Test de MiniMax H3 (Hailuo 03) : audio natif, sortie 2K et ce que coûte vraiment une génération

MiniMax H3, également distribué sous le nom Hailuo 03, a coûté $0.76 pour une génération texte vers vidéo de 10 secondes en 768p sur la route A le 2026-08-12. Nous l'avons mesuré avant d'ajouter le modèle à notre service vidéo multi-modèles, où chaque génération produit une ligne de facture sur notre compte. Le constat le plus utile portait sur son comptage des références. Sur les générations des 2026-08-10 et 2026-08-12, les secondes de vidéo de référence s'ajoutaient au temps facturé, tandis qu'une génération de 10 secondes en 2K avec deux images, le 2026-08-12, coûtait exactement le même prix que du texte vers vidéo.

TL;DR

• La route A a facturé $0.76 pour 10 secondes en 768p, soit $0.076 par seconde de sortie, le 2026-08-12.
• Avec la même vidéo de référence de 12.67s, une sortie de 5 secondes a coûté $1.368 et une sortie de 10 secondes $1.748, sur les 2026-08-10 et 2026-08-12. Le contrôle du tarif unitaire s'écartait de 0.4% dès lors que le temps facturé comprenait la sortie plus la vidéo de référence.
• Une demande en 2K a produit 2560×1440, tandis qu'une demande en 768p a produit 1344×768, vérifié avec ffprobe le 2026-08-12.
• Choisissez plutôt Seedance 2.5 s'il vous faut une sortie de 30 secondes, un jeu de références 30/10/10 ou un palier 480p. MiniMax H3 plafonnait à 15 secondes et 9/3/3 références, et son palier le plus bas est 768p sans option 480p, à la vérification du 2026-08-12.

Aperçu de la méthode

Le 2026-08-08, nous avons relevé trois générations chronométrées en texte vers vidéo de 5 secondes en 768p, à 137 / 150 / 243 secondes, et confirmé qu'un fichier audio pouvait être la seule référence. Le 2026-08-12, nous avons relevé une génération pour chacun des cas suivants : texte vers vidéo 10 secondes en 2K, texte vers vidéo 10 secondes en 768p, et un travail de référence de 10 secondes en 2K avec deux images. Le test de comptage des références a utilisé le même clip de 12.67s avec des sorties de 5 et 10 secondes, sur les 2026-08-10 et 2026-08-12. Nous n'avons pas utilisé un prompt unique pour toutes les configurations, ce n'est donc pas une comparaison qualitative contrôlée.

Résultats mesurés : coût et latence

Coût par génération sur la route A

Ce sont les débits de compte déclarés par la route A en USD et vérifiés le 2026-08-12. Les tarifs normalisés laissent la résolution d'origine visible.

La génération de 10 secondes en 2K avec référence image et celle de 10 secondes en 2K en texte vers vidéo ont toutes deux été facturées $1.235 le 2026-08-12. C'est la preuve directe, par le reçu, derrière le résultat sur la référence image. Ce n'est pas une estimation tirée d'une grille tarifaire publique.

Latence chronométrée, génération par génération

Nous conservons chaque génération mesurée au lieu de ne publier qu'une moyenne.

La ligne de latence du 2026-08-08 comporte trois générations. Chaque ligne du 2026-08-12 en comporte une. Ces données montrent la dispersion observée et des résultats individuels, pas une garantie de niveau de service.

Spécifications vérifiables et la frontière avec Seedance 2.5

Les spécifications ont été vérifiées le 2026-08-12. La comparaison avec Seedance 2.5 reprend les données mesurées le 2026-08-08 plutôt qu'une nouvelle génération.

La ligne de coût n'est pas une comparaison à résolution égale. Elle décrit le palier d'entrée mesuré pour chaque modèle, la résolution restant visible pour que ces chiffres ne soient pas pris pour un banc d'essai tarifaire contrôlé.

MiniMax H3 a également généré un audio synchronisé natif. Deux sorties inspectées portaient une piste audio AAC à la vérification par ffprobe le 2026-08-12. Un fichier audio a aussi été accepté comme seule référence dans une requête de création le 2026-08-08.

Pour l'intégration API, le paramètre de résolution est quality, avec 768p et 2k comme valeurs acceptées. Envoyer resolution renvoyait HTTP 400 le 2026-08-12. L'audio de référence va dans audio_urls ; envoyer reference_audio_urls renvoyait HTTP 400 le 2026-08-12.

Expérience exclusive : ce que le mode référence compte réellement

La question centrale était de savoir si la route A facturait uniquement le temps de sortie ou aussi les entrées de référence. Nous avons utilisé la même vidéo de référence de 12.67s, puis demandé une sortie de 5 secondes et une sortie de 10 secondes sur les 2026-08-10 et 2026-08-12.

Les deux débits concordent quand les secondes facturées sont les secondes de sortie plus les secondes de vidéo de référence. Le travail distinct de 10 secondes en 2K avec deux images a été facturé $1.235 le 2026-08-12, ce qui correspond exactement au débit du texte vers vidéo de 10 secondes en 2K le même jour.

Le temps de vidéo de référence est compté ; les références image n'ont pas ajouté de temps facturé dans ce test sur la route A. Le relevé de routage fourni indique que la même règle limitée à la sortie s'applique quand l'audio est la seule référence, mais il ne contient pas de reçu en USD distinct pour ce travail purement audio, nous ne publions donc pas de prix propre à l'audio tant que ce reçu n'existe pas.

Résolution et audio ont été vérifiés depuis le fichier de sortie

La route A a renvoyé 2560×1440 après une demande en 2K et 1344×768 après une demande en 768p le 2026-08-12. La résolution demandée était bien présente dans le média livré, et pas seulement dans les métadonnées de la requête. Deux sorties inspectées contenaient aussi un flux AAC le 2026-08-12.

Cette commande reproduit l'inspection de sortie sans dépendre de la réponse de la route :

ffprobe -v error -show_entries stream=codec_type,codec_name,width,height -of json output.mp4

La page de production MiniMax H3 héberge également nos exemples macro miel, pluie avec audio synchronisé et référence violoncelle à deux images, tous mesurés pour cette mise en ligne.

Les sorties elles-mêmes, jointes

Les tableaux de coûts ne montrent pas ce que le modèle produit. Voici les trois exemples de mise en ligne mesurés pour cet article, hébergés chez nous, avec les affirmations vérifiables que chacun porte.

2K natif, vérifié sur le fichier livré

Cette macro de 10 secondes a été demandée en 2K et le fichier livré mesure 2560×1440 selon ffprobe (2026-08-12), la même vérification que celle décrite dans la section sur la résolution. L'affirmation que porte ce clip est simple : la résolution que vous payez est présente dans le fichier, et le niveau de micro-détail (bulles, cristaux de sucre, alvéoles de mie) est ce que cette résolution achète.

Audio synchronisé, publié pour vos propres oreilles

Le prompt scénarisait trois événements sonores minutés : la pluie sur la vitre du début à la fin, le passage d'un tramway qui enfle vers 4s, et une tasse posée vers 7s. Le fichier livré porte une piste audio AAC (vérifié le 2026-08-12). Nous n'allons pas noter nous-mêmes notre propre synchronisation sonore ; le clip est là pour que vous jugiez si les événements scénarisés tombent là où l'image le prétend.

Deux images de référence composées en une seule scène

Entrées : un fixe de personnage de violoncelliste et une plaque de décor de hall inondé sans personne. La sortie devait placer l'un dans l'autre et garder les deux cohérents.

Dans notre revue de cette génération : la robe, la coiffure et l'instrument suivent le fixe de personnage ; la géométrie des colonnes, le faisceau du puits de lumière et le reflet dans l'eau suivent la plaque de décor ; le reflet accompagne son mouvement. Le versant facturation de cette génération précise se trouve dans le tableau de comptage plus haut : deux images de référence, 10 secondes en 2K, facturées comme du texte vers vidéo. Une génération, publiée comme preuve plutôt que comme banc d'essai.

Quand MiniMax H3 n'est pas le bon choix

Prenez Seedance 2.5 pour un plan de 30 secondes. MiniMax H3 s'arrêtait à 15 secondes dans la spécification vérifiée le 2026-08-12.

Prenez Seedance 2.5 quand le brief dépasse 9 images, 3 vidéos ou 3 fichiers audio. Son enveloppe de références atteint 30 images, 10 vidéos et 10 fichiers audio, là où MiniMax H3 utilise l'enveloppe plus petite 9/3/3 vérifiée le 2026-08-12.

Prenez Seedance 2.5 quand un palier économique 480p compte. MiniMax H3 démarrait à 768p à la vérification du 2026-08-12.

Les observations tarifaires disponibles utilisent aussi des résolutions différentes : MiniMax H3 a été mesuré à $0.076/s en 768p le 2026-08-12, tandis que la mesure existante de Seedance 2.5 est de $0.0968/s en 480p le 2026-08-08. Ne traitez pas cela comme une comparaison de qualité ou de prix à résolution égale.

Limites

• La ligne de latence 5 secondes en 768p comporte trois générations du 2026-08-08. Les autres lignes de latence en comportent une chacune, du 2026-08-12.
• La conclusion sur le comptage repose sur deux durées de sortie avec la même vidéo de référence de 12.67s, mesurées sur les 2026-08-10 et 2026-08-12. Elle n'établit pas toutes les combinaisons de références possibles.
• Le facteur tarifaire 2K de 1.625 est un contrôle en deux points du 2026-08-12, pas une courbe de prix étendue.
• Les prix des fournisseurs peuvent changer. Chaque montant en USD de cet article est un débit de compte sur la route A vérifié le 2026-08-12.
• Nous n'avons pas mené de comparaison qualitative contrôlée. Aucun échantillon de comptage d'échecs n'a été collecté, aucun taux d'échec n'est donc rapporté.

Méthode

Les valeurs de coût proviennent de reçus fournisseurs de la route A déclarés en USD et vérifiés le 2026-08-12. Nous avons conservé le montant débité pour chaque génération et l'avons normalisé par les secondes facturées indiquées dans la passation. Les libellés de route restent anonymes parce que le canal d'approvisionnement ne fait pas partie du résultat du modèle.

La latence est le temps réel de chaque génération enregistrée. Nous rapportons séparément la séquence de trois générations du 2026-08-08 et chaque génération unique du 2026-08-12. Nous ne les avons pas transformées en moyenne.

Pour le test de comptage des références, la même vidéo de référence de 12.67s a été utilisée avec des sorties de 5 et 10 secondes sur les 2026-08-10 et 2026-08-12. Pour le témoin sans vidéo de référence, le travail de 10 secondes en 2K avec deux images a été comparé au travail texte vers vidéo de 10 secondes en 2K le 2026-08-12. Les deux ont été facturés $1.235.

Résolution et audio ont été vérifiés sur les fichiers livrés avec ffprobe. Les dimensions observées étaient 2560×1440 pour une demande 2K et 1344×768 pour une demande 768p le 2026-08-12. Deux sorties inspectées contenaient de l'audio AAC.

Inspectez les exemples de mise en ligne et les réglages sur MiniMax H3. Reproduisez le flux multi-références dans Référence vers vidéo.