MiniMax H3 vs Seedance 2.0: comparativa de vídeo y selección

Si quieres una toma final en 2K y referencias de imagen, vídeo y audio, elige MiniMax H3; si quieres varios niveles de resolución y un interruptor de audio independiente, elige Seedance 2.0. Este artículo compara ambas configuraciones con dos grupos de vídeos que usan el mismo prompt: latte art y un pabellón de cristal. Si buscas «Hailuo 3 API» para encontrar la integración de vídeo y la selección de modelo, también puedes ver aquí el ID real del modelo H3: minimax-h3.

MiniMax H3 ya está disponible en HiAPI, 2K a $0.1189 por segundo, 5 segundos por $0.5945.Genera con este prompt →, al abrirlo selecciona 2K, 9:16 y 5 segundos para crear primero un clip corto de latte art.

¿Qué diferencias influyen en la selección?

Opción	MiniMax H3	Seedance 2.0	Hailuo 2.3 texto a vídeo
Tareas adecuadas	Tomas en 2K, referencias multimodales	Tomas finales en varios niveles, creación con material de referencia	Clips cortos de duración fija
Resolución	2K	480p / 720p / 1080p / 4k	Salida predeterminada del modelo
Duración	4–15 segundos	4–15 segundos	6 o 10 segundos
Configuración de audio	Los requisitos de audio se escriben en el prompt	generate_audio, true por defecto	Omite el campo de audio en la entrada
Impulsado por imagen	Fotograma inicial y final, o hasta 5 imágenes de referencia	Fotograma inicial y final más imágenes de referencia, hasta 9 en total	La ruta de imagen a vídeo usa otro modelo
Referencia de vídeo	Hasta 3 clips, total ≤15 segundos	Hasta 3 vídeos de referencia	La ruta de texto a vídeo usa texto
Precio	$0.1189/segundo	480p $0.136/segundo; con vídeo de referencia $0.082/segundo	6 segundos $0.4; 10 segundos $0.8

El precio de Seedance tiene dos niveles según se pase o no un vídeo de referencia; el audio se controla por separado con generate_audio. Tanto H3 como Seedance admiten vídeo de referencia.

H3 Max tiene dos niveles: 480P a $0.072 por segundo y 768P a $0.115 por segundo, con duración de 5–15 segundos y compatibilidad con texto y fotogramas inicial y final. Si quieres 2K o referencias multimodales, elige H3; si quieres vídeo desde texto y fotogramas con bajo presupuesto, abre la página del modelo H3 Max.

Clip de latte art: comparación de H3 y Seedance con el mismo prompt

El prompt completo es el siguiente:

A barista's hand pours steamed milk from a stainless steel pitcher into a black espresso cup held at a slight angle on a light grey marble countertop. The milk stream settles and blooms into a full rosetta (fern-leaf) latte-art pattern by the end of the pour. Warm, directional side light rakes across the cup and pitcher. Vertical 9:16 framing, macro-close perspective, shallow depth of field, no camera movement, no text, no logos, no additional hands or objects entering frame.

Genera con este prompt →, selecciona 2K, 9:16 y 5 segundos.

Con el mismo prompt, el mismo 9:16 y 5 segundos, aquí se muestra una toma final seleccionada de cada modelo. H3 genera en 2K y Seedance 2.0 en 1080p; a continuación solo se describe la imagen.

H3: 2K / 9:16 / solicitud de 5 segundos	Seedance 2.0: 1080p / 9:16 / solicitud de 5 segundos

Genera con el mismo prompt en Seedance 2.0 →, selecciona manualmente 1080p, 9:16 y 5 segundos, y activa el audio.

Los vídeos de la página conservan los píxeles nativos: H3 es 1440×2560 y dura unos 5.2 segundos; Seedance es 1080×1920 y dura unos 5.1 segundos; Seedance solicita generate_audio=true.

El encuadre de H3 es más cercano: una mano sostiene la taza de café negra, la jarra de leche está en la parte superior izquierda, a los 0.5 segundos el chorro de leche ya cae en la taza, a los 2.5 segundos aparece la forma de hoja en la superficie, y a los 4.8 segundos la boquilla de la jarra se levanta y solo queda un fino hilo de leche, con las nervaduras de la hoja completamente visibles. El encuadre de Seedance es más amplio: la taza redonda negra está inclinada, el fondo es un armario oscuro desenfocado, la jarra de leche de acero inoxidable tapa parte de la boca de la taza, y a los 4.8 segundos la superficie muestra un patrón blanco en remolino, sin que la forma de hoja se revele por completo.

Pabellón de cristal: comparación de H3 y Seedance con el mismo prompt

La cámara se acerca desde la superficie del agua y luego asciende; el prompt completo es el siguiente:

Single continuous cinematic shot inside a vast glass pavilion suspended above a stormy ocean at blue hour. A kinetic sculpture made of hundreds of translucent crystal ribbons rises from a mirror-black reflecting pool and unfurls in a slow spiral, refracting warm amber light through cool teal mist. The camera begins inches above rippling water, glides forward, then cranes upward into a wide orbital reveal of the pavilion and distant lightning. Physically accurate reflections and refractions, volumetric directional lighting, crisp microdroplets, controlled natural motion, stable geometry, seamless temporal consistency, premium luxury commercial finish, high dynamic range, subtle film grain, no people, no logos, no text, no cuts, no flicker. Ambient sound: low ocean rumble, soft rain, delicate glass resonance, no speech.

Genera con este prompt →, selecciona 2K, 16:9 y 5 segundos.

También con el mismo prompt, 16:9 y 5 segundos, H3 genera en 2K y Seedance 2.0 en 1080p.

H3: 2K / 16:9 / solicitud de 5 segundos	Seedance 2.0: 1080p / 16:9 / solicitud de 5 segundos

Genera con el mismo prompt en Seedance 2.0 →, selecciona manualmente 1080p, 16:9 y 5 segundos, y activa el audio.

Los vídeos de la página conservan los píxeles nativos: H3 es 2560×1440 y dura unos 5.2 segundos; Seedance es 1920×1080 y dura unos 5.1 segundos; Seedance solicita generate_audio=true.

La cámara de H3 siempre avanza dentro del pabellón: en el centro hay una banda de cristal en espiral blanca reflejada en la superficie oscura del agua, a los 2.5 segundos se ve un relámpago a través del cristal, y a los 4.8 segundos la cámara está más cerca de la instalación y aún no ha subido fuera del pabellón. La instalación de Seedance se parece más a un grupo de púas luminosas que estalla sobre la niebla turquesa; a los 4.8 segundos la cámara ya se ha alejado al exterior, el pabellón es una caja de cristal sobre el mar y las olas rompen alrededor.

¿Cómo elegir según tu tarea de entrega?

• **Clips para tienda en 2K, tomas de producto:** elige H3 y escribe la acción, la luz, la cámara y el audio en un mismo prompt.
• **Ya tienes referencias de imagen, vídeo y audio:** compara H3 y Seedance; usa image_urls/video_urls/audio_urls de H3 o los campos reference_* correspondientes de Seedance.
• **Necesitas configurar resolución y audio por separado:** elige Seedance 2.0, selecciona la resolución manualmente y configura generate_audio.
• **Pruebas de fotogramas con bajo presupuesto:** elige H3 Max 480P; 768P cuesta $0.115 por segundo y H3 2K $0.1189 por segundo, así que al comparar presupuestos también hay que mirar los requisitos de salida.
• **Clips fijos de 6 o 10 segundos:** elige Hailuo 2.3, el presupuesto por clip es directamente $0.4 o $0.8.

Ya has integrado un modelo, ¿qué hay que cambiar para cambiar de modelo?

La interfaz de tareas sigue usando POST /v1/tasks, con model en el nivel superior y los parámetros de negocio en input. Para H3 escribe minimax-h3, para H3 Max minimax-h3-max y para Seedance seedance-2.0; para Hailuo 2.3 texto a vídeo escribe hailuo-2.3/text-to-video.

Los campos deben ajustarse en conjunto: H3 usa first_frame_image/last_frame_image; Seedance usa first_frame_url/last_frame_url y aspect_ratio es obligatorio; en Hailuo, duration se escribe como cadena "6" o "10". Al cambiar a H3 Max, usa 480P/768P en mayúsculas y omite aspect_ratio cuando pases imágenes de fotogramas.

Tras el envío, lee data.taskId y consulta con GET /v1/tasks/{taskId}; cuando el estado sea success, obtén el vídeo de data.output[].url; si es fail, corrige los parámetros según el mensaje de error. La devolución de llamada sigue el mismo tratamiento de deduplicación por taskId.

Preguntas frecuentes

¿H3 Max tiene mayor resolución que H3? H3 genera en 2K y H3 Max en 480P o 768P. Al seleccionar, considera a la vez la resolución, el modo de referencia y el presupuesto.

¿Si desactivas el audio en Seedance pasas al nivel de precio con vídeo de referencia? El nivel de precio distingue la entrada de vídeo de referencia; generate_audio se usa para controlar el audio.

¿Qué opción elegir si quieres vertical? Para vertical directo desde texto puedes empezar con el 9:16 de H3; en la ruta de fotogramas de H3 Max, prepara los fotogramas inicial y final según el formato objetivo.

Copia el prompt de latte art y ve a la página del modelo H3 para generar tu primer vídeo. Sigue consultando el presupuesto por duración de H3 y H3 Max, los pasos de integración de H3 Max y 4 prompts de vídeo completos.