, la cámara hace un empuje rápido de 20 centímetros a lo largo del eje del lente y frena inmediatamente. La palabra "SYSTEM" aparece en el primer plano izquierdo, superponiéndose ligeramente a su hombro sin cubrir su rostro.

TOMA 06|3.7–4.4s

Una toma de cuerpo completo de ángulo bajo de LUNA.

Un lente de 24mm se coloca cerca del suelo e inclinado ligeramente hacia arriba. Ejecuta una frase de danza corta, realista y enérgica: sus rodillas giran hacia adentro, su torso se inclina hacia atrás, sus brazos se separan desde su pecho cruzado, y luego se inclina inmediatamente hacia la cámara.

Su chaqueta gris plateada, su skort asimétrica y sus mangas de malla transparente responden con una inercia de tela clara. En la caja, la imagen cambia a un tratamiento de semitono en blanco y negro de alto contraste durante tres fotogramas antes de volver inmediatamente al color de baja saturación.

TOMA 07|4.4–5.1s

Un primer plano facial ajustado de 35mm de CORONA.

La cámara se desliza rápidamente desde su lado derecho hacia una posición frontal. Ella gira la cabeza en el ritmo, levanta ligeramente el mentón y luego se acerca deliberadamente al lente. No sonríe; su expresión es de confrontación, afilada y fundamentada en una actuación de rap auténtica.

La palabra en rojo oscuro "VOID" repentinamente corta desde detrás de ella hacia el primer plano, superponiéndose a partes de su cabello y chaqueta mientras deja sus ojos, puente nasal y boca completamente visibles.

TOMA 08|5.1–6.0s

Un montaje rápido de movimientos de cabeza alternos de las tres integrantes.

SOL hace un asentimiento frontal enérgico, LUNA realiza un giro rápido de cabeza de perfil, y CORONA se inclina hacia adelante y baja la cabeza de golpe. Retén solo de tres a cinco fotogramas de cada acción y conéctalos con tres cortes duros consecutivos.

Mantén sus ojos posicionados aproximadamente en la misma área del fotograma para crear cortes de coincidencia precisos. El fondo corta entre blanco, gris y negro mientras las líneas de escaneo de película ruedan brevemente de arriba hacia abajo.

TOMA 09|6.0–6.8s

Una toma de dos personas ajustada de SOL y CORONA.

Usa un lente de 35mm. SOL está en el frente y rapea directamente a la cámara. CORONA emerge repentinamente desde detrás de ella y se acerca rápidamente a lo largo del eje de la cámara.

Mantén una clara separación espacial entre ellas. El enfoque se desplaza brevemente de SOL a CORONA antes de estabilizarse entre ambas performers. La palabra "NO" aparece en el fondo, mientras "SURRENDER" se sitúa a lo largo del primer plano inferior, superponiéndose a los bordes de sus atuendos sin cubrir sus rostros.

TOMA 10|6.8–7.6s

Un plano medio-cercano en solitario de LUNA.

Ella cruza ambas manos rápidamente junto a su rostro y las corta hacia afuera, golpeando con precisión cajas consecutivas. Usando un lente de 35mm, la cámara se desliza simultáneamente a la izquierda aproximadamente la mitad del ancho de un cuerpo y se detiene abruptamente en el acento final.

Durante el movimiento lateral, el fondo muestra un desenfoque de movimiento físicamente realista y limitado mientras su rostro permanece nítido. Papel fotocopiado rasgado, cinta negra y gráficos pintados en aerosol rugosos aparecen como si estuvieran físicamente adheridos a la pared del estudio.

TOMA 11|7.6–8.5s

Una toma amplia de cuerpo completo de ángulo bajo de las tres integrantes.

Usa un lente de 24mm ligeramente inclinado hacia arriba. Cada integrante realiza una acción diferente pero complementaria:

SOL da un paso adelante y baja los hombros;

LUNA dobla su cuerpo lateralmente y baja su centro de gravedad;

CORONA gira rápidamente, luego mira atrás y se mueve hacia la cámara.

Sus movimientos no deben estar perfectamente sincronizados, pero las tres deben detenerse simultáneamente en el mismo golpe de bajo. La cámara retrocede lentamente antes de bloquearse instantáneamente en el acento.

TOMA 12|8.5–9.3s

Un montaje de primer plano extremo de manos y detalles del atuendo.

Usa primeros planos estilo macro de 50mm para revelar rápidamente anillos metálicos, cadenas de cintura, cremalleras de chaqueta, dedos golpeando contra un muslo y una palma empujada hacia el lente. Cada detalle aparece por solo dos a cuatro fotogramas.

Los fragmentos de texto "CU / T / OUT" se comportan como recortes de papel físicos, cortando con cortes duros, rotando y recombiándose en diferentes áreas del fotograma. Los reflejos metálicos deben verse realistas, con detalles nítidos pero sin nitidez digital excesiva.

TOMA 13|9.3–10.2s

CORONA rapea en el primer plano, filmada extremadamente cerca con un lente de 24mm.

Señala con un dedo directamente hacia la cámara, creando un dramático agrandamiento de perspectiva en primer plano, luego rota la muñeca y presiona la mano hacia abajo. Mantén el enfoque en sus ojos mientras permites ligeros cambios de profundidad de campo a medida que su mano se acerca al lente.

LUNA y SOL permanecen en el fondo de foco superficial, realizando sutiles movimientos de cabeza y hombros. Crea una composición de tres capas: "THE FEED" en el fondo, las dos integrantes en el plano medio, y CORONA con su gesto de mano en el primer plano.

TOMA 14|10.2–11.1s

LUNA rota rápidamente entrando al fotograma desde la izquierda.

Un lente de 35mm realiza un paneo corto hacia la derecha, siguiendo con precisión su giro. El dobladillo de su prenda se balancea naturalmente con el movimiento. Luego acerca su rostro al borde derecho del fotograma y mira directamente al lente.

En el acento musical, añade un breve desplazamiento de escaneo horizontal. Introduce un offset de registro de color rojo-cian contenido alrededor de su silueta mientras mantienes su tono de piel y rasgos faciales naturales y estables.

TOMA 15|11.1–12.0s

Un plano medio frontal centrado de SOL.

Un lente de 50mm bloquea el enfoque en los ojos de SOL. Baja la cabeza y hace una pausa de medio tiempo, luego la sube violentamente de golpe. LUNA y CORONA simultáneamente se presionan hacia adelante desde detrás de ella mientras la cámara retrocede rápidamente un paso, usando paralaje realista para crear impacto espacial.

La enorme palabra "UNMUTED" de repente se reconstruye desde el fondo hacia el espacio entre las performers y el primer plano. Sus cuerpos la dividen en múltiples fragmentos, pero ninguno de sus ojos puede quedar oscurecido.

TOMA 16|12.0–13.0s

Tres cortes duros consecutivos:

SOL es filmada con un lente de 24mm mientras empuja rápidamente un dedo hacia la cámara;

LUNA es filmada con un lente de 35mm mientras impulsa con fuerza su hombro hacia el lente;

CORONA es filmada con un lente de 50mm mientras se gira y de repente mira directamente a la cámara.

Cada toma corresponde a un golpe de caja. Las longitudes focales se vuelven progresivamente más cerradas, aumentando continuamente la presión visual. El grano de película, el ruido de impresión y los bordes rugosos de fotocopia se intensifican con cada corte.

TOMA 17|13.0–14.0s

Una toma heroica de cuerpo completo en ángulo bajo de los tres miembros.

Usar un lente de 24mm con una composición fuerte de eje central. SOL está en el centro y da un paso adelante. LUNA se gira de lado y baja su centro de gravedad. CORONA se inclina hacia adelante. Juntas, forman una composición triangular asimétrica, estable y afilada.

Mantienen respiración natural, inercia de la ropa y movimiento corporal sutil en lugar de congelarse en una pose estática. El gran texto de fondo "ADVERTENCIA FINAL" es parcialmente ocultado por sus cuerpos, dejando visibles solo fragmentos de letras.

TOMA 18|14.0–15.0s

El golpe de bajo final.

Usando un lente de 35mm, la cámara avanza repentinamente a lo largo del eje central, pasando de un plano medio de tres personas a un primer plano cerrado de sus rostros. Las tres simultáneamente ejecutan un poderoso golpe de cabeza y miran directamente al lente.

La imagen se comprime instantáneamente en un efecto de fotocopia de alto contraste en blanco y negro. La frase original "BLACKOUT CODE" aparece brevemente entre el fondo y el plano frontal de sus hombros, sacudiéndose dos veces.

En el fotograma final, corte directo a negro puro. La música y la imagen se detienen simultáneamente, sin fundido y sin cola de audio residual.

Requisitos negativos: No se admiten alineaciones genéricas de grupos de chicas, caminatas prolongadas por pasarela, poses de moda estáticas, movimientos débiles o lentos, coreografía grupal sincronizada extensa, baile excesivamente mecánico, expresiones caricaturescas, ciudades cyberpunk de neón, contaminación lumínica RGB barata, marcas reales, logotipos de grupos existentes, títulos de canciones existentes, subtítulos ordinarios, fundidos, disolvencias, transiciones suaves, filtros de desenfoque suave onírico, estética CGI de videojuegos, piel de aspecto plástico, suavizado de belleza excesivo, desviación de identidad facial, cambios aleatorios de peinado o vestimenta, enfoque inexacto, movimiento de cámara flotante sin inercia física, movimiento de cámara de IA excesivamente suave, dedos deformados o personas adicionales.

MiniMax H3 Demo — Videoclip de K-Pop
Imagen de Referencia
Reference image of a silhouetted western cowboy beside a telegraph pole
Dirección Creativa

Usando la imagen de referencia adjunta como fotograma de apertura exacto y referencia de personajes,

RITMO — MÁXIMA PRIORIDAD:

Editar toda la secuencia con un enérgico ritmo jazz-western de 150 BPM con golpes rápidos de caja, pulsos de doble bombo, stabs de metales afilados, palmadas, sonidos de espuelas, chasquidos de látigo y clics cortos de cilindro de revólver. Cada corte, pose, movimiento de cámara, barra gráfica y tipografía debe caer precisamente en un tiempo o medio tiempo.

Crear al menos 20–24 tomas claramente diferentes dentro de 15 segundos. La mayoría de las tomas duran solo 0.2–0.7 segundos. Ninguna toma puede permanecer visualmente sin cambios por más de 0.8 segundos. Mantener progresión visual constante y energía en escalada.

Usar solo micro-congelaciones muy cortas de 2–4 fotogramas, aproximadamente 0.08–0.15 segundos, seguidas inmediatamente de movimiento explosivo. Nunca mantener un fotograma congelado por un tiempo completo o varios segundos. El ritmo debe sentirse como: explosión—parada de golpe—explosión—corte duro—explosión.

ESTILO VISUAL:

Crear una secuencia de títulos de Spaghetti Western de los años 60 de alta energía que combine diseño gráfico de mediados de siglo, composición inspirada en Saul Bass, geometría Bauhaus, pósters de western pulp, paneles de cómic y textura rugosa de serigrafía.

Renderizar al vaquero y los detalles ambientales como siluetas negras audaces de alto contraste. Usar únicamente rojo saturado, amarillo mostaza, azul marino profundo, negro y pequeños toques crema. Cada corte debe introducir una nueva disposición de colores, encuadre, forma gráfica o ángulo de cámara.

Usar composiciones diagonales dramáticas, grandes círculos solares, líneas de desierto horizontales afiladas, cables de telégrafo en rápido movimiento, cámaras de revólver girando, primeros planos de botas y espuelas, siluetas de abrigos, primeros planos del ala del sombrero, pantallas divididas, obturadores geométricos, círculos en expansión, barras diagonales y tipografía en negrita.

LÍNEA DE TIEMPO Y DENSIDAD DE TOMAS:

0.0–1.5s — APERTURA RÁPIDA:

Comenzar desde la imagen de referencia exacta durante solo 0.2 segundos.

Realizar inmediatamente cuatro cortes rápidos:

silueta de vaquero amplia contra cielo rojo → zoom brusco al ala del sombrero → cables de telégrafo cruzan el encuadre → primer plano extremo de ojos en sombra.

Insertar un flash negro de 3 fotogramas entre tomas seleccionadas.

El vaquero se aleja bruscamente del poste en el primer gran golpe de metales.

1.5–4.0s — MONTAJE DE IMPACTO DE DETALLES:

Crear seis primeros planos rápidos, cada uno de aproximadamente 0.3–0.5 segundos:

la bota golpea el suelo → la espuela gira → el faldón del abrigo chasquea → los dedos se flexionan junto a la funda → la hebilla del cinturón destellea → el cilindro del revólver rota.

Alternar fondos rojos, amarillo mostaza y azul marino profundo en cada corte.

Usar zoom bruscos, barridos, zoom-outs de impacto, limpiezas diagonales y congelaciones de pose de 2–4 fotogramas.

4.0–7.0s — CAMINATA ACELERADA:

Mostrar al vaquero caminando rápidamente por un campo de desierto amarillo mostaza plano.

Cortar entre vista lateral de cuerpo completo, botas en ángulo bajo, silueta gráfica cenital, primer plano extremo de la mano en movimiento y paneles divididos de cómic.

El ritmo de su caminata debe caer exactamente sobre la percusión.

El poste de telégrafo y las líneas del desierto pasan velozmente en direcciones opuestas para crear un paralaje intenso y sensación de velocidad.

No mostrar una caminata lenta continua—fragmentar el movimiento en rápidos fragmentos rítmicos.

7.0–10.0s — EXPLOSIÓN DE ACCIÓN GEOMÉTRICA:

Dividir la pantalla en dos, luego tres y luego cuatro paneles de cómic.

En diferentes paneles, mostrar el sombrero girando, las botas deteniéndose, el abrigo abriéndose, la mano acercándose al revólver y el vaquero mirando bruscamente hacia la cámara.

Los paneles se abren y cierran de golpe en tiempos consecutivos.

Usar flashes alternos de rojo, amarillo, marino y negro a pantalla completa.

Añadir barras horizontales rápidas, círculos solares en expansión, formas de estrella giratorias y limpiezas de sombra angulares.

Cada composición cambia dentro de 0.5 segundos.

10.0–13.0s — CONSTRUCCIÓN DEL CLÍMAX:

Aumentar aún más la velocidad de edición con 8–10 cortes:

ojos → mano → funda → espuela → empuñadura del revólver → abrigo → cable de telégrafo → sol gigante → silueta completa del vaquero.

Usar primeros planos progresivamente más cerrados y zooms bruscos más intensos.

El vaquero alcanza el revólver, gira bruscamente y adopta una poderosa pose de pistolero.

Usar una parada muerta de 3 fotogramas, luego cortar inmediatamente al siguiente ángulo.

Sin cámara lenta y sin pausa de suspenso prolongada.

13.0–15.0s — IMPACTO FINAL:

Usar tres finales falsos rápidos:

silueta de vaquero sobre amarillo → corte duro a primer plano extremo en marino → corte duro a plano abierto en rojo.

En el golpe musical final, revelar al vaquero junto al poste de telégrafo contra un cielo rojo sólido y un sol amarillo mostaza gigante.

El título exacto "OUTLAW" irrumpe en el lado izquierdo vacío como grandes letras geométricas crema.

Mantener la composición final solo los últimos 0.6 segundos, luego terminar con una parada dura inmediata.

MiniMax H3 Demo — Secuencia de Títulos Western de Cómic
Dirección Creativa

Generar una batalla cinematográfica de 15 segundos entre dos personajes completamente originales en un estilo de tinta de cómic audaz: contornos negros gruesos, sombreado de semitono, textura de impresión deteriorada, salpicaduras de tinta, líneas de velocidad irregulares y una paleta limitada de carmesí, azul eléctrico, azul-negro, plata-blanco y negro.

ESCENARIO:

Una ciudad futurista empapada de lluvia de noche con rascacielos, reflejos de neón, humo, relámpagos, estructuras en azoteas y nubes turbulentas.

PERSONAJES:

Crimson Weaver: un héroe enmascarado atlético adulto que viste un traje blindado original carmesí y azul medianoche con delgadas líneas geométricas plateadas, lentes expresivas de ojos blancos, lanzadores de cables sintéticos montados en las muñecas y una pequeña cresta de reloj de arena plateado.

Titan-09: un mech colosal azul-negro con manos con garras, colmillos metálicos, sensores ópticos rojos, un reactor circular de pecho brillante y energía de arco azul eléctrico recorriendo su armadura.

Mantener ambos diseños consistentes. No imitar ningún superhéroe existente, vestuario de franquicia, logotipo o personaje reconocible.

0–2.5s:

Toma cenital de Crimson Weaver de pie en una azotea bajo lluvia intensa. La cámara desciende rápidamente mientras él mira hacia arriba y dice:

"¡Prepárate—esto termina ahora!"

Sincronizar texto de cómic legible—"PREPÁRATE", "ESTO TERMINA", "¡AHORA!"—con su voz. Cada frase irrumpe en el encuadre con contornos negros, sombras carmesí, salpicaduras de tinta y sacudidas de impacto. Dispara un cable luminoso más allá del lente y salta del techo, transitando con un barrido rápido.

2.5–4.5s:

Revelación en ángulo extremadamente bajo de Titan-09 dominando la ciudad. Emite un rugido electrónico mientras sus ojos rojos y reactor de pecho destellan. Rayos azules y una onda de choque visible sacuden ventanas y empujan humo por las calles. Añadir anillos de semitono, salpicaduras de tinta y "¡VRRROOOM!"

4.5–7.5s:

Crimson Weaver oscila rápidamente entre edificios, da un giro hacia adelante y dispara cables sobre Titan-09. El mech lanza un puñetazo gigante. El héroe esquiva y el puño golpea una torre de agua vacía. Añadir escombros, líneas de impacto blancas, salpicaduras de tinta, "¡KRAK!" y una congelación de impacto de 2–3 fotogramas.

7.5–10.5s:

El héroe aterriza en el brazo del mech, corre por su armadura, evita descargas eléctricas azules, envuelve cables alrededor de sus sensores ópticos y propina una poderosa patada con ambos pies. Usar primeros planos rápidos, chispas rojas, arcos eléctricos, líneas de velocidad, cortes duros y zooms bruscos.

10.5–12.5s:

Titan-09 dispara un rayo de energía roja desde su reactor de pecho. Crimson Weaver oscila entre rascacielos y lo evita por poco. Usar una cámara de persecución agresiva, perspectiva extrema, fuerte paralaje, flashes gráficos y paneles de cómic diagonales.

12.5–15s:

Crimson Weaver rodea el mech, ancla múltiples cables a edificios cercanos y lo inmoviliza. Usa los cables como honda y golpea el reactor de pecho en el tiempo musical más fuerte. Añadir una explosión de impacto plata-blanco, chispas, electricidad, salpicaduras de tinta, sacudida de cámara y "¡THWAAK!"

El reactor de Titan-09 se apaga. Crimson Weaver aterriza en una pose de tres puntos. Terminar en un fotograma congelado de cómic con el mech inmovilizado detrás de él y un relámpago iluminando el horizonte.

AUDIO Y EDICIÓN:

Jazz-rock de cómic rápido a aproximadamente 150 BPM con batería, guitarra, golpes de metales, truenos, sonidos de lanzamiento de cables, rugidos mecánicos y efectos de energía. Sincronizar cada corte e impacto al ritmo. Usar cortes duros rápidos, barridos, zooms bruscos, limpiezas de panel de cómic, fotogramas negros rítmicos y congelaciones de impacto de 2–3 fotogramas.

RESTRICCIONES:

Solo personajes originales. Sin niños, rostros descubiertos, cambios de vestuario, personajes adicionales, gore, sangre, muerte, lesiones gráficas, extremidades extra, anatomía deformada, diseños inconsistentes, diálogos aleatorios o texto ilegible.

MiniMax H3 Demo — Batalla Original de Héroes de Cómic

Más Formas de Dirigir el Video que Tienes en Mente

MiniMax H3 es un modelo de generación omnimodal de propósito general diseñado para entender texto, imágenes, video y audio como un único contexto creativo.
Describe cómo se relacionan esas entradas, y H3 puede seguir la instrucción para generar o editar un video controlable con sonido estéreo nativo.

Un contexto unificado

Dirige tareas multimodales complejas en lenguaje natural

Combina hasta 9 imágenes, 3 videos y 3 clips de audio dentro de 12 archivos mixtos, luego explica sus roles en una sola instrucción—por ejemplo, referencia un movimiento de cámara, una imagen de personaje y una voz o canción juntos.

2K + estéreo

Video 2K con sonido estéreo nativo

Crea imágenes de productos, campañas y redes sociales más nítidas en 2K, con H3 usando el contexto multimodal original nuevamente para conservar más texto pequeño y detalles finos que una simple mejora de escala convencional.

Hasta 15 segundos

Espacio para un momento de video completo

Genera clips de hasta 15 segundos para establecer una escena, desarrollar el movimiento y llegar a un final claro.

Seguimiento de instrucciones de nivel comercial

Convierte briefings creativos detallados en resultados de marca, producto, publicidad, edición y video de múltiples tomas más controlables, con un mejor manejo de texto e información de marca.

Transferencia de movimiento y edición V2V

Referencia un video existente para guiar el movimiento corporal, el comportamiento de la cámara, la interpretación o el ritmo de edición mientras aplicas la estructura creativa a un nuevo sujeto o escena.

Casos de uso de MiniMax H3 orientados a resultados

Elige un modo según lo que necesitas mantener constante y lo que quieres que el modelo invente.

Anuncios de productos con movimiento dirigido

Genera revelaciones de productos en 2K, escenas de marca, carteles dinámicos o anuncios de comercio electrónico con imágenes coordinadas, sonido nativo, seguimiento de instrucciones más claro y mejor presentación de texto e información de marca.

Videos con personajes consistentes

Usa múltiples imágenes de personajes y vestuario para comunicar identidad a lo largo de un breve ritmo narrativo o escena de marca.

Estudios de movimiento y cámara

Proporciona una breve referencia de video para guiar el movimiento, el encuadre, el comportamiento de la cámara o el ritmo mientras describes tu propio sujeto.

Títulos de películas y narración en múltiples tomas

Dirige tomas conectadas, atmósfera, progresión de cámara, diálogo, efectos de sonido y música como una secuencia audiovisual única en lugar de tratar cada modalidad como una tarea separada.

Conceptos de música y actuación

Combina una referencia de intérprete o personaje con instrucciones de música, voz o tiempo para crear conceptos de actuación audiovisual estéreo nativa en una sola generación.

Diseño de juegos, UI y dinámico

Crea cinemáticas de juegos, interfaces animadas, carteles dinámicos, conceptos de diseño de productos y estudios de movimiento de UI/UX a partir de un brief multimodal detallado.

Especificaciones de MiniMax H3

Las capacidades de MiniMax H3 que importan cuando creas videos en Media.io.

Nombre oficial del modelo MiniMax-H3
Resolución de salida 2K en la documentación oficial de la API
Salida audiovisual nativa Video con audio estéreo nativo, incluido el modelado unificado de voz, efectos de sonido y música
Duración Duración en número entero de 4 a 15 segundos
Modos de creación Texto a video; imagen a video con primer fotograma o primer y último fotograma; referencia a video
Referencias de imagen Hasta 9
Referencias de video Hasta 3; cada una de 2 a 15 segundos; duración total de referencias de video no mayor a 15 segundos
Referencias de audio Hasta 3; cada una de 2 a 15 segundos; duración total de referencias de audio no mayor a 15 segundos
Máximo de referencias mixtas Hasta 12 archivos de referencia de imagen, video y audio combinados
Relaciones de aspecto Dependiente del prompt y la entrada; las opciones disponibles pueden variar en la interfaz de Media.io
Renderizado de detalles en 2K Usa la regeneración en contexto con el contexto multimodal original para mejorar el texto pequeño y los detalles visuales finos en 2K
Fortalezas comerciales Seguimiento de instrucciones complejas, presentación de texto e información de marca, transferencia de movimiento V2V, edición multimodal y generación audiovisual nativa de múltiples tomas
Restricciones importantes Elige el modo de creación que coincida con tus entradas. Los controles de primer/último fotograma y los controles de referencia mixta son flujos de trabajo separados en la interfaz documentada actual.

Consulta la guía oficial degeneración de video, referencia de API, ynotas de lanzamiento del modelo. Media.io puede exponer un subconjunto de los controles documentados.

MiniMax H3 vs. Seedance 2.0

Ambos modelos admiten referencias multimodales y audio nativo. La elección práctica se reduce a precisión comercial versus complejidad cinematográfica.

Comparación MiniMax H3 Seedance 2.0 Ventaja
Control de entrada y referencia Contexto de texto, imagen, video y audio; hasta 9 imágenes, 3 videos, 3 clips de audio y 12 archivos mixtos Referencias de texto, imagen, video y audio con límites comparables de 9 imágenes, 3 videos y 3 audios Empate
Resolución y duración Salida nativa en 2K y video de hasta 15 segundos Hasta 15 segundos; la página de lanzamiento oficial no indica una resolución máxima pública H3
Audio nativo Audio estéreo nativo con voz, música y efectos de sonido modelados conjuntamente Audio de doble canal con voz detallada, música, sonido ambiental, Foley y dirección de audio paralela Empate
Presentación comercial Fuerte enfoque en el seguimiento de instrucciones, información de productos y marcas, texto visible, publicidad, comercio electrónico, UI/UX y diseño dinámico Salida comercial y cinematográfica sólida, aunque la evaluación oficial aún identifica la precisión del texto como un área de mejora H3
Movimiento y cámara Sólida transferencia de movimiento V2V para movimiento, actuación, comportamiento de cámara y ritmo de edición Gran fortaleza en movimiento complejo, coreografía, interacción entre múltiples personajes, planificación de cámara y acción físicamente plausible Seedance
Edición y continuación Edición multimodal general basada en prompts y regeneración guiada por referencias Edición de clips dirigidos, sujetos, acciones, tramas y continuación de video documentada de forma más explícita Seedance
Control de inicio y fin Flujos de trabajo explícitos de primer fotograma y primer y último fotograma No destacado como un flujo de trabajo oficial central H3
Mejor opción Anuncios de productos en 2K, comercio electrónico, video de marca, carteles dinámicos, conceptos de UI/UX y contenido comercial controlado Escenas con mucha acción, baile y deportes, narración cinematográfica, interacción entre múltiples personajes, diseño de sonido rico y continuación de video Depende

Veredicto rápido: Elige MiniMax H3 cuando el detalle nítido en 2K, la presentación de productos y marcas, el texto visible, el control de primer/último fotograma y la producción comercial eficiente sean lo más importante. Elige Seedance 2.0 cuando el movimiento complejo, la interacción entre múltiples personajes, la dirección cinematográfica, el diseño de sonido inmersivo o la continuación de video sean la prioridad.

Cómo crear un video con MiniMax H3

01

Selecciona H3 y un modo de creación

Abre MiniMax H3 en Media.io, luego elige texto a video, imagen a video con primer/último fotograma, o referencia a video.

02

Añade fotogramas o referencias

Sube un primer fotograma y un último fotograma opcional, o cambia al modo de referencia para imágenes, videos y audio elegible. Los modos de fotograma y referencia no se pueden combinar.

03

Genera, revisa y descarga

Describe la tarea completa en lenguaje natural: qué referencia controla el personaje, qué video guía el movimiento o la cámara, cómo debe el audio dar forma a la voz o la música, y qué marca, texto o composición final debe aparecer.

Diseñado para creadores que necesitan más control

Estos comentarios describen la experiencia general del flujo de trabajo de Media.io y el control que los creadores esperan de modelos avanzados como MiniMax H3; no se presentan como reseñas verificadas del modelo recién lanzado.

poster
Daniel Kim
Especialista en Marketing de Comercio Electrónico
star

El flujo de trabajo de Media.io facilita organizar una idea, referencias y dirección creativa en un solo lugar, en lugar de comenzar desde un lienzo en blanco.

poster
Sophia Chen
Gestora de Redes Sociales
star

Para el contenido diario, unas opciones claras de modelo y entrada pueden ayudar a nuestro equipo a probar direcciones de video sin añadir una curva de aprendizaje de edición pronunciada.

poster
Marcus Lee
Propietario de Marca DTC
star

Lo que valoro en Media.io es la accesibilidad: los prompts y las entradas de referencia facilitan la comunicación de conceptos de video avanzados.

poster
Emily Carter
Creadora de UGC
star

Para el contenido de productos, quiero referenciar el sujeto, describir el movimiento y la cámara, y revisar rápidamente si el concepto encaja en una campaña social.

poster
Kriti Agarwal
Programadora de Contenidos y Cine
star

Media.io hace que la experimentación se sienta más ligera. Un flujo de trabajo guiado me ayuda a centrarme en el personaje, el movimiento, el encuadre y el resultado previsto.

poster
Ryan Patel
Especialista en Marketing de Rendimiento
star

Para las pruebas de campaña, la generación basada en referencias puede explorar diferentes tratamientos de movimiento y cámara mientras se mantiene el briefing creativo a la vista.

poster
Daniel Kim
Especialista en Marketing de Comercio Electrónico
star

El flujo de trabajo de Media.io facilita organizar una idea, referencias y dirección creativa en un solo lugar, en lugar de comenzar desde un lienzo en blanco.

poster
Sophia Chen
Gestora de Redes Sociales
star

Para el contenido diario, unas opciones claras de modelo y entrada pueden ayudar a nuestro equipo a probar direcciones de video sin añadir una curva de aprendizaje de edición pronunciada.

poster
Marcus Lee
Propietario de Marca DTC
star

Lo que valoro en Media.io es la accesibilidad: los prompts y las entradas de referencia facilitan la comunicación de conceptos de video avanzados.

poster
Emily Carter
Creadora de UGC
star

Para el contenido de productos, quiero referenciar el sujeto, describir el movimiento y la cámara, y revisar rápidamente si el concepto encaja en una campaña social.

poster
Kriti Agarwal
Programadora de Contenidos y Cine
star

Media.io hace que la experimentación se sienta más ligera. Un flujo de trabajo guiado me ayuda a centrarme en el personaje, el movimiento, el encuadre y el resultado previsto.

poster
Ryan Patel
Especialista en Marketing de Rendimiento
star

Para las pruebas de campaña, la generación basada en referencias puede explorar diferentes tratamientos de movimiento y cámara mientras se mantiene el briefing creativo a la vista.

poster
Daniel Kim
Especialista en Marketing de Comercio Electrónico
star

El flujo de trabajo de Media.io facilita organizar una idea, referencias y dirección creativa en un solo lugar, en lugar de comenzar desde un lienzo en blanco.

poster
Sophia Chen
Gestora de Redes Sociales
star

Para el contenido diario, unas opciones claras de modelo y entrada pueden ayudar a nuestro equipo a probar direcciones de video sin añadir una curva de aprendizaje de edición pronunciada.

Preguntas frecuentes sobre MiniMax H3

1. ¿Qué es MiniMax H3?

MiniMax H3 es un modelo de generación omnimodal de propósito general lanzado el 31 de julio de 2026. Unifica el contexto de texto, imagen, video y audio para que los creadores puedan describir tareas complejas de generación o edición en lenguaje natural y producir videos de hasta 15 segundos en 2K con audio estéreo nativo.

2. ¿Qué referencias admite MiniMax H3?

MiniMax H3 admite referencias de imagen, video y audio dentro de un contexto de prompt compartido. Puedes describir qué recurso define el personaje o producto, qué clip guía el movimiento o el trabajo de cámara, y qué audio guía la voz, la canción o el ritmo.

3. ¿Cuántos archivos de referencia puedo usar?

El máximo es de 9 imágenes, 3 videos y 3 clips de audio, con no más de 12 archivos mixtos. Cada referencia de video o audio debe tener entre 2 y 15 segundos, y cada tipo tiene un límite combinado de 15 segundos.

4. ¿MiniMax H3 admite video en 2K de hasta 15 segundos?

Sí. La documentación oficial de la API indica salida en 2K y duración en números enteros de 4 a 15 segundos. Los controles de Media.io dependen de la implementación actual.

5. ¿MiniMax H3 genera audio junto con el video?

Sí. MiniMax describe H3 como un modelo que genera salida audiovisual estéreo nativa, con voz, efectos de sonido y música modelados conjuntamente en lugar de añadirse como un paso de postproducción de video mudo independiente. El audio de referencia también puede ayudar a definir la voz, la canción, el tiempo o el ritmo deseados.

6. ¿Puedo combinar fotogramas iniciales/finales con medios de referencia?

No. El modo imagen a video por fotograma y el modo referencia a video son modos separados. Se puede usar un fotograma inicial solo, pero un fotograma final requiere un fotograma inicial.

7. ¿Para qué se usa mejor MiniMax H3?

Es especialmente adecuado para video publicitario y de comercio electrónico, presentación de marcas y productos, títulos de películas, pósters dinámicos, cinemáticas de videojuegos, conceptos de movimiento UI/UX, escenas de personajes coherentes, transferencia de movimiento V2V y otros flujos de trabajo comerciales que combinan referencias visuales, movimiento, texto y sonido.

8. ¿Cómo puedo acceder a MiniMax H3 en Media.io y es gratuito?

Usa la página de MiniMax H3 en Media.io e inicia sesión para comprobar la disponibilidad, los controles y los requisitos de crédito. Es posible que se ofrezcan créditos iniciales o promocionales, pero los términos pueden cambiar. Consulta la guía oficial para obtener más detalles sobre el modelo.

Calificación de calidad de las herramientas de IA en línea de Media.io:
vote 4.7 (162,387 Votos)