MiniMax H3: Texto para Vídeo

Gere vídeo com áudio estéreo nativo diretamente de um prompt de texto usando o MiniMax H3, um modelo omni-modal que sintetiza voz, efeitos sonoros e música em uma única passagem. A saída é de até 2K de resolução, 24fps e cerca de 15 segundos de duração, sem necessidade de arquivos de entrada — apenas um prompt para um vídeo de saída. Ideal para visualização rápida de conceitos, criação de conteúdo para redes sociais e storytelling sincronizado com áudio.

Input

Describe the shot: subject, setting, how it moves, the camera move and the sound.

Shape of the video.

Length of the video.

Megapixels per frame; 0.4 MP is about 848×480, 0.9 MP about 1280×720.

Advanced settings

Leave empty for a new result each run. Enter a number to repeat one.

Use the 8-step turbo LoRA: much faster, slightly less detail.

Output
00:00
Example

Experimente um exemplo

Sobre este fluxo de trabalho

Este workflow tutorial ComfyUI transforma um único prompt de texto em um vídeo finalizado com áudio estéreo nativo usando MiniMax H3, um modelo omni‑modal que sintetiza visuais, voz, efeitos sonoros e música em uma única passada. Não há arquivos de entrada para gerenciar — basta descrever o que você quer e o grafo retorna um clipe de aproximadamente 15 segundos a 24 fps, até 2K de resolução, com som estéreo embutido.

Por baixo dos panos, um subgrafo do MiniMax H3 (nó 79dd8a95-ce9d-4c14-b264-2162e8bec5ce) lida com geração e decodificação. Ele usa os VAEs de vídeo e áudio do MiniMax H3 (minimax_h3_video_vae_fp16.safetensors e minimax_h3_audio_vae_fp32.safetensors) para reconstruir frames e áudio estéreo a partir dos latentes do modelo. O ResolutionSelector mapeia presets convenientes para dimensões válidas em múltiplos de 32 (ex.: 960×544, 1152×640, 1216×672), e o SaveVideo faz o multiplex de frames e do stream de áudio estéreo em um único MP4. Um MarkdownNote no canvas fornece dicas rápidas e exemplos de prompt. O resultado é um pipeline compacto, apenas com prompt, ideal para visualização rápida de conceito, posts sociais e storytelling com áudio sincronizado.

Perguntas e respostas