Explora este contenido con IA:
Hailuo AI dio un giro inesperado este verano. El 31 de julio de 2026, MiniMax lanzó H3 , un modelo único que lee texto, imágenes, vídeo y audio simultáneamente. Reproduce hasta 15 segundos de vídeo en 2K con sonido estéreo integrado. La aplicación lo comercializa como Hailuo 3.0.
Muchos de los consejos que aparecen en las clasificaciones de Hailuo AI fueron escritos para la versión anterior, Hailuo 2.3. Recomiendan acumular etiquetas de calidad, añadir indicaciones negativas y planificar clips de 6 segundos. H3 funciona de manera diferente, y algunos de esos hábitos ahora empeoran la calidad de tus grabaciones.
A continuación se detallan 6 pasos para crear vídeos publicitarios realistas en Hailuo AI, basados en las reglas de configuración publicadas para H3.
¿Qué cambió en Hailuo AI con H3?
Primero, aclaremos los nombres, porque suelen ser confusos. MiniMax es la empresa. Hailuo AI es su aplicación de vídeo, disponible para web y dispositivos móviles. H3 es el modelo que la integra, y la verás denominada MiniMax H3, Hailuo 3.0 o Hailuo 3, según quién escriba.
Esto es lo que significa el cambio en la práctica, según las especificaciones reportadas a octubre de 2026:
| Hailuo 2.3 (ahora versión anterior) | MiniMax H3 | |
|---|---|---|
| Longitud del clip | 6 segundos (10 en planes superiores) | 4 a 15 segundos |
| Resolución | 768p o 1080p | 768p, o 2K mediante un paso de regeneración. |
H3 también incorpora dos funciones que transforman la forma de trabajar: sonido estéreo grabado en la misma pasada que la imagen y un modo de referencia que admite hasta 9 imágenes, 3 vídeos y 3 clips de audio simultáneamente. El gran cambio reside en que H3 interpreta la descripción como un briefing. Se describe la relación entre las piezas y el modelo se encarga del resto. Por eso, una lista de adjetivos resulta menos efectiva que antes, mientras que un plan claro es mucho más eficaz.
Paso 1: Elige el modo que mejor se adapte a la toma.
Hailuo AI te ofrece tres maneras de acceder, y la correcta depende de lo que deba permanecer fiel a la realidad en pantalla.
Utilice solo texto para tomas generales donde nadie revisará los detalles: una calle al atardecer, el vapor de una taza de café, las olas rompiendo en las rocas. Utilice un fotograma inicial (y uno final opcional) cuando algo específico deba verse bien desde el primer momento, como su producto. Esta es la ruta de conversión de imagen a video de Hailuo AI, y es la opción más segura para anuncios de productos, ya que el modelo parte de una foto real en lugar de inventar su empaque.
Utiliza el modo de referencia cuando necesites que algún elemento se mantenga a lo largo del vídeo, como en la mayoría de los anuncios de contenido generado por el usuario con presentador: un rostro, una voz, un movimiento de cámara o un producto visto desde varios ángulos. En la aplicación, el cuadro de texto admite hasta 12 archivos de referencia.
También elige la relación de aspecto antes de generarla. H3 admite formatos verticales, cuadrados y panorámicos, y recortar un clip terminado posteriormente puede eliminar el encuadre que lo hacía parecer real. Para un fotograma inicial, usa una foto nítida y uniformemente iluminada tomada con esa misma relación de aspecto. Si el anuncio se dirige a Reels, consulta esta guía para Instagram Reel de largo antes de planificar las tomas.
Una regla sencilla: cuanto más dependa tu venta de un detalle, más debería provenir ese detalle de un archivo real en lugar de una simple frase.
Paso 2: Escribe la consigna como una lista de tomas cronometradas.
MiniMax publica una guía oficial de indicaciones H3, y la documentación de ComfyUI la resume junto con sus propios consejos . En conjunto, solicitan un orden específico: primero, describir la escena general y luego dividirla en tomas numeradas, con la cámara y el sonido en el mismo bloque.
Cada toma posterior comienza con un único corte de tiempo, como por ejemplo: «A las 00:04.000, la cámara cambia a…». Se inicia una nueva toma cuando cambia el sujeto, el lugar, el punto de vista o el tiempo. Un pequeño reencuadre permanece dentro de la misma toma.
A small, sunlit bakery counter in the morning. A woman in her 40s in a flour-dusted apron stands behind it.
[Shot 1] Medium shot, locked camera. She slides a tray of croissants onto the counter and looks up with a small smile.
[Shot 2] At 00:04.000, the camera cuts to a close-up of one croissant as her hands break it open. Steam rises from the center.
[Shot 3] At 00:07.000, the camera cuts back to the medium shot. (S1) She says warmly, Baked at six. Gone by ten.
Soundscape: quiet café room tone, the clatter of a metal tray, soft street noise through the open door.
Music: none.
Escríbelo en inglés, incluso si el diálogo está en otro idioma. Esta guía está escrita para el API y el modelo abierto, así que considere las etiquetas como opcionales en la aplicación. El orden es lo que importa.
Fíjense en lo que falta: no hay nada de "cinematográfico, 8K, fotorrealista". La lista de planos cumple la función que esas etiquetas pretendían cumplir.
Construye un indicador H3
Rellena la escena y añade hasta 4 tomas cronometradas. El editor las ordena según las indicaciones de H3 y señala los errores más comunes. Copia el resultado en Hailuo AI.
Un pequeño mostrador de panadería iluminado por el sol por la mañana. Una mujer de unos 40 años con un delantal enharinado está detrás. [Toma 1] Plano medio, cámara fija. Desliza una bandeja de croissants sobre el mostrador y levanta la vista con una leve sonrisa. [Toma 2] A las 00:04.000, la cámara pasa a un primer plano, cámara fija. Sus manos abren un croissant. Sale vapor del centro. [Toma 3] A las 00:07.000, la cámara pasa a un plano medio, acercamiento lento. Ella mira a la cámara. (S1) Dice cálidamente, Horneado a las seis. Desaparecido a las diez. Ambiente sonoro: Ambiente tranquilo de cafetería, el tintineo de una bandeja metálica, el suave ruido de la calle que se filtra por la puerta abierta. Música: Ninguna.
No se encontraron problemas. Redacte primero el borrador a 768p.
Se muestra un ejemplo de mensaje. Si al editarlo no se actualiza, su sitio web está bloqueando el script de esta herramienta.

Paso 3: Asigna un trabajo a cada persona que hagas referencia.
El modo de referencia es donde H3 supera a los modelos Hailuo más antiguos, y donde la mayoría de la gente tiene dificultades. Nombra cada archivo según su orden e indica al modelo para qué sirve. La publicación de lanzamiento de MiniMax muestra el patrón: toma el movimiento de cámara del Video 1, haz que el personaje de la Imagen 2 cante y sincroniza la voz con el Audio 3.
Para un anuncio, podría decirse: “Utilice el producto de la Imagen 1 exactamente como se muestra. Siga el movimiento lento de la cámara que se acerca desde el Video 1. La voz del presentador debe coincidir con el Audio 1”.
Respete los límites: hasta 9 imágenes, 3 vídeos y 3 clips de audio , con una duración de entre 2 y 15 segundos cada uno. Si se incluye una referencia de audio, debe ir acompañada de al menos una imagen o vídeo, ya que el sonido por sí solo no aporta información al modelo.
Para un presentador que aparece en varias tomas, una sola imagen puede contener una ficha de personaje breve: una vista frontal, una vista lateral y una vista de cuerpo entero, cada una claramente etiquetada. La guía de referencia de H3 lo permite, y se puede enfocar una toma en un solo panel, como por ejemplo «la vista frontal en la imagen 2».
Si un archivo tiene dos posibles funciones, como una foto de su presentador sosteniendo el producto, indique cuál es la más importante. «Utilice el rostro de la Imagen 2» es más claro que «utilice la Imagen 2».

Empieza con un anuncio que ya funcione.
Utilice un anuncio de referencia como entrada en lugar de un formulario en blanco.
Paso 4: Escribe el sonido en la consigna.
H3 combina sonido e imagen, lo que supone la mayor mejora en realismo de esta versión. Sin embargo, si no se especifica el sonido, el modelo lo interpreta a ojo.
La guía de H3 divide el audio en dos partes. El paisaje sonoro abarca el sonido ambiente, los efectos y cualquier sonido no verbal, en 1 a 4 oraciones. La música tiene su propia línea, y se escribe «ninguna» si no se desea incluir. Si se escuchan fragmentos de voz, complete ambas partes explícitamente.
El diálogo tiene sus propias reglas. Asigna un identificador a cada voz, coloca las palabras habladas entre etiquetas de diálogo y usa comillas dobles simples para el texto que deba aparecer en pantalla. Para una voz en off, indica que no se grabará en pantalla y que el hablante debe mantener los labios cerrados, o podrías escuchar a un presentador moviendo los labios como si estuviera hablando.
Según se informa, H3 se mantiene estable en 11 idiomas de diálogo, entre ellos inglés, español, chino y japonés. Las frases cortas siguen sonando más naturales que las largas, así que escribe el guion como habla la gente en realidad.
Algunas líneas de paisajes sonoros que puedes adaptar:
- Producto sobre una encimera: “Sonido tranquilo de cocina, un suave tintineo cuando el tarro toca el mármol, el zumbido de un frigorífico de fondo”.
- Fotografía tomada al aire libre: “Viento ligero, tráfico lejano, pájaros de vez en cuando, pasos en un camino de grava”.
- Dirigiéndose a la cámara: “Sonido de habitación pequeña con un ligero eco, leves clics de teclado provenientes de otro escritorio”.
Paso 5: Di lo que quieres, no lo que no quieres.
Este es el paso que rompe con los hábitos más arraigados de la IA de Hailuo. Varias guías populares aún recomiendan indicaciones negativas como «sin desenfoque, sin dedos adicionales, sin texto». La guía H3 de ComfyUI dice lo contrario. Sus flujos de trabajo H3 no tienen ninguna rama de indicaciones negativas y advierte que las listas de bloqueo añaden precisamente los conceptos que se mencionan. Lo más seguro, en cualquier aplicación, es describir lo que se desea.
Reescribe cada “no” como un “sí”:
- “Cámara fija” se convierte en “cámara estable sobre trípode”.
- “Sin dedos extra” se convierte en “sus manos descansan planas sobre el mostrador”.
- “Sin texto” se convierte en nada en absoluto. Simplemente no menciones el texto.
El texto en pantalla es un caso especial. MiniMax afirma que H3 gestiona el texto y la representación de la marca con precisión, y la guía de sugerencias coloca cada cadena entre comillas dobles, palabra por palabra. Esto supone una mejora considerable, así que pruébalo con tu titular. Para la letra pequeña, los precios o un logotipo que deba ser aprobado por el departamento legal, añádelo igualmente en tu editor. Una afirmación en una publicación de lanzamiento no garantiza el éxito de tu marca.
Paso 6: Draft a 768p, regenerar al portero a 2K
H3 se renderiza a 768p por defecto y alcanza los 2K mediante un segundo paso de regeneración. MiniMax describe esto como el proceso en el que el modelo reelabora su propia salida de baja resolución, lo que, según afirma, recupera texto pequeño y detalles finos.
Ese paso cuesta créditos reales. En septiembre de 2026, el plan Estándar de Hailuo cubría unos 143 segundos de H3 a 768p, pero solo unos 84 a 2K . Así que no experimentes con 2K. Graba tus borradores a 768p, cambia una cosa a la vez (el movimiento de la cámara, la luz o la línea de diálogo) y regenera solo la toma que realmente publicarías. Tres o cuatro borradores por toma es un presupuesto razonable antes de replantearte la idea principal.
Dos detalles de la aplicación ayudan aquí. El costo del crédito se muestra junto al botón Crear antes de generar, y las generaciones fallidas no usan créditos. En el Free Con los planes estándar, puedes ejecutar una tarea a la vez, así que organiza tus variaciones en el orden en que más necesites aprender.

Cómo armarlo: un anuncio de producto de 15 segundos
Así es como se combinan los seis pasos para una marca de cuidado de la piel.
El modo es de generación de referencia. La imagen 1 es una foto nítida del frasco de suero, la imagen 2 es la ficha del presentador y el audio 1 es una breve grabación de la voz del fundador. La introducción comienza con la escena: un estante de baño iluminado por la mañana, con una suave luz que entra por la ventana desde la izquierda.
La toma 1 comienza desde el principio: un acercamiento lento a la botella de la Imagen 1 en el estante. A las 00:05.000, la cámara enfoca a la presentadora desde la vista frontal de la Imagen 2, quien levanta la botella para que entre en el encuadre. A las 00:10.000, se realiza un primer plano de una gota cayendo en la punta de su dedo, mientras una voz en off fuera de cámara que coincide con el Audio 1 dice la línea del producto, con los labios cerrados. El ambiente sonoro es el tono silencioso de un baño y el suave sonido de un grifo abierto, y la música dice "ninguna".
Graba el vídeo tres veces a 768p, quédate con la mejor toma y genera solo esa a 2K. Añade el precio y cualquier letra pequeña en tu editor después. Para más ideas sobre cómo estructurar las tomas, consulta estos ejemplos de vídeos publicitarios.
Donde Hailuo AI todavía tropieza
H3 es bueno, pero no está terminado. En su propia publicación de lanzamiento, MiniMax menciona que aún están trabajando en los detalles visuales. En una clasificación pública, H3 quedó por detrás de Gemini Omni Flash de Google en la conversión de texto a vídeo y por detrás de Seedance 2.0 y Gemini Omni Flash en la conversión de imagen a vídeo. Si aún estás eligiendo una herramienta, esta comparativa de generadores de anuncios de vídeo con IA ofrece más opciones.
En la práctica, los mismos detalles se repiten en cada modelo . Los rostros cambian al girar la cabeza. Las manos manipulan objetos pequeños. Una etiqueta aparece y desaparece entre la primera y la tercera toma. Mira cada toma en tu teléfono, una vez con sonido y otra sin él, antes de invertir tu dinero.
Si un solo fotograma sigue fallando, no malgastes créditos regenerando todo el clip. Predis.ai Te permite editar un solo fotograma de un anuncio de vídeo y conservar el resto, de modo que las tomas que funcionaron se mantienen.
Arregla el fotograma, no todo el vídeo.
Edita la toma que se desvió y conserva las que funcionaron.
Uso de vídeos de Hailuo AI en anuncios
Las preguntas frecuentes de Hailuo dicen que cualquier video que puedas descargar sin una marca de agua es tuyo para usarlo comercialmente, y la marca de agua-free Las descargas están incluidas en los planes de pago. Consulta las condiciones vigentes antes de lanzar una campaña de pago, ya que los planes han cambiado desde el lanzamiento de H3.
Etiqueta también el anuncio. TikTok pide a los creadores que etiqueten el contenido de IA realista , Meta puede requerir su etiqueta de "Información sobre IA" y YouTube tiene su propia configuración de divulgación. Si piensas usar tú mismo los pesos H3 abiertos, ten en cuenta que los productos comerciales con ingresos anuales superiores a 20 millones de dólares necesitan la autorización por escrito de MiniMax.
La consigna es ahora el resumen
El antiguo manual de IA de Hailuo consistía en obtener un buen clip a partir de una breve indicación. Con H3, se trata de escribir un resumen: qué sucede, en qué orden, con qué archivos y cómo suena. Si se escribe con claridad, la mayoría de las veces la apariencia artificial desaparece.
Deja que los resultados decidan. Crea dos o tres versiones del anuncio y observa cuál capta la atención. Predis.aiLos análisis muestran el rendimiento de cada variante después de su ejecución, por lo que el ganador es algo que usted descubrió, no algo que adivinó.
Crea las variantes y luego encuentra a tu ganador.
Crea anuncios que reflejen la imagen de tu marca y observa cuál captó la atención.
Preguntas Frecuentes
En parte. A partir de septiembre de 2026, el free El plan otorgaba créditos de prueba únicos en lugar de una asignación mensual, y los planes pagados agregaban créditos mensuales y una marca de agua.free Descargas. Los precios que se muestran en la aplicación han cambiado desde el lanzamiento de H3, así que consulta la página del plan antes de suscribirte.
Hailuo AI es la aplicación. MiniMax H3 es el modelo de vídeo que incorpora, lanzado el 31 de julio de 2026, y la aplicación también lo denomina Hailuo 3.0. Los modelos anteriores, como Hailuo 2.3, siguen estando disponibles, pero ahora se consideran obsoletos.
H3 crea clips de 4 a 15 segundos. Los clips de Hailuo 2.3, más antiguos, duran 6 segundos, o 10 en planes superiores. Para un anuncio más largo, genera varias tomas cortas y únelas, lo que también reduce la probabilidad de que se acumulen errores.
Sí, con H3. Genera audio estéreo junto con la imagen, incluyendo diálogos, sonido ambiente y efectos. Escribe el sonido en tu respuesta, porque cualquier cosa que omitas se adivinará.
Según las preguntas frecuentes de Hailuo, los vídeos que puedes descargar sin marca de agua son de tu propiedad para uso comercial, y estas descargas están incluidas en los planes de pago. Los términos y condiciones pueden cambiar, así que confírmalos en el sitio web de Hailuo antes de lanzar una campaña de pago y activa la etiqueta de IA de cada plataforma cuando el material parezca auténtico.
También te puede interesar:














