Hailuo AI video explicado: el modelo de MiniMax, specs reales y alternativas en VIBE

Hailuo AI video es el nombre de la familia de modelos de texto a vídeo e imagen a vídeo de MiniMax, conocida por su movimiento humano fluido y sus movimientos de cámara cinematográficos. Hailuo no es uno de los modelos de VIBE, pero esta guía explica qué hace, enumera sus specs publicadas y muestra qué modelos de VIBE dan resultados comparables en tu móvil hoy.

¿Qué es Hailuo AI video?

Hailuo es el producto de generación de vídeo de MiniMax, una empresa de IA con sede en Shanghái que salió a la Bolsa de Hong Kong en enero de 2026). Su primer modelo de vídeo, video-01, se lanzó en septiembre de 2024 y la familia se ha actualizado varias veces desde entonces. Los nombres más habituales son Hailuo 02 y Hailuo 2.3, con generaciones más nuevas mencionadas por plataformas de terceros.

Hailuo llamó la atención porque los primeros clips mostraban personas con un realismo poco común: telas que se mecen, pelo al viento y manos que interactúan con objetos. Por eso las búsquedas del nombre siguen creciendo, incluso con erratas. Si comparas modelos y no aplicaciones, la pregunta útil es cuál resuelve mejor tu plano concreto.

En pocas palabras, describes una escena o subes una foto y el modelo devuelve unos segundos de imágenes en movimiento. Pertenece a la misma clase que Kling, Veo, Sora y Wan: un modelo de tipo difusión que ha aprendido cómo se comportan en pantalla las personas, la tela, el agua y las cámaras. Si la idea es nueva para ti, nuestra guía para principiantes sobre cómo hacer vídeo con IA cubre lo básico en orden.

Importan dos modos de entrada. El texto a vídeo parte solo de palabras, mientras que el imagen a vídeo parte de una foto tuya y le añade movimiento. El imagen a vídeo suele ser más predecible porque el primer fotograma está fijado y el modelo solo decide cómo se mueven las cosas.

¿Cuáles son las specs de los últimos modelos Hailuo?

En noviembre de 2026, la versión mejor documentada es Hailuo 2.3. Según las especificaciones de API publicadas, genera a 24 fotogramas por segundo, ofrece salida en 768p y 1080p y acepta un prompt de texto o una imagen inicial. En 768p crea clips de 6 o 10 segundos; en 1080p se limita a 6 segundos. Una variante Fast más barata solo anima imágenes y no hace texto a vídeo.

Estas cifras explican el flujo de trabajo práctico. Un clip de 6 o 10 segundos basta para una publicación social, un plano de producto o un momento de una historia, pero no para una escena completa. La mayoría de los creadores planifican su vídeo como una secuencia de tomas cortas y las montan después.

Una generación más reciente, Hailuo 03, también la describen integradores de terceros, pero las cifras de resolución y duración que dan no coinciden entre sí, y MiniMax no ha publicado un único conjunto de cifras que podamos verificar. Por eso no las citamos aquí. Considera provisional cualquier spec que no puedas rastrear hasta el creador o la documentación de un proveedor de API.

¿En qué destaca Hailuo?

• Movimiento humano. Caminar, bailar, girar la cabeza y manejar objetos parecen fluidos y con peso, no flotantes.
• Lenguaje de cámara. Los prompts con panorámicas, zooms, travellings y acercamientos se siguen de cerca, lo que va bien con clips cinematográficos y musicales.
• Imagen a vídeo. Una sola foto puede animarse en un clip corto, incluso con una opción Fast más barata solo para imágenes.
• Rostros expresivos. Los momentos emocionales como una sonrisa, una mirada o un suspiro suelen leerse con claridad.

Los límites importan igual. Los clips son cortos, así que una historia más larga necesita varias generaciones unidas. El resultado es probabilístico, por lo que conviene repetir un prompt varias veces, y el modelo admite una imagen inicial en lugar de fotogramas inicial y final separados. Son compromisos normales de toda la categoría, no defectos propios de Hailuo.

Un buen hábito es probar primero un prompt en un modelo gratuito. Si el movimiento y el encuadre se ven bien en 720p, puedes gastar una generación premium con el mismo prompt para un resultado 1080p más nítido. Así mantienes los costes bajos y evitas perder esfuerzo en prompts que hay que reescribir.

¿Está Hailuo disponible en VIBE?

No. En noviembre de 2026, la lista de modelos de VIBE no incluye Hailuo. VIBE ofrece Wan 3.0, Veo 3.1 Fast, Kling 3 Pro, Kling 3 Standard, Sora 2 Pro, Seedance Pro Fast, LTX Video, Luma Dream Machine, Wan 2.6 y PixVerse, y puedes ver la lista actual en la sección de modelos de VIBE. Nuestra guía de Wan 3.0 explica con detalle la opción premium más reciente.

Si en el futuro se añade una versión de Hailuo a VIBE, la sección de modelos es donde aparecería primero. Hasta entonces, lo sensato es emparejar las fortalezas que buscas con los modelos realmente disponibles.

Preferimos decirlo claramente antes que insinuar lo contrario. La cuestión práctica no es el logotipo del modelo, sino si consigues el plano que quieres, y para la mayoría de peticiones al estilo Hailuo (una persona moviéndose con naturalidad, un movimiento de cámara controlado, una foto que cobra vida) VIBE ya tiene buenas equivalencias. Nuestra comparativa de los mejores modelos de vídeo con IA en 2026 muestra cómo se comparan.

¿Qué modelos de VIBE se acercan más a Hailuo?

• Kling 3 Pro (Premium): hasta 15 segundos en 1080p con audio e imagen a vídeo, el más cercano para personas realistas y trabajo de cámara pulido. Mira la página de Kling 3.
• Wan 3.0 (Premium): el modelo más nuevo de Alibaba, una gran opción para movimiento natural y escenas detalladas.
• Wan 2.6 (Gratis): clips de 720p de hasta 8 segundos con imagen a vídeo, una buena forma gratuita de probar un prompt al estilo Hailuo. Mira la página de Wan.
• Seedance Pro Fast (Gratis): clips rápidos de 720p de hasta 8 segundos a partir de texto o imagen. Mira la página de Seedance. ByteDance ya ha anunciado Seedance 2.5, que VIBE aún no incluye.

¿Cómo se escribe un prompt al estilo Hailuo?

La misma receta sirve para todos estos modelos: sujeto, acción, escenario, movimiento de cámara, luz y después ambiente. Limítate a una acción clara por clip. A continuación tienes tres prompts listos para copiar, pensados para las fortalezas de Hailuo, movimiento humano y control de cámara, cada uno con el modelo de VIBE que mejor encaja.

Fíjate en que cada prompt describe exactamente un sujeto haciendo una sola cosa, con el movimiento de cámara indicado de forma explícita. Los modelos al estilo Hailuo responden bien a esto porque elimina la ambigüedad. Para el método completo, nuestra guía para escribir prompts de vídeo con IA profundiza más, y la colección de prompts cinematográficos tiene más ideas de cámara.

Pruébalo en Kling 3 ProKling 3 Pro

“A woman in a red coat walks through a rainy neon-lit street at night, steam rising from a food stall, slow tracking shot from the side, shallow depth of field, cinematic, natural footsteps and city ambience”

Pruébalo en Wan 2.6Wan 2.6

“A street dancer spins in an empty parking garage with warm sodium lights, camera pushes in slowly from a low angle, smooth fluid motion, 8 seconds, handheld feel”

Pruébalo en Seedance Pro FastSeedance Pro Fast

“Close-up of a barista pouring milk into a latte, the pattern forms into a leaf, steam curling in morning window light, slow orbit around the cup, calm and cosy”

¿Cómo probarlo gratis y sin iniciar sesión?

1. Abre VIBE en iOS, Android o la web. No hace falta cuenta para empezar.
2. Elige un modelo gratuito como Wan 2.6 o Seedance Pro Fast, o uno premium como Kling 3 Pro.
3. Pega uno de los prompts de arriba o sube una foto para imagen a vídeo.
4. Genera, revisa el clip y repite cambiando una sola cosa pequeña cada vez.
5. Guarda la versión que te guste y expórtala para TikTok, Reels o YouTube Shorts.

Convertir una foto fija en movimiento es la forma más rápida de obtener resultados parecidos a Hailuo, y nuestro tutorial de imagen a vídeo lo explica paso a paso. Para ver cómo encaja todo el flujo, consulta cómo funciona VIBE.

Por último, piensa dónde vivirá el clip. El vertical 9:16 encaja con TikTok, Reels y Shorts, y el 16:9 con YouTube y sitios web. Elige la relación de aspecto antes de generar, no después, porque reencuadrar un clip terminado recorta la imagen.

Preguntas frecuentes