Hailuo AI : Comment créer une vidéo d'IA réaliste avec H3

Cet été, Hailuo AI a bouleversé le quotidien de la plupart des utilisateurs. Le 31 juillet 2026, MiniMax a lancé H3 , un modèle unique capable de lire simultanément textes, images, vidéos et fichiers audio. Il restitue jusqu'à 15 secondes de vidéo 2K avec son stéréo intégré. L'application le commercialise sous le nom de Hailuo 3.0.

De nombreux conseils utilisés pour le classement de Hailuo AI ont été rédigés pour l'ancienne version Hailuo 2.3. Ils recommandent d'accumuler les balises de qualité, d'ajouter des alertes négatives et de planifier des clips d'environ 6 secondes. H3 fonctionne différemment, et certaines de ces pratiques peuvent désormais dégrader la qualité de vos vidéos.

Voici 6 étapes pour créer des séquences publicitaires réalistes dans Hailuo AI, basées sur les règles d'invite publiées pour H3.

Qu'est-ce qui a changé dans l'IA de Hailuo avec H3 ?

Tout d'abord, un petit éclaircissement sur les noms, car ils ont tendance à s'emmêler. MiniMax est le nom de l'entreprise. Hailuo AI est son application vidéo, disponible sur le web et sur mobile. H3 est le nom du modèle intégré, que vous trouverez sous différentes appellations : MiniMax H3, Hailuo 3.0 ou Hailuo 3, selon les sources.

Voici ce que ce changement signifie concrètement, d'après les spécifications communiquées en octobre 2026 :

H3 ajoute également deux fonctionnalités qui modifient votre façon de travailler : le son stéréo traité simultanément à l’image et un mode de référence qui prend en charge jusqu’à 9 images, 3 vidéos et 3 clips audio simultanément. Le principal changement réside dans le fait que H3 interprète votre consigne comme un brief. Vous décrivez les liens entre les éléments, et le modèle se charge du reste. C’est pourquoi une multitude d’adjectifs est moins efficace qu’auparavant, tandis qu’un plan clair est bien plus performant.

Étape 1 : Choisissez le mode adapté à la prise de vue.

Hailuo AI vous offre trois options d'accès, et la bonne dépend de ce qui doit rester fidèle à l'écran.

N'utilisez le texte que pour les plans larges, ceux où personne ne vérifiera les détails : une rue au crépuscule, la vapeur d'une tasse de café, les vagues sur les rochers. Utilisez une image de début (et éventuellement une image de fin) lorsqu'un élément précis doit paraître parfait dès le premier instant, comme votre produit. C'est le procédé de conversion image-vidéo proposé par Hailuo AI, et c'est le choix le plus sûr pour les publicités de produits, car le modèle part d'une photo réelle au lieu de simuler votre emballage.

Utilisez le mode Référence lorsque vous avez besoin d'un élément visuel récurrent dans la vidéo, comme c'est le cas pour la plupart des publicités de type UGC avec un présentateur : un visage, une voix, un mouvement de caméra ou un produit vu sous différents angles. Dans l'application, la zone de saisie peut contenir jusqu'à 12 fichiers de référence.

Choisissez également le format d'image avant la génération. H3 prend en charge les formats vertical, carré et écran large, et le recadrage ultérieur d'un clip final peut altérer le cadrage qui lui donnait un aspect réaliste. Pour une image de départ, utilisez une photo nette et uniformément éclairée, prise au même format. Si la publicité est destinée à Reels, consultez ce guide pour Instagram Reel longueur avant de planifier les prises de vue.

Une règle simple : plus votre vente dépend d’un détail, plus ce détail doit provenir d’un document réel plutôt que d’une simple phrase.

Étape 2 : Rédigez la consigne sous forme de liste de plans chronométrés

MiniMax publie un guide officiel des invites H3, et la documentation de ComfyUI le résume en y ajoutant ses propres conseils . Ensemble, ils préconisent un ordre précis : décrire d’abord la scène dans son ensemble, puis la décomposer en plans numérotés, en plaçant la caméra et le son dans le même bloc.

Chaque plan suivant s'ouvre sur une indication temporelle, par exemple : « À 00:04.000, la caméra passe à… ». Un nouveau plan est établi lorsque le sujet, le lieu, le point de vue ou le moment changent. Un léger recadrage reste à l'intérieur du même plan.

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.

Rédigez-le en anglais, même si le dialogue est dans une autre langue. Ce guide est destiné aux API et le modèle ouvert, considérez donc les étiquettes comme facultatives dans l'application. Seul l'ordre importe.

Remarquez ce qui manque : aucune mention de « cinématographique, 8K, photoréaliste ». La liste des plans remplit la fonction que ces étiquettes prétendaient remplir.

Le matin, un petit comptoir de boulangerie baigné de soleil. Une femme d'une quarantaine d'années, vêtue d'un tablier fariné, se tient derrière. [Plan 1] Plan moyen, caméra fixe. Elle dépose un plateau de croissants sur le comptoir et lève les yeux avec un léger sourire. [Plan 2] À 00:04, gros plan, caméra fixe. Ses mains ouvrent un croissant. De la vapeur s'échappe du centre. [Plan 3] À 00:07, plan moyen, lent travelling avant. Elle regarde la caméra. (S1) Dit chaleureusement : Cuit au four à six heures. Disparu à dix heures. Ambiance sonore : Bruit de fond d’un café, cliquetis d’un plateau en métal, léger bruit de la rue à travers la porte ouverte. Musique : Aucune.

Étape 3 : Attribuer un emploi à chaque personne de référence

Le mode de référence est le point fort du H3 par rapport aux anciens modèles Hailuo, et c'est là que la plupart des utilisateurs se trompent. Nommez chaque fichier selon son ordre et indiquez au modèle à quoi il sert. L'article de lancement de MiniMax illustre la démarche : utilisez le mouvement de caméra de la vidéo 1, faites chanter le personnage de l'image 2 et synchronisez la voix avec l'audio 3.

Pour une publicité, cela pourrait se lire ainsi : « Utilisez le produit de l’image 1 exactement comme indiqué. Suivez le lent mouvement de caméra en zoom avant de la vidéo 1. La voix du présentateur doit correspondre à l’audio 1. »

Respectez les limites suivantes : jusqu’à 9 images, 3 vidéos et 3 clips audio , chaque clip durant entre 2 et 15 secondes. Un extrait audio doit également être accompagné d’au moins une image ou une vidéo, car le son seul ne permet pas de visualiser le modèle.

Pour un présentateur apparaissant dans plusieurs plans, une image peut contenir une brève fiche personnage : une vue de face, une vue de profil et une vue en pied, chacune clairement légendée. Les recommandations de H3 le confirment, et vous pouvez pointer un plan vers une seule image, comme « la vue de face de l’image 2 ».

Si un fichier peut servir à deux fins, comme une photo de votre présentateur tenant le produit, précisez quelle partie est importante. « Utilisez le visage de l’image 2 » est plus clair que « Utilisez l’image 2 ».

Étape 4 : Écrivez le son dans l’invite

H3 synchronise le son et l'image, ce qui représente le principal gain de réalisme de cette version. Cependant, si le son n'est pas défini, le modèle le comble approximativement.

Les instructions de H3 divisent l'audio en deux parties. L'ambiance sonore couvre le bruit ambiant, les effets et tout élément non verbal, en 1 à 4 phrases. La musique est indiquée sur une ligne distincte ; vous pouvez indiquer « aucune » si vous n'en souhaitez pas. Si des paroles parasites apparaissent régulièrement, veuillez renseigner explicitement les deux parties.

Le dialogue obéit à ses propres règles. Attribuez un identifiant à chaque voix, placez les paroles entre guillemets et utilisez des guillemets simples pour le texte affiché à l'écran. Pour une voix off, précisez qu'elle est hors champ et que les lèvres du locuteur restent fermées, sinon vous risquez d'entendre un présentateur articuler des mots qu'il ne prononce pas.

Le score H3 reste stable dans 11 langues de dialogue, dont l'anglais, l'espagnol, le chinois et le japonais. Les répliques courtes sonnent toujours plus naturelles que les longues ; il est donc conseillé d'écrire le scénario comme on parle réellement.

Quelques lignes de paysage sonore que vous pouvez adapter :

• Produit sur un comptoir : « Ambiance feutrée de la cuisine, un léger cliquetis lorsque le pot touche le marbre, le bourdonnement du réfrigérateur en arrière-plan. »
• Plan extérieur : « Vent léger, circulation au loin, oiseaux de temps en temps, bruits de pas sur un chemin de gravier. »
• Face caméra : « Ambiance de petite pièce avec un léger écho, faibles cliquetis de clavier provenant d'un autre bureau. »

Étape 5 : Dites ce que vous voulez, pas ce que vous ne voulez pas.

Cette étape rompt avec les habitudes les plus tenaces de l'IA Hailuo. Plusieurs guides populaires recommandent encore des restrictions comme « pas de flou, pas de doigts supplémentaires, pas de texte ». Le guide H3 de ComfyUI préconise le contraire. Ses flux de travail H3 n'intègrent aucune restriction et préviennent que les listes d'interdiction ajoutent précisément les concepts que vous mentionnez. Dans toute application, la meilleure pratique consiste à décrire clairement ce que vous souhaitez.

Réécrivez chaque « non » en un « oui » :

• « Pas de caméra tremblante » devient « caméra fixe sur trépied ».
• « Pas de doigts supplémentaires » devient « ses mains reposent à plat sur le comptoir ».
• « Pas de texte » devient absolument rien. N'évoquez tout simplement pas de texte.

Le texte à l'écran est un cas particulier. MiniMax affirme que H3 gère correctement l'affichage du texte et de la marque, et les instructions précisent que chaque chaîne de caractères est placée entre guillemets, mot à mot. C'est un réel progrès ; testez-le donc avec votre titre. Pour les mentions légales, les prix ou un logo nécessitant l'approbation du service juridique, ajoutez-les tout de même dans votre éditeur. Une affirmation dans un article de lancement ne garantit pas le succès de votre marque.

Étape 6 : Draft à 768 points, régénérer le gardien à 2 000 points

H3 effectue le rendu par défaut en 768p et atteint la résolution 2K grâce à une seconde étape de régénération. MiniMax explique que le modèle retravaille sa propre sortie basse résolution, ce qui, selon la société, permet de récupérer les petits caractères et les détails fins.

Cette étape a un coût en crédits. En septembre 2026, le forfait Standard de Hailuo couvrait environ 143 secondes de H3 en 768p, mais seulement 84 secondes en 2K . Évitez donc les essais en 2K. Travaillez en 768p, modifiez un élément à la fois (mouvement de caméra, éclairage ou dialogue) et ne régénérez que la prise que vous souhaitez publier. Trois ou quatre essais par plan représentent un budget raisonnable avant de repenser le sujet.

Deux détails de l'application sont utiles ici. Le coût en crédits s'affiche à côté du bouton Créer avant la génération, et les générations échouées ne consomment pas de crédits. Free Avec les plans Standard, vous pouvez exécuter une tâche à la fois ; organisez donc vos variantes en fonction de ce que vous devez apprendre en priorité.

En résumé : une publicité produit de 15 secondes

Voici comment ces six étapes s'articulent pour créer une marque de soins de la peau.

Le mode utilisé est la génération de références. L'image 1 est une photo nette du flacon de sérum, l'image 2 est une fiche de présentation du présentateur et l'audio 1 est un court enregistrement de la voix du fondateur. La présentation s'ouvre sur la scène suivante : une étagère de salle de bain lumineuse le matin, avec une douce lumière provenant d'une fenêtre à gauche.

Le plan 1 commence par un lent zoom avant sur la bouteille de l'image 1, posée sur l'étagère. À 00:05.000, la caméra effectue un plan sur la présentatrice, vue de face (image 2), qui soulève la bouteille et la fait entrer dans le cadre. À 00:10.000, un gros plan montre une goutte tombant sur le bout de son doigt, tandis qu'une voix off hors champ, correspondant à la piste audio 1, énonce le nom du produit, lèvres closes. L'ambiance sonore est composée d'un léger bruit de salle de bain et d'un robinet qui coule. Aucune musique n'est ajoutée.

Enregistrez la vidéo trois fois en 768p, conservez la meilleure prise et régénérez-la en 2K. Ajoutez ensuite le prix et les mentions légales dans votre logiciel de montage. Pour plus d'idées de structuration, consultez ces exemples de vidéos publicitaires.

Là où l'IA de Hailuo trébuche encore

H3 est prometteur, mais pas encore au point. Dans son article de lancement, MiniMax indique que la qualité visuelle fait partie des aspects qu'ils travaillent encore à améliorer. Sur un comparatif public, H3 était devancé par Gemini Omni Flash de Google pour la conversion de texte en vidéo et par Seedance 2.0 et Gemini Omni Flash pour la conversion d'image en vidéo. Si vous êtes encore à la recherche d'un outil, ce comparatif de générateurs de publicités vidéo IA vous propose d'autres options.

En pratique, les mêmes défauts se manifestent sur chaque modèle . Les visages se crispent lorsqu'on tourne la tête. Les mains manipulent maladroitement de petits objets. Une étiquette se déplace entre la première et la troisième prise de vue. Visionnez chaque prise sur votre téléphone, une fois avec le son et une fois sans, avant de vous engager financièrement.

Si une image présente encore un défaut, ne gaspillez pas de crédits en régénérant l'intégralité du clip. Predis.ai vous permet de modifier une seule image d'une publicité vidéo et de conserver le reste, de sorte que les plans qui ont fonctionné restent intacts.

Utilisation des vidéos Hailuo AI dans les publicités

La FAQ de Hailuo indique que toute vidéo téléchargeable sans filigrane vous appartient et peut être utilisée à des fins commerciales, et que les vidéos avec filigrane…free Les téléchargements sont inclus dans les abonnements payants. Veuillez consulter les conditions générales en vigueur avant de lancer une campagne payante, car les offres ont évolué depuis le lancement de H3.

N'oubliez pas d'étiqueter votre publicité. TikTok demande aux créateurs d'étiqueter les contenus réalistes basés sur l'IA , Meta peut exiger son étiquette « Informations IA » , et YouTube propose son propre paramètre de divulgation. Si vous envisagez d'utiliser vous-même les pondérations H3 ouvertes, sachez que les produits commerciaux générant plus de 20 millions de dollars de revenus annuels nécessitent l'autorisation écrite de MiniMax.

L'invite est le bref maintenant

L'ancienne méthode d'Hailuo AI consistait à obtenir un bon extrait vidéo à partir d'une brève consigne. Avec H3, vous rédigez un brief : le déroulement des événements, leur ordre, les fichiers utilisés et le rendu sonore. Une description claire permet d'éviter les écueils.

Laissez ensuite les résultats parler d'eux-mêmes. Créez 2 ou 3 versions de la publicité et voyez laquelle attire l'attention. Predis.aiLes analyses de [nom de l'outil] montrent comment chaque variante a fonctionné après son exécution ; ainsi, votre gagnant est quelque chose que vous avez trouvé plutôt que quelque chose que vous avez deviné.

FAQ

Vous aimerez aussi:

• Exemples de rédaction publicitaire créative
• Taille de la vignette de la vidéo Facebook
• Dimensions de la vidéo YouTube