Vidéo courte avec MiniMax Hailuo : modèles et conseils de prompt

Réponse courte : Hailuo est la famille de modèles de génération vidéo de l'entreprise chinoise d'intelligence artificielle MiniMax. Hailuo 02 a été annoncé en juin 2025, Hailuo 2.3 en octobre 2025, et le modèle polyvalent multimodal « H3 » est arrivé en juillet 2026. Il produit de courts clips à partir d'un texte ou d'une photo ; avec H3, une image de référence, une vidéo ou un son peuvent aussi servir d'entrée. Dans cet article, nous présentons uniquement ce qui figure dans les annonces officielles et la documentation de l'API de MiniMax, puis la rédaction d'un prompt pour les courts clips.

Qu'est-ce que Hailuo et quelles sont les versions ?

Hailuo désigne les modèles vidéo que MiniMax propose sur son site, dans son application mobile et sur sa plateforme API. L'historique des versions, d'après les sources officielles, est le suivant :

Version	Annonce	Points mis en avant dans l'annonce officielle
Hailuo 02	18 juin 2025	1080p natif ; 6 ou 10 secondes en 768p, 6 secondes en 1080p ; suivi des consignes et accent sur la physique
Hailuo 2.3 et 2.3 Fast	28 octobre 2025	Mouvements corporels plus réalistes, lumière et ombre, plus large prise en charge des styles, expressions du visage plus naturelles
H3 et H3 Max	31 juillet 2026	Entrées texte, image, vidéo et son ; son stéréo natif ; vidéo jusqu'à 15 secondes ; 2K par défaut

L'annonce de Hailuo 02 indique que le modèle a été construit avec trois fois plus de paramètres et quatre fois plus de données d'entraînement que Hailuo 01. L'annonce de Hailuo 2.3 précise que 2.3 repose sur Hailuo 02 et que la version « Fast » est une option plus rapide et moins coûteuse pour la production en volume. Cette annonce ne précise pas la durée ni la résolution, et la liste des modèles de l'API de MiniMax ne donne pas non plus ces informations pour la version 2.3. Nous ne détaillons donc pas ici les limites de 2.3.

Que fait Hailuo 2.3 ?

D'après l'annonce de MiniMax, la version 2.3 apporte des progrès dans plusieurs domaines : des mouvements corporels plus réalistes, même lors de mouvements de caméra dynamiques, une meilleure physique et un meilleur suivi des consignes, des tons de lumière, d'ombre et de couleur proches du réel, des styles comme l'animation, l'illustration, l'encre de Chine ou le graphisme de jeu, et des expressions du visage plus naturelles dans les contenus de type prise de vue réelle. L'annonce indique aussi que les objets répondent mieux aux consignes de mouvement.

D'après la liste des modèles de la documentation API, MiniMax-Hailuo-2.3 fonctionne à la fois en texte vers vidéo et en image vers vidéo, tandis que MiniMax-Hailuo-2.3-Fast n'est disponible qu'en image vers vidéo. Avec la version Fast, vous ne pouvez donc pas générer de vidéo à partir d'un texte seul : une photo est nécessaire.

Que change H3 ?

MiniMax présente H3 comme « un modèle ouvert qui fait disparaître les frontières entre les tâches et les modes ». Selon l'article de blog officiel, le modèle comprend ensemble le texte, les images, la vidéo et le son ; il produit une vidéo stéréo native avec son, pouvant atteindre 15 secondes, avec 2K par défaut. Côté son, la parole, les effets sonores et la musique sont modélisés ensemble et non séparément. L'article cite plusieurs tâches de génération avec références et de retouche : transfert d'une image à une autre, d'une image à une vidéo, d'un son à un autre son et, en particulier, transfert de mouvement d'une vidéo à une autre. Le 3 août 2026, MiniMax a également annoncé dans une communication aux investisseurs que H3 était désormais publié en open source.

La documentation de l'API détaille ces informations :

Modèle	Résolution	Durée	Modes
MiniMax-H3	768P ou 2K	4 à 15 secondes	Texte vers vidéo, image vers vidéo (première et/ou dernière image), génération avec références
MiniMax-H3-Max	480P ou 768P	5 à 15 secondes	Texte vers vidéo, image vers vidéo (première ou dernière image) ; version ultérieurement entraînée à partir de H3 pour une génération plus rapide

En mode génération avec références, la documentation indique au maximum 9 images, 3 vidéos et 3 fichiers audio, soit 12 fichiers au total ; l'objectif est de garder cohérents un personnage, un mouvement, une caméra, un style ou un son. Les images d'entrée doivent avoir un rapport de format compris entre 2:5 et 5:2. La documentation fixe une limite de 50 Mo par vidéo, 30 Mo par image et 15 Mo par fichier audio.

Comment écrire un bon prompt pour Hailuo ?

La documentation recommande d'écrire les commandes de caméra entre crochets : des commandes comme [pan], [zoom] ou [static] s'ajoutent juste après la description concernée. Pour H3, le prompt peut comporter jusqu'à 7 000 caractères, ce qui laisse de la place pour une description détaillée. Pour un clip court, en revanche, un plan réduit et précis donne de meilleurs résultats.

Un modèle pratique pour un clip court :

1. Sujet et action : choisissez un seul mouvement principal.
2. Décor et lumière : où se déroule la scène, à quelle heure de la journée, d'où vient la lumière.
3. Caméra : une commande de caméra, placée juste à côté de la description concernée.
4. Son (avec H3) : ambiance sonore, musique ou courte réplique.

A small paper boat sails across a rain puddle on a cobblestone street, droplets ripple outward, soft overcast light, shallow depth of field. [Zoom in] slowly toward the boat. Gentle rain sounds and a distant tram bell.

En image vers vidéo, la photo devient la première image ; dans le prompt, ne redécrivez pas l'image, indiquez seulement ce qui doit bouger et ce que fait la caméra :

The woman lifts her cup and smiles toward the street, steam rises, leaves sway in the breeze. [Static] shot.

Vous pouvez fournir séparément une image de début et une image de fin (0 à 2 images) ; cela permet de fixer la façon dont le clip commence et se termine. En mode références de H3, précisez dans le prompt le rôle de chaque fichier : « le personnage de la première image », « le mouvement de caméra de la vidéo de référence », etc.

Comment choisir la durée et la résolution ?

La documentation laisse le choix entre 768P et 2K pour H3, tandis que H3 Max propose 480P et 768P, conçu pour la rapidité. Pour tester une idée, une faible résolution et une courte durée suffisent : passez à la haute résolution une fois le prompt au point. MiniMax propose aussi une tâche de nouvelle génération pour passer une vidéo H3 de 768P à 2K.

Quelles sont les limites connues ?

• Avertissement de MiniMax : l'annonce de H3 reconnaît que la compréhension multimodale reste perfectible, que la finesse visuelle peut être améliorée dans certains scénarios et que la taille du modèle limite encore plusieurs capacités.
• Langues : les sources ne contiennent aucun engagement de performance pour le turc ; pour les travaux importants, un prompt en anglais est plus prévisible.
• Différences d'accès : les options de durée et de résolution peuvent varier entre l'application web, l'API et l'exécution locale des modèles ouverts. Selon la documentation, l'API de H3 fonctionne pour le moment avec une formule à la consommation.
• Versions plus anciennes : Hailuo 02 et 2.3 figurent toujours dans la liste des modèles de l'API, mais les nouvelles capacités (son, génération avec références) sont arrivées avec H3.

Si vous utilisez les photos ou la voix de personnes réelles comme références, obtenez leur autorisation, et indiquez que la vidéo a été produite par l'IA.

Liste de contrôle pour votre premier clip

Pour votre premier essai avec Hailuo, suivez cet ordre et vous gagnerez du temps. Commencez par décider du mode : si vous n'avez qu'une idée, un texte vers vidéo ; si vous avez une photo, une image vers vidéo ; si vous avez plusieurs fichiers, la génération avec références. Choisissez ensuite une courte durée et une faible résolution ; à ce stade, le but n'est pas d'obtenir un beau résultat, mais de vérifier que le prompt est bien compris.

• Mode : texte, une seule photo ou fichiers de référence.
• Durée et résolution : courte et basse pour un brouillon, longue et haute pour la version finale.
• Prompt : une seule action, une seule commande de caméra, une lumière précise.
• Contrôle : regardez le résultat, modifiez un seul détail et relancez.
• Archivage : téléchargez immédiatement le clip qui vous plaît et notez les réglages utilisés.

Erreurs fréquentes

• Trop d'événements dans un clip court : choisissez une seule action principale et construisez l'histoire clip par clip.
• Plusieurs commandes de caméra à la fois : plutôt que d'empiler [pan] et [zoom], commencez avec une seule commande.
• Attendre du texte vers vidéo avec la version Fast : 2.3 Fast ne fonctionne qu'en image vers vidéo.
• Ne pas attribuer de rôle aux références : si vous fournissez plusieurs fichiers, dites dans le prompt lequel représente quoi.
• Commencer par la plus haute résolution : travaillez d'abord en 768P ou moins, puis passez à la haute résolution une fois le prompt mûr.
• Ignorer les proportions : les images d'entrée doivent avoir un rapport compris entre 2:5 et 5:2.

En résumé

• Hailuo est la famille de modèles vidéo de MiniMax : 02 (juin 2025), 2.3 (octobre 2025) et H3 (juillet 2026).
• H3 combine texte, image, vidéo et son, et produit une vidéo stéréo avec son de 15 secondes au maximum.
• D'après la documentation API, H3 propose 768P ou 2K sur 4 à 15 secondes ; H3 Max 480P ou 768P sur 5 à 15 secondes.
• Placez les commandes de caméra entre crochets, juste après la description concernée.
• Pour un clip court : une action, une commande de caméra, une lumière précise.
• Pour les matériaux de personnes réelles, demandez l'autorisation et étiquetez la vidéo.