Prompts para Hailuo: sintaxis de MiniMax-H3 y de Hailuo 2.3, con ejemplos

Hailuo, MiniMax y H3: qué es cada nombre

MiniMax es la empresa que desarrolla los modelos. Hailuo es el nombre de su familia de modelos de vídeo y también el de su app. MiniMax-H3 es el modelo más reciente, al que muchos llaman «Hailuo 3.0»: es la misma cosa con dos nombres. En la API de MiniMax siguen disponibles los modelos anteriores: MiniMax-Hailuo-2.3, Hailuo-02 y T2V-01-Director.

Lo importante para escribir prompts es que H3 y los modelos anteriores no se escriben igual. Cambia la estructura, la forma de pedir la cámara y la forma de escribir el diálogo. Antes de nada, mira qué modelo tienes seleccionado.

• MiniMax-H3: texto a vídeo; primer fotograma, último o ambos; referencias (hasta 9 imágenes, 3 vídeos y 3 audios) y edición. Clips de 4 a 15 s, a 768p o 2K y 24 fps. Prompt de hasta 7.000 caracteres. Diálogo en 11 idiomas, español incluido.
• Hailuo 2.3, Hailuo-02 y T2V-01-Director: clips de 6 o 10 s a 768p, o de 6 s a 1080p. Prompt de hasta 2.000 caracteres. Cámara con comandos entre corchetes. El audio de estas versiones no está documentado.
• Acceso: API de MiniMax y app Hailuo. Los pesos de H3 están publicados en Hugging Face con una licencia comunitaria propia.

Comprobado en noviembre de 2026. Algunas fuentes sitúan el lanzamiento de H3 a finales de julio de 2026. Versiones, límites y precios cambian a menudo: revisa la documentación oficial antes de depender de estos datos.

Cómo se estructura un prompt para MiniMax-H3

La guía oficial de H3 organiza el prompt en secciones, siempre en este orden. Escríbelas en inglés, salvo el texto literal del diálogo.

• Línea de instrucción: solo en los modos con imagen. Una frase breve que diga qué hacer con la imagen o las referencias.
• integrated_multimodal_description: la descripción completa de lo que se ve y pasa (sujeto, escenario, luz, estilo, acciones y cámara), con el diálogo integrado.
• overall_soundscape: de 1 a 4 frases en inglés sobre el sonido ambiente y los efectos. Sin diálogo.
• non_diegetic_music: de 1 a 3 frases sobre la música que no suena dentro de la escena, o N/A si no quieres música.

integrated_multimodal_description: A wide shot shows an old ferry crossing a misty lake at dawn, its single lamp glowing on the bow. A ferryman in a wool coat stands at the wheel and slowly turns it to the left. The camera trucks right with medium amplitude at slow speed, keeping the ferry in the centre of the frame. Soft cold light, pale blue palette, realistic cinematic look.
overall_soundscape: Gentle water lapping against the hull, a low diesel engine hum, distant birds waking up.
non_diegetic_music: A quiet solo cello holds long, warm notes.

Diálogo y varios planos en H3

En H3, cada personaje que habla lleva un ID entre paréntesis, (S1), (S2)…, y lo que dice va literal dentro de una etiqueta <d> con el idioma entre corchetes. La documentación lo muestra con <d>[English] …</d>; para español, se escribe la etiqueta de idioma correspondiente. El diálogo va dentro de la descripción, nunca en overall_soundscape.

Si quieres varios planos, el primero va sin marca de tiempo y cada corte siguiente empieza con «At 00:03.500, the camera cuts to…» (minutos, segundos y milisegundos). Repite los rasgos del personaje en cada plano para que no cambie.

integrated_multimodal_description: [Shot 1] A medium shot frames a young watchmaker with round brass glasses at a cluttered wooden workbench, rain streaking the window behind her. She lifts an open pocket watch to her ear; the camera pushes in with small amplitude at slow speed. At 00:05.000, the camera cuts to a close-up of the watch's spinning balance wheel as the watchmaker (S1) says: <d>[Spanish] Ya vuelve a andar.</d>
overall_soundscape: Steady rain against glass, soft ticking of many clocks, a faint creak of the wooden stool.
non_diegetic_music: N/A

Use the uploaded image as the first frame.
integrated_multimodal_description: The street vendor in the image starts folding paper lanterns on her stall; steam rises from a pot beside her and a lantern sways in the breeze. The camera pulls out with small amplitude at slow speed to reveal the busy night market around her. Warm lantern light, neon reflections on wet pavement.
overall_soundscape: Crowd chatter, sizzling food, paper rustling, a distant scooter passing.
non_diegetic_music: N/A

MiniMax recomienda pasar el prompt de H3 por su reescritor, H3-Context-IR, antes de generar. Úsalo y compara el resultado con tu versión original.

Cámara: prosa en H3, corchetes en Hailuo 2.3 y 02

En H3, la cámara se describe en inglés con tres datos: tipo de movimiento, amplitud y velocidad. Por ejemplo: «the camera pushes in with small amplitude at slow speed». No uses corchetes.

En Hailuo 2.3, Hailuo-02 y T2V-01-Director pasa lo contrario: la cámara se pide con comandos entre corchetes, y solo valen estos 15:

• Desplazamiento lateral: [Truck left], [Truck right].
• Giro: [Pan left], [Pan right].
• Acercarse o alejarse: [Push in], [Pull out].
• Subir o bajar la cámara: [Pedestal up], [Pedestal down].
• Inclinar: [Tilt up], [Tilt down].
• Zoom: [Zoom in], [Zoom out].
• Otros: [Shake], [Tracking shot], [Static shot].

Cada comando se pone justo donde ocurre el movimiento dentro del texto, no todos al principio. Puedes combinar hasta 3 en un mismo corchete, separados por coma: [Pan left,Pedestal up]. Estas versiones traen prompt_optimizer activado por defecto; prueba con él y sin él.

A stone lighthouse stands on a windswept cliff at golden hour, waves breaking white on the rocks below [Static shot]. Seagulls lift off the railing as the lamp flickers on [Pedestal up], then the view turns along the coastline towards the setting sun [Pan right]. Warm low sunlight, long shadows, realistic cinematic look.

A potter in a linen apron shapes a tall clay vase on a spinning wheel in a sunlit workshop [Static shot]. She steps back to look at it as the camera rises and turns at the same time [Pan left,Pedestal up], revealing shelves full of drying bowls. Soft afternoon light through a skylight, documentary look.

Errores frecuentes

• Mezclar sintaxis: corchetes en un prompt de H3, o secciones y etiquetas <d> en uno de Hailuo 2.3.
• Inventar comandos que no existen, como [Orbit] o [Crane up], o meter más de 3 en un corchete.
• Poner todos los comandos al final en vez de colocarlos donde ocurre cada movimiento.
• Meter el diálogo en overall_soundscape o ponerle marca de tiempo al primer plano.
• Añadir una lista de negativos: en estos modelos no hay un campo documentado para ello. Describe en positivo lo que quieres ver.
• Pedir 1080p en H3 o 2K en Hailuo 2.3: cada resolución es de unas versiones concretas.
• Pasarte de longitud: 2.000 caracteres en 2.3/02/Director y 7.000 en H3.

No pidas el aspecto o la voz de personas reales, ni personajes, marcas o música con derechos. Si publicas el vídeo, etiquétalo como IA cuando la plataforma o la ley lo exijan.

Cómo usar el generador de prompts para Hailuo de PromptNow

Si no quieres acordarte de cada regla, el generador de prompts para Hailuo de PromptNow lo hace por ti. Eliges la versión (H3, 2.3, 02 o Director), el modo, el plano, el movimiento de cámara, la duración, la resolución y el audio, y escribes la idea y, si quieres, el diálogo literal.

Obtienes un texto para pegarlo en ChatGPT, Claude o Gemini, que te devuelve el prompt final con la sintaxis correcta de esa versión, los ajustes que van fuera del prompt, dos variantes, una explicación de cada parte y lo que conviene comprobar en la herramienta.