MiniMax H3 vs Wan 3.0. Referencia a vídeo, cara a cara.

Cada uno gana trabajos distintos. MiniMax H3 Ref2V es el carril de diálogo: clips de 4-15 s cuya banda estéreo — voz con lip-sync, ambiente, música — renderiza en la misma pasada, desde hasta 9 imágenes, 3 vídeos y 3 audios de referencia. Wan 3.0 R2V es el carril de plano largo: clips de 2-30 s en una pasada a hasta 1080P desde el kit mayor de 10 imágenes, 5 vídeos y 5 voces, con transferencia de movimiento desde clips de referencia. Los benchmarks aclaran poco: corre tu kit por los dos y quédate con el ganador.

Wan 3.0 R2V acepta el kit mayor — hasta 10 imágenes más 5 vídeos y 5 audios sueltos — y es el composer R2V por defecto del estudio para consistencia de personaje, utilería, espacio y estilo, incluidas escenas con varios personajes y un kit por rol. MiniMax H3 Ref2V topea en 12 archivos (9 imágenes, 3 vídeos, 3 audios) y sostiene bien la identidad dentro de ese techo, con su ventaja en la voz actuada: fija un personaje a Audio N y la línea mantiene ese timbre. Para diálogo con cinco personas, empieza en Wan; para un único presentador, H3.

Wan 3.0 R2V, sin duda: su composer renderiza 2-30 segundos en una pasada, hecho para lenguaje de cámara continuo y historias de un solo plano. MiniMax H3 Ref2V corre 4-15 segundos por pasada a 24 FPS. Los dos limitan tu vídeo de referencia — los segundos combinados quedan bajo 15 — y Wan además recorta para que vídeo de entrada y salida no pasen de 30 segundos. Para una pieza final más larga de 30 segundos, planifica beats en varias tomas, lo que comparar en un saldo hace barato.

MiniMax H3 Ref2V se construyó para el sonido. Cada clip trae audio estéreo nativo de 32 kHz — diálogo con lip-sync en 11 idiomas, ambiente y pistas de música dirigibles en el prompt — en la misma pasada de render; por eso el estudio manda ahí presentadores y anuncios UGC. Wan 3.0 R2V también renderiza audio por defecto y preserva el diálogo escrito en el prompt, pero el lip-sync exacto a palabras concretas es su límite documentado. Para un corte rough los dos bastan sin doblaje; para vender una línea, H3 es el carril.

Wan 3.0 R2V suele ser el borrador más barato: su cotización sale solo de duración y resolución (el audio no la cambia), así una toma de 5 s a 480P ronda hoy los 39 créditos. MiniMax H3 Ref2V cotiza por segundo a 768P o 2K — unos 60 créditos por 5 s a 768P — más los materiales de entrada: las primeras 5 imágenes son gratis, las extra y los segundos de vídeo de referencia se facturan. Los dos muestran la cotización exacta antes de renderizar, en un saldo a 100 créditos por $1, con reembolsos por fallos.

Sí — es el carril de microedición Ref2VA, y es la bifurcación de capacidades más clara aquí. Fija el clip aprobado como Video 1 y pide qué cambiar y qué preservar: intercambia una persona, un objeto, el fondo, la iluminación o la línea entregada, y el resto de la toma se mantiene estable. Es edición generativa por instrucción, no un NLE — sin cortes, recortes ni cambios de velocidad. Wan 3.0 R2V no tiene vía de fuente de edición: sus vídeos de referencia dirigen movimiento y estilo, y los medios de referencia no se mezclan con primer/último fotograma.

No — la regla bifurca. MiniMax H3 Ref2V exige al menos una referencia visual (imagen o vídeo); el audio no puede ser la única entrada. Wan 3.0 R2V permite un trabajo solo de audio, así una toma de voz basta por sí sola. Los dos también aceptan un prompt simple junto al kit. Si tu proyecto arranca de una hoja de imágenes y un guion, los dos carriles están listos; si solo tienes una grabación de voz y una escena escrita, ese es el camino documentado de Wan.

Concesión honesta: ninguno de la pareja es la elección del estudio para eso. El enrutamiento es Wan 3.0 R2V como composer de referencia por defecto para escenas de personaje constante, MiniMax H3 Ref2V como carril económico y de edición para trabajo de diálogo, y Seedance 2.0 R2V sigue siendo la alternativa premium cuando una persecución, pelea o stunt físico domina el plano. Para presentadores, spots de producto y beats de historia, H3 y Wan cubren el trabajo a menor cotización.

Sí, y ese es el flujo de trabajo previsto: bloquea la escena y fija el movimiento en una pasada barata de Wan 3.0 R2V, lleva el beat de diálogo a MiniMax H3 Ref2V para que el presentador lo actúe con audio estéreo en una pasada, y monta las buenas. Todo factura desde un saldo de créditos, así cambiar de motor no cuesta nada salvo los renders que conservas — sin segunda cuenta, sin suscripción aparte.

No. Crea una cuenta de Moosky, abre cualquiera de los dos estudios R2V, y el precio en créditos de tu clip aparece antes de cada run — pagas por render en un saldo que no expira. Probar este enfrentamiento como Dios manda cuesta el precio de dos clips, no dos asientos mensuales, lo que hace el cara a cara práctico en vez de teórico.