Hailuo face à MiniMax H3 : même éditeur, deux grammaires de caméra opposées

MiniMax propose deux gammes vidéo sur LUVI, et elles veulent la caméra écrite de façons opposées. Sur Hailuo, c’est une commande entre crochets tirée d’une liste fermée : [Push in], [Tracking shot], [Static shot]. Sur MiniMax H3, ces mêmes crochets ne font rien du tout et la caméra doit être décrite en prose. La conséquence pratique justifie cet article : un prompt qui fonctionne sur une gamme perd son mouvement de caméra sur l’autre, sans la moindre erreur pour vous prévenir.

Qu’est-ce qui change exactement ?

L’instruction devient une phrase et gagne deux réglages.

• Hailuo : A man picks up a book [Pedestal up], then reads [Static shot]. Quinze commandes, à l’orthographe exacte, posées à l’endroit du mouvement. Jusqu’à trois dans une même paire de crochets agissent simultanément.
• H3 : The camera pushes in with small amplitude at slow speed toward the folded letter in her hands. Douze mouvements écrits en toutes lettres, plus quatre modificateurs figés : with small amplitude, with large amplitude, at slow speed, at fast speed. L’amplitude moyenne et la vitesse normale s’expriment par omission.

H3 dépense en outre une coupe et non une virgule pour un second mouvement : un plan porte un mouvement, une action visible et une image de fin, et un changement de point de vue s’écrit comme un nouveau plan avec sa marque de temps. La règle de Hailuo est plus souple : des crochets distincts dans l’ordre du texte, reliés par « then ».

Qu’est-ce qui ne se transpose pas non plus ?

Quatre choses, et celle du son est la plus lourde.

• Le son. Hailuo ne rend que l’image : pas de dialogue, pas de bruitage, pas de musique, donc chaque mot consacré à l’audio est perdu. H3 génère toujours du son et exige deux champs remplis, un pour l’ambiance et un pour la partition, car un champ omis est comblé par du son inventé et non par du silence.
• La forme du prompt. Un prompt Hailuo est un paragraphe clair sous 2 000 caractères. Un prompt H3 est un document à champs, aux noms en minuscules, séparés par des lignes vides.
• Les langues de dialogue. L’ensemble stable de H3 couvre onze langues ; le turc n’en fait pas partie, et la voie sûre consiste à écrire le plan sans bloc de dialogue et à poser la voix ensuite. Hailuo n’a pas de dialogue du tout, la question ne se pose donc pas.
• Les noms propres. Sur H3, les noms de personnages, les titres de films et les célébrités déclenchent la modération d’entrée et bloquent la requête entière. Hailuo refuse lui aussi une personne réelle comme sujet, mais l’échec est plus doux. Dans les deux cas, décrivez l’apparence.

En quoi les paramètres diffèrent-ils, et que coûtent-ils ?

Les deux facturent à la seconde, et tous deux cachent une valeur par défaut à vérifier.

• Hailuo-2.3 Standard laisse choisir six ou dix secondes ; le niveau Pro n’a pas de réglage de durée et rend six secondes. Un clip de six secondes était devisé à 560 crédits en Standard, 980 en Pro et 380 en Fast.
• H3 va de 4 à 15 secondes, avec trois résolutions écrites en capitales – 480P, 768P, 2K – et démarre sur 2K. À huit secondes, il était devisé à 608 crédits en 480P et 1 280 en 768P.

Deux valeurs par défaut méritent un choix délibéré. Le format de H3 démarre en 1:1, pas en 16:9. Et ses valeurs de résolution sont exactes : 768P avec un P majuscule. Une valeur mal casée n’est pas corrigée mais écartée, le modèle revient à sa propre valeur, et vous payez un palier que vous n’avez pas choisi.

Quelle gamme pour quel travail ?

• Un travail muet où la physique doit être juste – un objet qui tombe, une main qui retourne quelque chose, un véhicule qui traverse le cadre – va vers Hailuo, où les commandes entre crochets tiennent le mouvement mieux que la prose.
• Tout ce qui a besoin de son propre son, dialogue compris, va vers H3, puisque Hailuo n’en produit aucun.
• Un seul mouvement net avec un budget serré relève de Hailuo Fast, à 380 crédits les six secondes.
• Un temps plus long, ou plusieurs temps avec des coupes, relève de H3 : quinze secondes contre dix, et les coupes font partie de sa grammaire au lieu d’être à éviter.

Comment nous avons vérifié

• Modèles : Hailuo-2.3 t2v Standard et t2v Pro, ainsi que MiniMax H3 Texte vers vidéo.
• Réglages : clips de six secondes sur Hailuo ; clips de huit secondes sur H3 en 480P et 768P, en 16:9.
• Date et sources lues : 22 septembre 2026. Les devis en crédits obtenus en direct et les contrats de paramètres des modèles dans LUVI, les guides de prompts rédigés par LUVI pour les deux familles, et la référence de l’API texte vers vidéo de MiniMax pour la liste des commandes Hailuo.
• Résultats : 560 et 980 crédits pour six secondes sur Hailuo-2.3 Standard et Pro, 380 en Fast ; 608 et 1 280 crédits pour huit secondes sur H3 en 480P et 768P. Aucune sortie n’a été générée pour cet article, qui n’avance donc rien sur la qualité des résultats.
• Limites : l’affirmation selon laquelle les crochets ne font rien sur H3 provient du guide de prompts de LUVI pour cette famille et non d’un test publié par l’éditeur.

Dans LUVI

Le filet de sécurité, ici, c’est le bouton en forme de plume à côté du champ de prompt : il applique le guide du modèle sélectionné, si bien qu’un crochet égaré de Hailuo dans un prompt H3 est réécrit en prose plutôt que rendu comme rien du tout. Avant de générer sur H3, vérifiez le format et la résolution dans les contrôles : les deux valeurs par défaut surprennent. La liste des modèles qui génèrent le son avec la vidéo règle l’autre moitié du choix.

Les nouveaux comptes démarrent avec 200 crédits, et vérifier votre téléphone et une carte vous en rapporte jusqu’à 1 500 de plus. Vous pouvez créer un compte LUVI et sentir la différence entre les deux grammaires sur un même plan.

Sources

• Référence de l’API de génération vidéo (texte vers vidéo) (en anglais) – MiniMax, documentation officielle de l’API. Consulté le 22 septembre 2026.