Lanzamiento de vídeo de HeyGen a $0.01 por segundo: qué cambia realmente el post-entrenamiento de MiniMax H3 de HeyGen

HeyGen Video se lanzó el 30 a $0.01 por segundo hasta octubre, y ese número lo dice todo. Un clip de diez segundos cuesta diez centavos. En el propio gráfico comparativo de HeyGen, la generación base de la que se derivó —MiniMax H3, publicado el 31 de julio de 2026— se factura a $0.08 por segundo con la misma resolución 1080p y audio, y los demás puntos de referencia del gráfico llegan hasta $0.40 por segundo en el caso de Veo 3.1 de Go​ogle. Nada del lanzamiento es exótico: un modelo, tres modos de prompt, sonido generado en la misma llamada. Lo inusual es que una empresa tome una base de pesos abiertos, le haga post-entrenamiento para su propio vertical y ponga al resultado un precio inferior al del modelo del que deriva en casi un orden de magnitud, mientras afirma en la misma frase que evaluadores a ciegas lo situaron por delante de esa base. Ambas afirmaciones son de HeyGen, y la aritmética que hay detrás es donde reside realmente la del comprador.

Qué es realmente HeyGen Video

HeyGen Video es un modelo de video de uso general, no un motor de avatares, y la distinción importa si usted ya ha utilizado HeyGen antes. La propia documentación de la empresa traza la línea de forma explícita: sus motores de renderizado de avatares animan una apariencia que usted ya tiene a partir de un guion que usted ya escribió, mientras que este inventa el sujeto, el entorno, la luz y el sonido a la vez a partir de una descripción. Se distribuye bajo el identificador heygen-video-1 en POST /v3/models/videos, autenticado con un x-api-key encabezado, y solo funciona con claves de API de pago.

Tres modos cubren el acondicionamiento:

• text_to_video — solo prompt, la salida predeterminada es 16:9.

• image_to_video — prompt más una imagen, que se convierte en el primer fotograma literal, incluida su orientación EXIF; la salida sigue las proporciones de esa imagen.

• reference_to_video — el modo predeterminado. El prompt, además de hasta nueve imágenes de referencia, tres videos de referencia y tres clips de audio de referencia, doce elementos en total. El orden de la lista se convierte en la etiqueta que mencionas en el prompt: la primera entrada de reference_images es <Picture 1>, el primer video es <Video 1>, y las imágenes, los videos y los audios se numeran de forma independiente.

La envolvente de salida es ajustada y merece la pena leerla antes del precio:

• Duración — cualquier número entero de segundos entre 5 y 15, con un valor predeterminado de 5.

• Resolución — 480p o 768p, con 768p por defecto. En 16:9, son 1344 × 768; en 9:16, 768 × 1344.

• Velocidad de fotogramas y audio — 24 fps en un contenedor MP4/H.264, con audio AAC a 32 kHz estéreo que incluye diálogo, ambiente y efectos generados.

• Relaciones de aspecto — 21:9, 16:9, 4:3, 1:1, 3:4 y 9:16, además de adaptativa para el modo de referencia, que hereda la forma de la primera imagen de referencia.

• Mejora de prompt — turbo por defecto, quality para un procesamiento más prolongado, disabled para enviar tu texto sin modificaciones.

El esquema es estricto —los campos desconocidos se rechazan en lugar de ignorarse— y seed es un entero sin signo de 32 bits que hace que una toma sea repetible cuando la mantienes fija y cambias una cláusula a la vez. Los enlaces de descarga están firmados y caducan, por lo que el sondeo los renueva; las devoluciones de llamada se intentan una vez por trabajo y el propio HeyGen te indica que las trates como una optimización de latencia y no como una garantía.

Las propias cifras del proveedor, y las salvedades que estas incorporan

HeyGen puso una tabla comparativa en la página de lanzamiento, y es la única afirmación cuantitativa del texto, así que vale la pena desmenuzarla en lugar de repetirla.

El gráfico de calidad es una tabla Elo con HeyGen Video en la cima —1000—, luego Dreamina Seedance 2.0 con 955, la familia H3 Max de 952 a 860, Kling 3.0 Pro con 857 y Veo 3.1 con 744. La nota al pie hace mucho trabajo: las puntuaciones provienen de un conjunto de evaluación interno de consultas de Artificial Analysis Arena con 4.800 votos, y la propia puntuación de HeyGen se normaliza a 1000 para una comparación más sencilla. Que un proveedor se normalice a sí mismo hasta lo más alto de su propio gráfico no es prueba de que lidere; es una decisión de presentación. El espaciado relativo por debajo de él es la parte informativa.

Más útil es la comparación directa. HeyGen afirma que los probadores ciegos prefirieron su modelo al H3 Max de fal en el 55,8 % de las comparaciones, con un total de 650 votos y un rango de 49–62 %. Ese rango es el detalle honesto: en el extremo inferior bordea el 50 %, así que, según los propios números de HeyGen, una preferencia sobre H3 Max no se separa claramente del ruido. El desglose por ejes también es mixto —65 % en fidelidad a la imagen de origen y 66 % en temporalidad, frente a 43 % en coherencia y 45 % en música—, lo que da la impresión de un modelo que mantiene bien un único plano contenido y se desvía en los más largos.

La velocidad es la cifra menos discutible. HeyGen reporta su inferencia de difusión en 3,7 segundos para un clip de imagen a vídeo de diez segundos, frente a 4,1 segundos de H3 Max Turbo y 8,3 segundos de H3 Max, excluyendo el tiempo del generador de subtítulos porque varía según el modo. Todo lo que esté por debajo de la duración del clip que produjo es más rápido que el tiempo real.

El precio, y una discrepancia en el propio copy de HeyGen

Dos fuentes de HeyGen ofrecen dos tarifas estándar distintas. El texto de lanzamiento dice que el precio comienza en $0,01 por segundo hasta octubre, descrito como un 50 % de descuento sobre un estándar de $0,02, lo que convierte a octubre en la tarifa promocional y a $0,02 en el precio de lista. El gráfico de costos de la misma página, con la nota al pie de precio de lista por segundo a 768p con audio antes de las promociones de lanzamiento, sitúa a HeyGen Video en $0,03.

Eso no es una diferencia de redondeo; es una brecha del 50% entre lo que la prosa de HeyGen dice que es su tarifa estándar y lo que dice el gráfico de HeyGen. Las otras filas del gráfico son consistentes con los precios externos — MiniMax cobra el MiniMax H3 base a $0.08 por segundo, lo que coincide con los $4.80 por minuto que Artificial Analysis registra para él — así que las cifras de la familia H3 no son las que desentonan. Hasta que HeyGen publique una página de precios de API, considera el $0.01 como confirmado porque es la tarifa promocional vigente, y considera que el número posterior a octubre se sitúa en algún punto entre $0.02 y $0.03 por segundo.

Lo que cuestan mil segundos

Esta es la comparación que importa, a 768p con audio, para mil segundos de vídeo generado — cien clips de diez segundos:

• HeyGen Video en octubre — $10 a $0.01 por segundo.

• HeyGen Video después de octubre — $20 a $0.02, o $30 si el $0.03 del gráfico es correcto.

• MiniMax H3 en OrcaRouter — $80 al precio de lista del proveedor de $0.08 por segundo, con 0% de recargo, por lo que cualquier cambio de precio del proveedor se actualiza aquí el mismo día.

• fal's H3 Max — $80 al precio indicado de $0.08 por segundo.

• Kling 3.0 Pro — $168 a $0,168 por segundo.

• Veo 3.1 — $400 a $0.40 por segundo.

Para equipos que generan en masa y descartan la mayor parte de lo que producen —cortes para redes sociales, variantes de anuncios, bucles de producto—, la tasa de descarte es la verdadera línea de costo, y a diez centavos el intento de diez segundos, la economía de iterar cambia de forma. El inconveniente es el techo: 768p a 24 fps no es un formato de entrega 2K, y "calidad de producción" es la frase de HeyGen, no una especificación. El MiniMax H3 base alcanza 2K mediante un módulo de regeneración separado en la API alojada de MiniMax a $0.13 por segundo, y HeyGen Video no tiene equivalente, así que si tu objetivo de entrega está por encima de 768p, el segundo barato no es el segundo que necesitas.

Para los equipos que quieran comparar los dos, MiniMax H3 está en OrcaRouter como minimax/minimax-h3 a $0.08 por segundo, así que el modelo base y el postentrenamiento pueden ponerse detrás de una sola clave en lugar de dos contratos. HeyGen Video en sí no es un modelo enrutado aquí hoy —se sirve a través de la propia API de HeyGen y varias plataformas de terceros—, que es exactamente el caso para el que existe la conmutación automática por error: puedes hacer prototipos con un modelo de hace unos días sin poner en riesgo una ruta de producción por él, y si llega a un proveedor enrutado, aparece a precio de lista en lugar de a uno con sobreprecio.

En lo que HeyGen dice que es malo

El párrafo más útil de la documentación de HeyGen es el que enumera los modos de fallo, porque los proveedores rara vez los escriben. HeyGen Video es, en palabras de la propia empresa, menos fiable con texto largo en pantalla, con movimiento orgánico suave como pétalos, papel y cabello, y con trabajo manual en primer plano como montar u operar equipos. Da lo mejor de sí en planos cortos y autocontenidos: un sujeto, un lugar, una acción, una cámara fija o apenas en movimiento.

Ese perfil concuerda con los números ciegos por eje de arriba —buena adherencia a una imagen proporcionada, consistencia débil— y debería condicionar cómo lo pruebas. La capacidad en la que más se apoyan las películas de lanzamiento son las letras generadas dentro del plano: cada título en ellas fue pintado, estampado o prensado en la escena en lugar de compuesto. La propia guía de HeyGen dice que las frases cortas escritas exactamente se renderizan de forma fiable, lo cual es una afirmación limitada, y esos mismos documentos advierten contra el texto largo en pantalla. Si tu flujo de trabajo depende de tipografía legible, esa es la línea que conviene sondear primero.

El segundo post-entrenamiento de MiniMax H3 en cinco semanas

El hecho estructural interesante es que HeyGen Video no es el primer producto comercial construido mediante el ajuste fino de MiniMax H3. fal lanzó H3 Max el 27 de agosto, un postentrenamiento de la misma base cooptimizado con la pila de inferencia de fal, y debutó en lo más alto de la tabla de imagen a vídeo con audio de Artificial Analysis. Ahora HeyGen ha hecho lo mismo para un vertical diferente —vídeo empresarial, demostraciones de producto, formación, recorridos por propiedades— y lo ha puesto a un precio inferior al de la base.

Ese patrón es la verdadera señal. La decisión de MiniMax de publicar los pesos de H3 bajo su propia licencia comunitaria convirtió el modelo en un sustrato que otras empresas pueden especializar y revender, y el segundo producto de este tipo en cinco semanas sugiere que la tasa de conversión es real. También significa que "MiniMax H3" se está convirtiendo en una familia en lugar de un modelo: la base, H3 Max de fal y HeyGen Video ahora compiten entre sí a diferentes precios y diferentes resoluciones, y un comprador que compare "H3" con cualquier otra cosa tiene que decir qué H3.

El ranking de texto a vídeo de Artificial Analysis muestra con qué fuerza puede calar eso. Su modelo en segundo lugar con audio, con Elo 1150, es Utopai X —señalado por Artificial Analysis como basado en MiniMax H3—, por delante del propio MiniMax H3 base, con 1138, en cuarto lugar. Sea cual sea la puntuación del modelo base, los derivados construidos sobre él lo superan en preferencia humana a ciegas en al menos un ranking independiente.

¿Qué sigue sin verificar?

Tres cosas que un lector debería mantener abiertas.

En primer lugar, HeyGen Video no tiene una puntuación independiente. A 1 de octubre, no aparece en ninguno de los tres tableros de vídeo de Artificial Analysis —texto a vídeo, imagen a vídeo o edición de vídeo—, por lo que aún no hay un Elo ciego de terceros para él. Cada cifra de calidad de este artículo es de HeyGen, sobre un conjunto de evaluación de consultas de Arena que HeyGen reunió con 4.800 votos. Eso es una metodología defendible y un resultado de proveedor, y debe interpretarse como tal.

En segundo lugar, HeyGen no ha dicho nada sobre la publicación de los pesos. El modelo a partir del cual se ajustó es de pesos abiertos, pero un post-entrenamiento es un nuevo artefacto y las licencias propias de HeyGen son suyas; nada en el material de lanzamiento compromete a HeyGen en un sentido ni en otro.

Tercero, la documentación se contradice a sí misma. La referencia de la API indica que el prompt acepta como máximo 5000 caracteres Unicode, mientras que la tabla de parámetros de la página de modelos indica que el rango es de 1 a 32 000 caracteres — una diferencia de 6× en un límite de entrada estricto. La cifra menor es la que aparece en la referencia y en el resumen del registro de cambios, así que planifica en función de 5000 hasta que HeyGen concilie las dos.

Quién debería actuar, y quién debería esperar

Si tu trabajo de vídeo encaja en un plano contenido —un producto sobre una mesa de trabajo, una habitación con un dolly lento, un solo sujeto y una cámara fija— y entregas a 768p o menos, la tarifa vigente hasta octubre es la forma creíble más barata que alguien está publicando actualmente para generar a escala metraje narrado y con banda sonora. Pruébala este mes mientras dure la promoción, y diseña la prueba en torno a las tres cosas en las que HeyGen admite que es débil, en lugar de en torno al vídeo de lanzamiento.

Si tu objetivo de entrega está por encima de 768p, si necesitas texto largo en pantalla o si el punto es la consistencia legible entre tomas, espera. El MiniMax H3 base sigue siendo el H3 enrutable a $0.08 por segundo para 768p, y su ruta 2K alojada se sitúa en $0.13 por segundo — ambos detrás de una sola clave en OrcaRouter, al precio de lista del proveedor y sin margen de beneficio, así que si el precio de HeyGen posterior a octubre resulta ser $0.03 en lugar de $0.02, verás la corrección aquí el mismo día en que ocurra, no el mes siguiente. Lo que cambiaría el veredicto más rápido es un Elo independiente: una vez que HeyGen Video aparezca en una tabla ciega de terceros, el 55.8% del proveedor se mantiene o no.