Novo modelo MiniMax: o que há de novo

Se você quer testar o MiniMax Hailuo 2.3 hoje, aqui vai a resposta curta: o modelo Standard suporta texto-para-vídeo e imagem-para-vídeo, e o Fast suporta imagem-para-vídeo, com primeiro frame obrigatório e prompt também obrigatório. Ele gera clipes de 6 ou 10 segundos em 768p e clipes de 6 segundos em 1080p. Em outubro de 2026, os preços começam em cerca de US$ 0,29 por clipe de 6 segundos em 768p no Standard e US$ 0,15 no Fast, com um fluxo de API simples: enviar → consultar → baixar.

Se eu resumir ao que mais importa, este lançamento gira em torno de quatro pontos:

• O que dá para fazer agora: texto-para-vídeo e imagem-para-vídeo
• Quanto custa: cerca de US$ 0,0248 a US$ 0,072 por segundo na APIMart, conforme o modelo e a resolução (em outubro de 2026)
• Como conectar: POST /v1/videos/generations e depois consultar o status com GET /v1/tasks/{task_id}
• Para quem é melhor: equipes que fazem anúncios curtos, clipes de produto, vídeos explicativos e variações de teste

Também há limites claros. O Fast não suporta texto-para-vídeo, porque exige um primeiro frame. Na APIMart, nenhum dos dois modelos aceita imagem de último frame ou subject reference. A APIMart não divulga um tempo fixo de renderização, então o modelo funciona melhor em trabalhos de vídeo curto do que em edição de formato longo.

Principais pontos

• O MiniMax Hailuo 2.3 é um modelo de vídeo cinematográfico de formato curto: o Standard suporta texto-para-vídeo e imagem-para-vídeo, o Fast exige um primeiro frame (o prompt continua obrigatório), e os dois geram clipes de 6 ou 10 segundos em 768p e de 6 segundos em 1080p.
• Ele adiciona simulação dos músculos do rosto e Global Identity VAE para rostos estáveis, 15 comandos de câmera em chinês entre colchetes no início do prompt, como [推进] (push in), e estilos de anime, nanquim e CG de games.
• Na APIMart, a API segue o padrão enviar, consultar, baixar: POST /v1/videos/generations retorna data[0].task_id, GET /v1/tasks/{task_id} é consultado a cada 15 a 30 segundos até o status ser completed, e a URL do vídeo fica em data.result.videos[0].url[0].
• Em outubro de 2026, a APIMart cobra por segundo: o Standard custa cerca de US$ 0,0488 em 768p e US$ 0,072 em 1080p, o Fast cerca de US$ 0,0248 e US$ 0,0424.
• O Fast custa cerca da metade do Standard em 768p e cerca de 40% menos em 1080p, os prompts aceitam até 2.000 caracteres e a APIMart guarda os resultados por 72 horas.

Tutorial de Minimax Hailuo: Clonagem de Voz, Geração de Vídeo e Música com IA + Automação com Make.com

Comparação rápida

O que mais me chamou a atenção foi isto: o modelo é fácil de testar, o preço é fácil de estimar e a API é direta. Na APIMart, você o chama pela MiniMax Hailuo 2.3 API. Então, se você está avaliando se o Hailuo 2.3 se encaixa no seu fluxo, a pergunta principal não é "consigo acessar?", e sim "preciso de texto-para-vídeo, ou consigo começar cada clipe a partir de uma imagem e economizar com o Fast?"

2. O que o MiniMax Hailuo 2.3 entrega no lançamento

O MiniMax Hailuo 2.3 é o modelo de vídeo curto da MiniMax para clipes cinematográficos. Ele foi feito para movimento fluido, personagens expressivos e prompts que seguem de perto o que você pediu.

2.1 Recursos principais e fluxos suportados

No nível do modelo, a principal escolha é entre Standard e Fast.

O Hailuo 2.3 Standard suporta tanto texto-para-vídeo quanto imagem-para-vídeo a partir de um único primeiro frame. A MiniMax destaca nesta versão melhorias no movimento corporal, nas microexpressões e no controle de estilo.^[1][7]

O Fast é para imagem-para-vídeo: first_frame_image é obrigatório, e você ainda envia um prompt de texto. A MiniMax o descreve como mais rápido e mais barato; a documentação da APIMart fala em menor latência.^[3][5]

A reprodução fica em torno de 24 fps cinematográficos, mas isso deve ser tratado como uma meta geral, não como especificação fixa.^[3][7][8]

Na prática, essa escolha afeta três coisas de imediato:

• se você pode começar só com texto
• quanto custa cada clipe
• quão rápido uma equipe vai do prompt ao rascunho pronto

2.2 Melhorias em movimento, personagens e estilo

O maior avanço em relação ao Hailuo 02 aparece no movimento e na emoção dos personagens.

O Hailuo 2.3 usa simulação dos músculos do rosto para lidar com expressões pequenas, como movimento das sobrancelhas, mudanças no foco do olhar e leves inclinações de cabeça. Ele também usa o Global Identity VAE para manter rostos, cabelo e roupas mais estáveis de um frame para outro.^[1][4][9]

O movimento de câmera também ficou mais forte. Na APIMart, você coloca no início do prompt um dos 15 comandos em chinês entre colchetes, com os rótulos exatos: [左移] / [右移] (pan para a esquerda / direita, deslocamento lateral), [左摇] / [右摇] (rotação para a esquerda / direita), [推进] / [拉远] (push in / pull out), [上升] / [下降] (subir / descer), [上摇] / [下摇] (tilt para cima / baixo), [变焦推近] / [变焦拉远] (zoom in / out), além de [晃动] (tremor), [跟随] (acompanhar) e [固定] (fixo).^[5] Além disso, o Hailuo 2.3 amplia o controle de estilo com opções de renderização para estéticas de anime, nanquim e CG de games.^[1][4][6][9]

Isso significa que as equipes podem controlar com mais intenção a sensação de um clipe. Um close de personagem, um push in lento ou um plano estilizado de produto deixam de ser sorte e passam a ser questão de escrever o prompt.

2.3 Onde o Hailuo 2.3 se encaixa melhor

O Hailuo 2.3 funciona melhor em clipes curtos e marcantes. Se você precisa de uma peça mais longa, faz mais sentido gerar os planos aqui e juntá-los em um editor comum.

Use o Hailuo 2.3 Standard quando precisar de texto-para-vídeo, ou quando direção de estilo e detalhe do prompt forem o mais importante, como em anúncios principais, trailers ou momentos centrados em personagens. Passe para o Fast quando puder começar de uma imagem e velocidade e volume pesarem mais, principalmente em testes de variação ou produção social em lote.

Essas diferenças do lançamento se refletem diretamente na configuração da API, nos limites de saída e nas decisões de integração da próxima seção.

3. Prévia da API: endpoints, entradas, saídas e acesso

3.1 Estrutura de requisição e resposta

Na APIMart, o Hailuo 2.3 segue um fluxo simples enviar → consultar → baixar. Você envia uma requisição POST https://api.apimart.ai/v1/videos/generations, recebe um task_id em data[0].task_id e espera enquanto o vídeo é processado. Depois, consulta GET https://api.apimart.ai/v1/tasks/{task_id}. Quando o status é completed, a URL do vídeo fica em data.result.videos[0].url[0]. Esses campos correspondem aos dois caminhos do lançamento: texto-para-vídeo e imagem-para-vídeo.

Para texto-para-vídeo, a requisição precisa de um campo prompt, que pode ter até 2.000 caracteres. Para imagem-para-vídeo, você também envia first_frame_image como frame inicial. A imagem pode ser passada como URL pública ou data URI em Base64. A documentação da própria MiniMax recomenda arquivos com menos de 20 MB, lado menor acima de 300 px e proporção entre 2:5 e 5:2.

Os principais controles são:

• duration para a duração do clipe: 6 ou 10 segundos em 768p, 6 segundos em 1080p
• resolution como "768p" (padrão) ou "1080p"
• prompt_optimizer como opção adicional

Enquanto a tarefa roda, GET /v1/tasks/{task_id} retorna o status pending ou processing. Ela termina como completed ou failed. Se concluir, leia a URL do vídeo em data.result.videos[0].url[0]; não há ID de arquivo separado nem endpoint de download. Se falhar, veja o motivo no campo error.

Consultar a cada 15 a 30 segundos é um ritmo razoável. Fazer isso com mais frequência só gera ruído. Mais um ponto: a APIMart guarda os resultados por 72 horas, então vale mover os arquivos prontos para o seu próprio armazenamento logo após a geração.

3.2 Acesso direto e API unificada da APIMart

As equipes também podem chamar diretamente a API da plataforma da MiniMax. Esse caminho fica mais próximo da documentação e do calendário de lançamentos da MiniMax, mas seus endpoints, campos de tarefa e etapas de download são diferentes dos da APIMart, então não misture os dois no mesmo cliente.

A APIMart oferece outro caminho para equipes que querem gerenciar trabalho multimodal em um só lugar. Toda requisição usa um token Bearer no cabeçalho:

Authorization: Bearer YOUR_API_KEY

A API unificada oferece uma chave de API e um saldo em USD para chamadas de texto, imagem e vídeo. Ela também usa um estilo de requisição compatível com a OpenAI, o que facilita a configuração se sua stack já usa esse formato. Se você vai ligar vários tipos de modelo em um único pipeline, esse tipo de configuração economiza tempo no lado do cliente.

3.3 Preços e cobrança em dólares americanos

A cobrança é feita por segundo gerado, em dólares americanos. Estes são os preços da APIMart em outubro de 2026.

Ou seja, o Fast custa cerca da metade do Standard em 768p e cerca de 40% menos em 1080p. Uma forma prática de controlar o custo é testar em 768p e deixar o 1080p para as renderizações finais. Assim as primeiras iterações saem mais baratas e ainda sobra espaço para entregar em qualidade maior depois. Confira os preços atuais na página do modelo.

4. Padrões de integração para fluxos multimodais

4.1 Padrões de implementação com SDK Python e REST

Com o formato de requisição e resposta definido, o próximo passo é ligar o Hailuo 2.3 a um pipeline que você possa rodar várias vezes. O jeito mais simples de pensar: o Hailuo 2.3 é a camada de renderização dentro de um sistema maior. Guarde a chave de API em uma variável de ambiente, use autenticação Bearer em toda requisição, requests para as chamadas de vídeo e SDKs para orquestrar os prompts.

import os
import time
import requests

API_KEY = os.environ["APIMART_API_KEY"]
BASE_URL = "https://api.apimart.ai/v1"

headers = {
    "Authorization": f"Bearer {API_KEY}",
    "Content-Type": "application/json",
}

payload = {
    "model": "MiniMax-Hailuo-2.3",
    "prompt": "[变焦推近] A ceramic coffee mug on a sunlit kitchen counter, steam rising, photorealistic",
    "duration": 6,
    "resolution": "768p",
    "prompt_optimizer": True,
}

response = requests.post(f"{BASE_URL}/videos/generations", json=payload, headers=headers)
task_id = response.json()["data"][0]["task_id"]

while True:
    status_resp = requests.get(f"{BASE_URL}/tasks/{task_id}", headers=headers)
    task = status_resp.json()["data"]

    if task["status"] == "completed":
        video_url = task["result"]["videos"][0]["url"][0]
        break
    if task["status"] == "failed":
        raise Exception(task.get("error", "Video generation failed"))

    time.sleep(20)

Com o video_url em mãos, baixe o MP4 e envie-o para a etapa de armazenamento ou publicação. Os resultados ficam guardados por 72 horas, então não deixe essa etapa para depois.

Com o fluxo de API funcionando, o próximo passo é definir padrões que mantenham gasto e qualidade de saída sob controle.

4.2 Desenhos de pipeline para equipes de conteúdo e produto

A maioria das equipes de conteúdo e produto se vira bem com três padrões de pipeline. Eles correspondem aos principais casos de uso do artigo: texto-para-vídeo, imagem-para-vídeo e montagem de áudio após a renderização.^{[13][10][12][20][21]}

Para um fluxo de clipe de anúncio (texto → vídeo), um LLM monta um prompt estruturado com cenário, sujeito, descrição do movimento e um comando de câmera entre colchetes no início. Por exemplo:

[跟随] A pair of running shoes on a track, golden hour lighting, cinematic

Esse prompt é então enviado em uma requisição de texto-para-vídeo ao Hailuo 2.3 Standard. Essa configuração funciona bem para clipes curtos de 6 segundos.^[16]

Para um fluxo de demo de produto (imagem → vídeo), envie uma foto limpa do produto e passe-a como first_frame_image para o Hailuo 2.3 ou o Hailuo 2.3 Fast. Assim o produto mantém a aparência exata enquanto ganha um movimento que uma imagem estática não consegue mostrar.^[13][10][12]

Para um fluxo de sincronização de narração (vídeo + áudio), renderize o vídeo primeiro. Depois adicione narração ou música na pós-produção com um modelo de voz ou de música e combine tudo no seu pipeline de publicação.

Se precisar de sequências com mais de 10 segundos, encadeie clipes. Pegue o último frame de uma geração e use-o na requisição seguinte como first_frame_image. É uma passagem simples, mas ajuda a manter a aparência dos personagens e a continuidade da cena entre os segmentos.^[10][12]

4.3 Parâmetros para padronizar antes do lançamento

Ajuda tratar isso como uma política de lançamento. Fixar uma lista curta de padrões antes de escalar mantém a saída estável, deixa o custo mais fácil de planejar e alinha o uso da equipe.^{[16][17][18][19]}

Uma lista curta costuma bastar:

• Modelo de prompt - Use uma estrutura comum: comando de câmera, cenário, sujeito, movimento e tag de estilo como "cinematic", "product demo" ou "user-generated feel". Mantenha uma biblioteca de prompts que já funcionaram para que as equipes os reutilizem em vez de começar do zero.^[11][14][15]
• Duração - Ajuste a duração do clipe à tarefa. Use clipes de 6 segundos para prévias e conteúdo social. Guarde os clipes de 10 segundos (só em 768p) para campanhas que precisam de mais tempo.
• Resolução - Defina 768p como padrão para rascunhos e iterações. Use 1080p só nas renderizações finais.
• Regras para o primeiro frame - Defina onde ficam as imagens originais aprovadas, mantenha os arquivos dentro dos limites recomendados pela MiniMax (menos de 20 MB, lado menor acima de 300 px) e defina o que é um bom frame inicial para imagem-para-vídeo.^{[10][17][18][15]}
• Escolha de modelo - Use MiniMax-Hailuo-2.3-Fast para lotes grandes de imagem-para-vídeo. Use MiniMax-Hailuo-2.3 (Standard) para texto-para-vídeo e para a saída final, depois de comparar os dois com seus próprios prompts.^[19]

Esses padrões definem o perfil de custo e a escolha de modelo discutidos a seguir.

5. Custo, escolha de modelo e conclusões

5.1 Estimando custos em cenários comuns de produção nos EUA

Com a configuração de lançamento e o fluxo de API prontos, o próximo passo é fechar o custo de produção.

Em outubro de 2026, um clipe de 6 segundos em 768p no Hailuo 2.3 custa cerca de US$ 0,29, e um de 10 segundos cerca de US$ 0,49. No Hailuo 2.3 Fast, os mesmos clipes saem por cerca de US$ 0,15 e US$ 0,25, mais ou menos a metade. Em 1080p (só 6 segundos), a diferença é menor: cerca de US$ 0,43 no Standard contra US$ 0,25 no Fast, cerca de 40% menos.

Para uma marca de e-commerce dos EUA que produz 80 clipes de produto Standard de 10 segundos por mês em 768p, o custo total de geração fica em torno de US$ 39,00.

Um jeito simples de pensar:

• Use o Hailuo 2.3 Fast para rascunhos de imagem-para-vídeo, variações A/B e testes em lote
• Use o Hailuo 2.3 para texto-para-vídeo, páginas de produto no ar, mídia social paga e prévias em lojas de apps

O preço importa, claro. Mas não deveria ser o único critério. O que você precisa que a saída entregue importa mais.

5.2 Escolhendo o MiniMax Hailuo 2.3 no catálogo da APIMart

A escolha se resume a três pontos: tipo de entrada, velocidade de rascunho ou volume em lote.

A parte boa é que uma única integração cobre os dois níveis. Assim, se sua equipe quiser alternar entre o modo rascunho e o modo final, basta trocar o valor de model, desde que toda requisição ao Fast inclua um first_frame_image.

5.3 Pontos para levar adiante

Se você está escolhendo entre os dois níveis, a regra é simples: o Hailuo 2.3 foi feito para vídeo curto, principalmente para clipes breves em que a consistência do movimento e o encaixe com a marca importam mais.

Antes de escalar, rode um piloto bem controlado. Gere um lote de clipes de 6 e 10 segundos. Depois, revise com a equipe criativa a qualidade do movimento e o encaixe com a marca, confirme que o tempo de entrega funciona para o seu fluxo de produção e verifique se a tela de cobrança da APIMart bate com os segundos usados e o custo total em USD.

Perguntas frequentes

Com qual modelo devo começar?

Para texto-para-vídeo, comece com o Hailuo 2.3 Standard. Se cada clipe puder começar a partir de uma imagem, o Hailuo 2.3 Fast é a opção mais barata para rascunhos e lotes.

Se você precisa de arte estilizada, movimento humano ou microexpressões, o Hailuo 2.3 é uma boa escolha. Se o seu trabalho depende mais de movimento com muita física ou de transições do primeiro ao último frame, o Hailuo 02 também é uma opção sólida. Se você precisa de áudio nativo ou saída 2K, dê uma olhada no MiniMax H3, o modelo de vídeo mais recente da MiniMax.

Você pode acessar todos eles pela API da APIMart unificada, definindo o parâmetro model.

Como faço clipes com mais de 10 segundos?

No Hailuo 2.3, clipes de 10 segundos exigem 768p. O 1080p só suporta clipes de até 6 segundos, então não serve para saídas mais longas.

Precisa passar do limite de 10 segundos por clipe da API? Gere alguns clipes e junte-os no seu backend, usando o último frame de um clipe como first_frame_image do próximo. O ideal é fazer isso de forma assíncrona, consultando cada tarefa até ela ficar completed.

O que costuma fazer uma requisição de geração falhar?

Uma requisição de geração pode falhar por alguns motivos comuns:

• Parâmetros inválidos, como duration: 10 com resolution: "1080p", ou uma requisição ao Fast sem first_frame_image
• Chaves de API inválidas
• Saldo insuficiente
• Limites de taxa (429)
• Erros internos do servidor (5xx)

Requisições com imagem também podem falhar quando o arquivo de entrada é grande demais ou a proporção fica fora da faixa suportada.

Se o status de uma tarefa mudar para failed, confira o campo error para ver o motivo exato.