Un solo modello che, da una foto e una frase, genera un video con dialoghi, effetti sonori e musica già sincronizzati — tutto prodotto nello stesso passaggio, senza montare l'audio a parte. È la promessa di MiniMax H3 (o Hailuo 3.0), il modello «omni-modale» che il laboratorio cinese MiniMax ha lanciato via app e API il 31 luglio 2026 e di cui ha pubblicato i pesi su Hugging Face il 3 agosto. Vediamo cosa fa davvero e come provarlo dall'Italia — con un'avvertenza importante sulla licenza.
Cosa rende diverso MiniMax H3
La maggior parte dei generatori di video crea le immagini e lascia l'audio a un secondo strumento. H3 fa entrambe le cose insieme: accetta in ingresso testo, immagini, video e audio e restituisce un video con audio stereo nativo a 32 kHz — voce, effetti e ambiente sonoro generati in modo coerente con la scena, in circa undici lingue. È il primo modello video di MiniMax rilasciato con i pesi aperti.
Le caratteristiche tecniche dichiarate sulla scheda del modello: clip fino a 15 secondi a 24 fotogrammi al secondo, con un percorso fino alla risoluzione 2K, e formati che vanno dal panoramico 21:9 al verticale 9:16 pensato per i social. Sul piano dell'architettura si tratta di un modello di tipo diffusione da circa 33 miliardi di parametri, con moduli separati per la codifica di video e audio.
Quanto costa e dove si trova
Per la maggior parte degli utenti la via più semplice è l'app Hailuo AI (hailuoai.video) o la MiniMax Open Platform con le sue API. Il modello è disponibile anche presso alcuni servizi terzi che lo ospitano. I prezzi delle API si aggirano intorno a 0,13-0,16 dollari per secondo di video in 2K a seconda del fornitore — in pratica circa un dollaro per una clip da quindici secondi sui piani base. Le cifre esatte vanno verificate sulla piattaforma ufficiale, perché variano per risoluzione e tipo di generazione.
Attenzione alla licenza: in Europa non si scaricano i pesi
Qui sta il punto più delicato per i lettori italiani. I pesi pubblicati su Hugging Face (repository MiniMaxAI/MiniMax-H3) non sono rilasciati con una licenza aperta classica come Apache o MIT, ma con una «MiniMax H3 Community License». Secondo quanto riportato da più fonti, il «territorio applicabile» di quella licenza esclude l'Unione europea (oltre a Regno Unito, Stati Uniti e Corea del Sud): in altre parole, l'uso dei pesi installati in proprio non è concesso in Italia. Prima di scaricare qualsiasi cosa conviene leggere il file di licenza sul repository.
La conseguenza pratica è netta: per chi opera in Europa la strada corretta e conforme è quella dell'API ospitata o dell'app Hailuo, non l'installazione locale del modello. È una distinzione che riguarda la legalità dell'uso, non solo la comodità.
Come provarlo: un esempio concreto
Il modo più immediato è aprire l'app Hailuo AI (o un playground che ospita H3), scegliere la modalità «immagine-in-video» o «reference-to-video», caricare una foto e, se serve, un breve campione vocale, e descrivere la scena. Un esempio di prompt:
«La donna nella foto di riferimento prende in mano la bottiglia e dice: "Ha cambiato la mia routine mattutina", luce calda da cucina, formato 16:9, suono ambientale naturale.»
Risultato atteso: una clip in alta risoluzione in cui il soggetto pronuncia la frase con il labiale sincronizzato, immersa in un ambiente sonoro coerente — voce, riverbero della stanza, eventuali rumori di fondo — generati nello stesso passaggio, senza bisogno di aggiungere l'audio dopo.
Dove si colloca e a chi conviene
Con H3, MiniMax entra in diretta concorrenza con i generatori video più noti — da Google Veo a Runway, da Kling a Sora — ma punta su una carta specifica: l'audio nativo sincronizzato, che negli altri strumenti spesso richiede passaggi separati. Per chi crea contenuti brevi per i social, spot dimostrativi di prodotto o video parlati, è una semplificazione notevole del flusso di lavoro.
Il consiglio, per un creator o un'azienda in Italia, è di partire dall'app o dalle API per valutarne la qualità sui propri casi d'uso, tenendo bene a mente la questione della licenza sui pesi. Come per ogni contenuto generato dall'IA, restano poi da considerare gli obblighi europei di trasparenza — dal 2 agosto 2026 l'AI Act chiede di etichettare i contenuti sintetici — e le regole sull'uso dell'immagine e della voce di persone reali. La tecnologia semplifica la produzione; la responsabilità di come la si usa resta, come sempre, di chi la mette online.
