Crea videos con sonido usando MiniMax H3

El modo texto no necesita más que un prompt, así que es la forma más sencilla de explorar una idea: bosquejas una escena, escuchas cómo queda el sonido y luego ajustas. También es donde tienes todos los formatos, desde el vertical 9:16 para el celular hasta una franja panorámica de 21:9.

Sube un fotograma inicial y el clip abre con esa imagen para luego moverse como indica tu prompt. Úsalo cuando la composición de arranque importa: un retrato que ya aprobaste, una foto de producto de una sesión para campaña o un cuadro del storyboard que quieres animar.

También funciona con un fotograma final solo. El video avanza hacia la imagen que le das, algo ideal para revelaciones: una botella que se acomoda en su posición de packshot, una puerta que se abre a una habitación terminada o un diseño final donde el movimiento se detiene.

Dale al modelo un fotograma inicial y uno final, y él resuelve el movimiento intermedio. Resulta práctico para unir dos tomas en la edición, mostrar un antes y un después o convertir dos cuadros del storyboard en un solo movimiento continuo. El resultado conserva la forma de tus imágenes.

El modo de referencia acepta hasta cinco imágenes que orientan el resultado sin funcionar como fotogramas fijos. Súmale un personaje, un vestuario, un producto o un lugar y describe la acción con libertad. Además de los seis formatos fijos, este modo permite elegir adaptativo.

Cada clip trae una pista estéreo generada junto con la imagen, no agregada después. Escribe diálogos, música o efectos de sonido en el prompt y pasarán a formar parte del resultado. La pista siempre está activa, así que tenla en cuenta aunque solo te interese la imagen.

La duración puede ser cualquier número entero de 4 a 15 segundos, de modo que el clip encaje con un golpe de tu edición o con el espacio de una plataforma sin redondear a un valor fijo. La cifra de créditos del botón Generar cambia a medida que mueves el ajuste.

El 768P es el nivel lógico para pruebas y redes sociales, y el 2K para la versión que entregas. Como el costo que muestra el botón Generar cambia con la resolución, puedes comparar ambos niveles y dejar el 2K para la toma en la que el detalle extra realmente valga la pena.

Sube la foto de producto aprobada como fotograma final y describe la previa: la tapa de una caja que se levanta, una luz que recorre la etiqueta, un silbido suave y una campanita de cierre. El clip se detiene en la imagen que tu cliente ya aprobó, y la versión final puede generarse en 2K.

Para los feeds pensados para el celular, escribe una escena corta en 9:16 con una línea de diálogo y una base musical, ajústala a ocho o diez segundos y genérala en 768P. La publicación llega con el sonido listo, así que queda menos por agregar antes de subirla.

Convierte dos cuadros del storyboard en fotograma inicial y final, y deja que el modelo complete el movimiento. Trabajar en 768P permite al equipo revisar el ritmo, los movimientos de cámara y un sonido aproximado antes de reservar un rodaje o pedir un render en 2K.

Arma un juego de hasta cinco imágenes de referencia con el personaje, su vestuario y su escenario habitual, y reutilízalo en cada episodio cambiando solo el prompt. Partir siempre del mismo juego ayuda a que la serie se reconozca de un clip al siguiente.

Exporta desde tu línea de tiempo el último cuadro de una toma y el primero de la siguiente, súbelos como los dos extremos y genera el movimiento que los une. Como el modo de fotogramas sigue la forma de la imagen, el puente encaja con el formato de tu edición.

Planos amplios en 21:9 o 16:9 de una ciudad al atardecer, un bosque después de la lluvia o un café tranquilo, cada uno con su ambiente sonoro, sirven como fondo para intros, presentaciones y ensayos en video. Pide solo ambiente y nada de música si un narrador hablará encima.

Termina primero la descripción visual y luego empieza una frase nueva para el sonido, por ejemplo: «Sonido: lluvia constante sobre un techo de lámina, truenos a lo lejos, sin música». Separar ambas partes hace el prompt más legible y deja claro qué palabras se refieren a la banda sonora.

Pon las líneas habladas entre comillas e indica quién las dice y cómo: el viejo pescador murmura «Viene la tormenta». Mantén las frases lo bastante cortas para que quepan en el clip; una toma de seis segundos tiene espacio para una oración, no para un discurso.

Un nombre de género por sí solo es vago. Prueba con un chelo solista y lento, un ritmo lo-fi cálido con crujido de vinilo o un synth-pop brillante con palmas, y aclara si la música debe entrar suave, crecer al final o quedarse baja debajo de las voces.

Los efectos se ubican mejor cuando están ligados a algo en pantalla: la puerta rechina al abrirse, las copas tintinean cuando dos amigos brindan, la grava cruje bajo las llantas de la bicicleta. Unir un sonido con una acción también da una pista de cuándo debe ocurrir.

No existe un interruptor para apagar el audio. Si buscas un clip casi en silencio, pide un ambiente tranquilo de habitación o una brisa suave en lugar de no mencionar el sonido, y silencia la pista en tu editor si el corte final necesita silencio total.

Cuando subes fotogramas, el aspecto ya está decidido. Usa el prompt para lo que se mueve, cómo viaja la cámara y qué se escucha, en vez de describir otra vez la escena. En el modo de referencia, explica con palabras sencillas qué representa cada imagen.