A MiniMax lançou em 20 de agosto o MiniMax Design, uma plataforma de criação multimodal construída em torno do modelo de vídeo próprio H3. O usuário descreve em linguagem natural o que quer, e o sistema se encarrega de dividir o roteiro, organizar os planos, gerar quadros-chave, produzir o vídeo, compor a trilha sonora, adicionar legendas e editar, até chegar ao resultado final.
O produto é composto por várias partes: uma tela de fluxo de trabalho, uma mesa de direção 3D, um centro de ativos, uma biblioteca de Skills e um conjunto de Agents com funções divididas. A tela mantém à vista as relações entre material e planos; editar um ponto não exige recomeçar do zero, e também é possível gerar uma nova versão para continuar. A mesa de direção 3D é mais direta — personagens, posição de câmera e pose são organizados em uma cena tridimensional, criando uma referência de storyboard que depois é entregue ao modelo para geração. A biblioteca de Skills traz modelos de estilo prontos, como colagem de papel, tinta chinesa e formato de divulgação científica em anime, além de permitir criar um Skill personalizado por meio de conversa. O material é salvo automaticamente de forma local, com um clique para guardá-lo no centro de ativos. Fluxos de trabalho do ComfyUI podem ser importados diretamente.
O que existe entre 15 segundos e 3 minutos
O limite de geração única do H3 é de 15 segundos. Entre os exemplos divulgados pela MiniMax há uma história curta de 42 segundos, um videoclipe de 1 minuto e um documentário de 3 minutos. Fazendo uma conta grosseira, três minutos significam pelo menos doze planos emendados um após o outro, cada um precisando manter consistência de aparência dos personagens, figurino, iluminação e linguagem cinematográfica, além de serem organizados em ordem narrativa em uma linha do tempo.
É exatamente isso que o Design está resolvendo. No último ano, os avanços em vídeo por IA se concentraram na qualidade de planos individuais — resolução maior, física mais convincente, mãos sem seis dedos. Mas unir uma dezena de planos isolados em um filme assistível depende de outro conjunto de capacidades: consistência de personagens, unidade de estilo, organização da linha do tempo e a capacidade de chegar à quinta revisão sem desmoronar. A divisão de tarefas da MiniMax deixa o H3 responsável apenas pela geração dos planos, um Agent cuida da unificação de estilo e da organização da linha do tempo, e um Harness pergunta em pontos-chave qual é a direção central, recorrendo nos bastidores a uma base de conhecimento especializada para verificações de qualidade em múltiplas rodadas.
Essa estrutura segue quase o mesmo molde das ferramentas atuais de programação com IA: o modelo de base cuida da produção pontual, e por cima existe uma camada de orquestração capaz de planejar, se autoverificar e ser interrompida por humanos. No caso do vídeo há mais variáveis — se um plano sai errado, tudo o que vem depois precisa ser ajustado, então a etapa de verificação é empurrada com mais força para o início.
De quem é o emprego em jogo
Os cenários-alvo apresentados pela MiniMax são claros: produção completa de dramas curtos, geração em massa de imagens e vídeos para e-commerce, TVCs de marca, materiais de divulgação, vídeos educativos, PV/MV. O ponto em comum dessas categorias é volume alto, prazo apertado e orçamento baixo por peça — exatamente a faixa mais suscetível a ser arrasada por cadeias de ferramentas mais eficientes.
Segundo a Ifanr, o H3 somado ao Design já avançou sobre o fluxo de criação profissional que a Adobe domina há muito tempo. A afirmação está meio certa. O ativo central de um editor profissional nunca foi apenas os recursos do software, mas também o discernimento sobre o material e a capacidade de comunicação com clientes — essa parte o Agent não consegue assumir no curto prazo. Mas o trabalho repetitivo na base de um projeto — buscar referências, montar storyboards, gerar imagens em lote, alinhar trilhas, adicionar legendas — depois de embalado em um fluxo acionado por uma única frase, muda quantos projetos uma pessoa consegue tocar ao mesmo tempo. O que o setor chama de "a IA reduz o custo de conteúdo para um décimo" refere-se principalmente a essa parte.
A sequência de movimentos da MiniMax
Olhando a linha do tempo, fica mais claro. Primeiro o modelo de vídeo H3 foi lançado em código aberto, espalhando a capacidade de geração; o Hailuo AI já rodava com volume relevante de geração de vídeo doméstica no lado do consumidor; agora o Design conecta as duas pontas, transformando-as em uma bancada de trabalho orientada a projetos. Código aberto rende ecossistema, o lado do consumidor rende dados, o lado profissional rende receita — as três linhas avançam em conjunto.
Para equipes de conteúdo na China, a mudança mais prática no curto prazo talvez seja o canal de importação de fluxos do ComfyUI. Esse grupo já acumulou uma pilha de grafos de nós com parâmetros ajustados, e poder trazê-los sem alterações significa não precisar reaprender do zero. O maior atrito na troca de ferramentas raramente vem de não conseguir aprender, e sim de não querer abandonar o que já funciona bem.
Fontes: conteúdo oficial divulgado pela MiniMax, Ifanr, compilação editorial da CocoLoop; o limite de duração de geração única do H3 e a duração dos filmes nos exemplos seguem as demonstrações públicas.