Gemini Omni 1.2 Flash (Google), MiniMax H3, Meta Muse Video y Wan 3.0 / 2.7 (Alibaba) son cuatro modelos que crean vídeos cortos con sonido a partir de texto o de imágenes, y los cuatro funcionan en el estudio de vídeo de YingTu. Para un clip de 10 segundos a unos 720p, los más baratos son Gemini Omni 720p y Muse, a 0,30 $ cada uno; el más rápido fue MiniMax H3 en 768P, que entregó el vídeo en unos 40 segundos por 0,50 $. Si el clip pasa de 15 segundos, Muse llega a 60 s por 1,55 $, y Wan 3.0 es el único que supera los 15 s por encima de 720p (hasta 30 s en 1080P), aunque es el más caro, el más lento y necesita otra clave.
Todos los precios son los que se cobran a través de LaoZhang API a 12 de noviembre de 2026. En YingTu el vídeo se paga con tu propia clave de LaoZhang, que pegas en el estudio: no hay suscripción, y el crédito de prueba de YingTu solo cubre imágenes, no vídeo.
Comparativa de un clip de 10 s a unos 720p: precio, espera y salida
Con el mismo prompt, el mismo día y la misma plataforma, MiniMax H3 terminó primero, Gemini Omni y Muse empataron en precio, y Wan tardó entre cuatro y siete minutos y medio.
| Modelo y ajuste (10 s, 16:9, texto a vídeo) | Precio a 12 de noviembre de 2026 | Tiempo hasta tener el vídeo | Salida medida | Clave de LaoZhang |
|---|---|---|---|---|
| MiniMax H3, 768P | 0,50 $ | 36, 41 y 42 s | 1344×768, 24 fps, estéreo | normal |
| Gemini Omni 1.2 Flash, 720p | 0,30 $ | 60, 66 y 67 s | 1280×720, 24 fps, estéreo | normal |
| Meta Muse Video, 720p | 0,30 $ | 125, 135 y 160 s | 1280×720, 24 fps, mono | normal |
| Wan 3.0, 720P | ≈ 1,03 $ | 245 y 314 s | 1280×720, 30 fps, estéreo | grupo Wan |
| Wan 2.7 (texto a vídeo), 720P | ≈ 1,03 $ | 458 s (una sola ejecución) | 1280×720, 30 fps, estéreo | grupo Wan |
H3 no tiene nivel de 720p: su resolución más baja, 768P, equivale a 1344×768 en 16:9, así que en la tabla compite con un vídeo algo más grande que el de los demás. Muse solo genera en 720p.
Cómo se midió: el 12 de noviembre de 2026, entre las 13:39 y las 13:55 (hora peninsular española), se enviaron a la vez todas las tareas a LaoZhang API, el mismo servicio que usa el estudio, con este prompt de texto a vídeo y sin imágenes:
hljs textA barista pours steamed milk into a cup of coffee on a sunny cafe counter, making a leaf pattern. Slow camera push-in, soft morning light. Sound: milk hissing, a cup clinking on the saucer, quiet cafe chatter.
El tiempo va desde el envío de la petición hasta la primera consulta de estado que dio el vídeo por terminado; el estado se consultaba cada 5 segundos, así que cada cifra tiene un margen de unos ±5 s. En Wan, la sola creación de la tarea tardó entre 30 y 60 segundos, y está incluida. Las 15 tareas terminaron sin fallos y todos los clips mostraban la escena pedida. Son de una a tres ejecuciones por ajuste en una sola franja horaria: con otra hora u otro proveedor, la cola puede ir más rápida o más lenta. En el estudio súmale unos segundos de subida de imágenes y de espera de la página.
Velocidad por resolución: Omni 360p tarda lo mismo que H3, H3 2K tarda el triple
En la misma tanda se probaron otras resoluciones, una vez cada una y también con clips de 10 s:
- Gemini Omni 1.2 Flash en 360p: 37 s, por 0,10 $ (640×360).
- Gemini Omni 1.2 Flash en 1080p: 91 s, por 0,45 $ (1920×1080).
- MiniMax H3 en 2K: 120 s, por 0,80 $ (2560×1440).
Subir de resolución cuesta tiempo en los dos modelos: Omni pasa de algo más de medio minuto en 360p a minuto y medio en 1080p, y H3 pasa de unos 40 segundos en 768P a dos minutos en 2K. Un borrador de Omni en 360p llega tan rápido como H3 en 768P y cuesta cinco veces menos (0,10 $ frente a 0,50 $), lo que lo hace útil para probar un prompt antes de pagar la versión final.
Las tareas siguen en marcha aunque cierres la página. Los enlaces de los vídeos de Omni, H3 y Muse duran 7 días; los de Wan, 24 horas, así que descarga el MP4 de Wan en cuanto esté listo.
Precio por duración: el más barato cambia según los segundos
Omni cobra lo mismo por cualquier clip de 3 a 10 segundos y Muse lo mismo de 5 a 10 segundos; H3 y Wan cobran por segundo. Por eso, en clips cortos gana H3 y a 10 segundos ganan Omni y Muse.
Las fórmulas, a 12 de noviembre de 2026:
- MiniMax H3 768P: 0,05 $ × segundos (2K: 0,08 $ × segundos).
- Wan 3.0 720P: 0,1028 $ × segundos (480P: 0,0514 $; 1080P: 0,2057 $).
- Gemini Omni 1.2 Flash: precio fijo por vídeo según resolución (360p 0,10 $, 720p 0,30 $, 1080p 0,45 $).
- Meta Muse Video: precio fijo por vídeo según duración (5, 8 o 10 s 0,30 $; 20 s 0,55 $; 30 s 0,80 $; 40 s 1,05 $; 50 s 1,30 $; 60 s 1,55 $).
| Duración (unos 720p, a 12 de noviembre de 2026) | Gemini Omni 720p | MiniMax H3 768P | Meta Muse 720p | Wan 3.0 720P |
|---|---|---|---|---|
| 4 s | 0,30 $ | 0,20 $ | no disponible (mín. 5 s) | no disponible (mín. 5 s) |
| 5 s | 0,30 $ | 0,25 $ | 0,30 $ | ≈ 0,51 $ |
| 10 s | 0,30 $ | 0,50 $ | 0,30 $ | ≈ 1,03 $ |
| 15 s | no disponible (máx. 10 s) | 0,75 $ | no disponible (20 s: 0,55 $) | ≈ 1,54 $ |
| 20 s | no disponible | no disponible (máx. 15 s) | 0,55 $ | ≈ 2,06 $ |
| 30 s | no disponible | no disponible | 0,80 $ | ≈ 3,08 $ |
| 60 s | no disponible | no disponible | 1,55 $ | no disponible (máx. 30 s) |
Fuera de los 720p, los precios del mismo día son estos: Omni 1080p, 0,45 $ por cualquier duración hasta 10 s; H3 2K, 0,40 $ a 5 s, 0,80 $ a 10 s y 1,20 $ a 15 s; Wan 3.0 1080P, ≈ 1,03 $ a 5 s, ≈ 2,06 $ a 10 s y ≈ 6,17 $ a 30 s; Wan 3.0 480P, ≈ 0,26 $ a 5 s y ≈ 0,51 $ a 10 s. Wan 2.7 cuesta lo mismo que Wan 3.0 en 720P y 0,1714 $ por segundo en 1080P (≈ 0,86 $ a 5 s, ≈ 1,71 $ a 10 s).
Tres detalles que cambian la cuenta:
- Un clip de 15 segundos en Muse no existe: el escalón siguiente a 10 s es 20 s, y cuesta 0,55 $, menos que 15 s de H3 en 768P (0,75 $).
- Con H3, las primeras cinco imágenes de referencia son gratis por API; a partir de la sexta se cobran 0,03 $ cada una en 768P. En Omni y Muse las imágenes no cambian el precio.
- Si una tarea falla, no se cobra (en Omni y Muse se devuelve el cargo completo, también cuando la bloquea la moderación). Volver a enviarla crea y cobra una tarea nueva.
Estos precios no son los de Google ni los de MiniMax. Google cobra Omni 1.2 Flash por segundo en su propia API de Gemini (0,07 $ por segundo en 720p, es decir, 0,70 $ por un clip de 10 s), y MiniMax cobra H3 a 0,08 $ por segundo en 768P (0,80 $ por 10 s). Si ves esas cifras en otra página, corresponden a esas plataformas.
Qué modelo elegir según tu clip
Las reglas salen de la tabla de precios, de las entradas que admite cada modelo y de los tiempos medidos:
- Si tu clip dura 10 s o menos, 720p te basta y puedes esperar un minuto, elige Gemini Omni 720p (0,30 $). Si además necesitas último fotograma o formato cuadrado o 4:3, elige Muse (0,30 $, entre 2 y 3 minutos).
- Si quieres el vídeo cuanto antes o el clip dura 4 o 5 segundos, elige MiniMax H3 en 768P: 0,20 $ a 4 s, 0,25 $ a 5 s y unos 40 segundos de espera a 10 s.
- Si necesitas más que 720p con 10 s o menos, Omni 1080p (0,45 $) es la opción más barata; H3 2K da más píxeles (2560×1440) por 0,80 $ a 10 s y llega a 15 s.
- Si el clip dura entre 20 y 60 segundos, elige Muse: de 0,55 $ a 1,55 $, siempre en 720p. Si necesitas 20 o 30 segundos en 1080P, la única opción es Wan 3.0: 0,2057 $ × 20 = ≈ 4,11 $ y 0,2057 $ × 30 = ≈ 6,17 $.
- Si partes de un primer y un último fotograma, usa H3 o Muse. Omni no admite último fotograma y Wan 3.0 solo lo acepta por API.
- Si quieres editar o alargar un vídeo que ya tienes, la vía es Wan 2.7 (modelo de edición en el estudio) o Wan 3.0 por API.
- Si solo tienes 0,10 $ de saldo, lo único que puedes generar es un clip de Omni en 360p.
Ninguna de estas cifras puntúa la calidad de imagen. Para juzgar el aspecto, genera el mismo prompt en tus dos candidatos con la opción más barata de cada uno (Omni 360p a 0,10 $, H3 768P de 4 s a 0,20 $) y compara antes de pagar la versión final.
Primer fotograma, último fotograma e imagen de referencia en cada modelo
Los cuatro aceptan una imagen como primer fotograma, pero solo H3 y Muse admiten también un último fotograma en el estudio, y H3 no deja combinar fotogramas con imagen de referencia.
| Modelo | Resolución | Duraciones en el estudio | Formatos | Primer fotograma | Último fotograma | Imagen de referencia |
|---|---|---|---|---|---|---|
| Gemini Omni 1.2 Flash | 360p, 720p, 1080p | 4, 5, 6, 8 y 10 s | 16:9, 9:16 | sí | no | sí (primer fotograma + referencias, 6 como máximo) |
| MiniMax H3 | 768P, 2K | 4, 5, 6, 8, 10, 12 y 15 s | 16:9, 9:16, 1:1, 4:3, 3:4, 21:9 | sí | sí | sí, pero no junto con fotogramas |
| Meta Muse Video | 720p | 5, 8, 10, 20, 30, 40, 50 y 60 s | 16:9, 9:16, 1:1, 4:3, 3:4 | sí | sí | sí (1 a 4 por API) |
| Wan 3.0 | 480P, 720P, 1080P | 5, 10, 15, 20 y 30 s | seis formatos en texto a vídeo; con imagen, el de la imagen | sí | solo por API | solo por API (hasta 10) |
| Wan 2.7 | 720P, 1080P | 5 y 10 s | 16:9 | sí | no | sí (modelo r2v; la imagen no se usa como primer fotograma) |
Matices que conviene saber antes de subir imágenes:
- En Muse, la imagen de referencia transmite ropa, peinado y estilo, no una cara exacta. El estudio ofrece además seis estilos predefinidos y trece movimientos de cámara y transiciones.
- Los vídeos de Muse de 20 a 60 segundos se generan en tramos de 10 segundos que luego se unen; en cada unión el movimiento puede frenarse un instante.
- H3 tiene en el estudio un solo hueco para imagen de referencia; por API admite más imágenes, además de vídeo y audio de referencia.
- Wan 2.7 incluye un modelo de edición de vídeo que parte de la URL de un vídeo y de una imagen de referencia; se cobran los segundos del vídeo original más los del resultado.
Sonido y diálogos: los cuatro generan audio, pero no del mismo tipo
Los 15 clips de la medición traían pista de audio, aunque los cuatro modelos no la hacen igual:
- Gemini Omni 1.2 Flash genera audio nativo en estéreo, y los personajes pueden decir las frases que escribas en el prompt. Es el único de los cuatro cuya documentación recoge el diálogo de forma explícita.
- MiniMax H3 entrega una pista estéreo con música y efectos de sonido.
- Meta Muse Video añade música y sonido, pero la pista medida es mono (un canal).
- Wan 3.0 y Wan 2.7 generan audio por defecto (estéreo en la medición). Por API, el modelo de imagen a vídeo de Wan 2.7 acepta además un audio que guía el movimiento de los labios.
Si tu clip depende de que alguien diga una frase concreta, empieza por Omni.
Qué clave de LaoZhang necesitas: una para Omni, H3 y Muse, otra para Wan
Gemini Omni, MiniMax H3 y Meta Muse Video funcionan con una clave normal de LaoZhang (grupo por defecto, pago por uso), la misma que usa el estudio de imágenes de YingTu. Wan 3.0 y Wan 2.7 necesitan una clave aparte, creada en el grupo Wan. Si vas a probar los cuatro, prepara las dos claves en laozhang.ai antes de empezar.
Para usar los modelos desde tu propio código, la guía de generación de vídeo de LaoZhang (en inglés) explica los endpoints de cada modelo.
Probar gratis: 0,10 $ alcanzan solo para un vídeo de Omni en 360p
Una cuenta nueva de laozhang.ai trae 0,10 $ de saldo, que pagan exactamente un vídeo de Gemini Omni 1.2 Flash en 360p (0,10 $ por cualquier duración de 3 a 10 s). No llega para H3, cuyo clip más barato cuesta 0,20 $, ni para Muse (0,30 $), y Wan pide de todas formas su propia clave del grupo Wan. El crédito de prueba de YingTu al entrar con Gmail sirve solo para imágenes; no cubre vídeo.
Preguntas frecuentes sobre Gemini Omni, MiniMax H3, Muse y Wan
¿MiniMax H3 es lo mismo que Hailuo?
MiniMax H3 es el modelo de vídeo de MiniMax en el que se basa Hailuo AI. Sus pesos son abiertos, y la versión que se usa en YingTu ejecuta esos pesos en servidores independientes, no en la API oficial de MiniMax; por eso tiene un precio propio (0,05 $ por segundo en 768P a 12 de noviembre de 2026).
¿Meta Muse Video está disponible por API?
Meta no ofrece una API pública de Muse Video, el modelo que presentó en julio de 2026 junto con Muse Image. Por LaoZhang API sí se puede usar, con los identificadores muse-video (hasta 10 s) y muse-video-20s a muse-video-60s, a 0,30 $ por un vídeo de hasta 10 s a 12 de noviembre de 2026.
¿Qué modelo hace el vídeo más largo?
Meta Muse Video, con hasta 60 segundos por 1,55 $. Le siguen Wan 3.0 (30 s), MiniMax H3 (15 s), Gemini Omni 1.2 Flash y Wan 2.7 (10 s).
¿Cuál es más barato para un clip de 10 segundos?
Gemini Omni 1.2 Flash en 720p y Meta Muse Video, empatados a 0,30 $ a 12 de noviembre de 2026. MiniMax H3 en 768P cuesta 0,50 $ y Wan 3.0 en 720P, unos 1,03 $.
Siguiente paso: abre la página del modelo que vas a usar
Cada modelo tiene su propia página en YingTu, con el modelo ya seleccionado, sus precios y ejemplos:
- Gemini Omni 1.2 Flash: el clip de 10 s más barato a 720p y el que hace hablar a los personajes con las frases del prompt.
- MiniMax H3: el más rápido de la medición y el que llega a 2K.
- Meta Muse Video: clips de 5 a 60 segundos a precio fijo por vídeo.
- Wan 2.7 y Wan 3.0: 1080P hasta 30 s y edición de vídeo, con la clave del grupo Wan.
