J’ai mesuré sept clips d’horreur IA. Six ne se taisent jamais.

Si votre horreur IA sort plus ridicule qu’effrayante, le monstre n’est probablement pas le problème. Fatigué de deviner, j’ai arrêté d’en débattre et je l’ai mesuré.

Sept clips de démonstration officiels MiniMax H3 — tous ceux que je pouvais récupérer légalement — passés dans ffmpeg, niveau RMS par fenêtres d’une demi-seconde, 2 340 fenêtres au total. Voici le plancher de chacun :

Six sur sept ne se taisent jamais. Pas une fois, pas une seule fenêtre. Le clip mode — celui dont le prompt réclame explicitement des glitches VHS et une interruption de diffusion CCTV — passe ses quinze secondes dans une bande de 16,8 dB et plafonne à −25,5 dB. Ce n’est pas une bande-son avec des dynamiques. C’est un mur.

Un clip casse le schéma, et c’est le seul du lot en registre horrifique.

L’exception, et ce que son prompt ne dit pas

Le teaser vampire ouvre sur environ 1,6 seconde sous −40 dB, puis replonge à 8,5 s, 10,0 s et 13,9 s. Ce n’est pas une piste plate avec une intro calme, c’est du rythme — la forme que vous dessineriez si on vous demandait d’esquisser l’angoisse.

Mettez le son sur celui-là. Tout se joue dans la moitié que vous ne voyez pas.

Je suis donc retourné dans son prompt chercher l’instruction audio qui a produit cela — il n’y en a pas. Dans 1 366 caractères, aucune mention de sound, music, score, ambience, silence ni quiet. Rien.

Ce que le prompt porte, c’est un registre émotionnel, énoncé de quatre façons — dark romance, gloomy oppression, high-end, restrained and compact, l’accroche des 15 premières secondes d’un format court à succès — et une liste de ce qu’il refuse d’être :

No blood, no cheap horror, no Halloween feel, no modern street feel.

Le contre-exemple est dans le même corpus. Le générique policier officiel refuse aussi l’horreur, mais autrement : il écrit not horror, not heavy, niant la température en même temps que le costume. Son plancher est à −27,9 dB et il ne s’arrête jamais.

Refusez le costume, gardez la température. Voilà ma lecture, et je veux être net sur sa solidité : six clips me disent que le défaut est un son de bout en bout, c’est robuste. Un clip me dit ce qu’un registre horrifique fait à ce défaut, et cela fait un échantillon. Je passerais la version contrôlée — même scène, une prise qui nomme le registre, une qui ne le nomme pas — avant de considérer l’affaire close.

Deux conséquences, et c’est la seconde qui sert

Le kit de dégradation est gratuit. Glitches VHS, lignes de balayage, aberration chromatique, fuites de lumière, grain de bande, interruption de diffusion — c’est une ligne de prompt, et le clip mode officiel prouve que cela se rend à la demande. C’est la moitié que tout le monde se dispute, et la moitié facile.

C’est aussi la moitié où les faiblesses de ce modèle cessent d’en être. Tout modèle vidéo par diffusion perd le détail de peau au passage du VAE, se décompose à distance et étale le mouvement rapide. Le travail produit se bat contre ces trois défauts ; l’analog horror paie des plugins pour les feindre. C’est l’un des très rares genres où il faut viser ce que le modèle fait mal.

Le silence n’est pas gratuit, et il ne vient pas d’où l’on regarde. non_diegetic_music: N/A reste la première ligne que j’écris et que vous devriez écrire — laisser ce champ vide n’est pas la même instruction que le remplir avec N/A. Mais au vu de ce qui précède, ce champ seul n’est pas ce qui a produit le seul clip calme du lot. C’est d’avoir nommé le registre.

J’écris donc désormais le registre émotionnel aussi explicitement que le visuel, et je nie le mauvais genre en le nommant. Cela se lit comme du décor. Cela semble faire le travail.

Pourquoi 8,000 secondes

H3 rend par blocs de 17n + 5 images à 24 fps, si bien que presque toute durée demandée tombe sur une fraction. 192 images font exactement 8,000 secondes, et dans la plage utilisable c’est la seule seconde entière qui existe.

Chacun des sept clips mesurés se tient sur cette grille — cinq d’entre eux à 362 images, soit 15,083 secondes — et la démonstration image-vers-vidéo de MiniMax fait 192 images. Ce n’est donc pas une curiosité que nous aurions dérivée : c’est ce que fait le modèle, et les gens qui fabriquent le matériel de référence travaillent déjà dedans. Nous avons déroulé la grille en entier ici.

Huit plutôt que quinze pour une seconde raison. On ne fait pas de slow burn en quinze secondes. Un slow burn demande poser, tenir, briser ; quinze secondes n’achètent que tenir et briser. Cette forme hérite donc de l’angoisse au lieu de la construire — la première image doit déjà être fausse, et tout ce qui suit est un paiement.

Un détail compte ici plus qu’ailleurs : posez votre temps fort sur une image qui existe. À 24 fps, 00:07.400 correspond à l’image 177,6, qui n’existe pas, et vous avez confié votre minutage à un arrondi. 00:07.000 est l’image 168 et laisse exactement une seconde de queue.

Le prompt

integrated_multimodal_description:
[Shot 1] Live-action, handheld VHS camcorder footage, 1994, heavy tape grain,
chroma bleed and a faint horizontal tracking line. A wide static shot down an
empty primary-school corridor at night. Lockers line both walls. One fluorescent
tube halfway down flickers on a slow irregular cycle; everything beyond it is
dark. Nothing moves. The camera does not move.
[Shot 2] At 00:05.000, hard cut to the identical framing. A tall thin figure now
stands at the far end of the corridor, out of focus, facing away. It is not
walking and never moves. The camera does not move. The fluorescent tube keeps
flickering on the same cycle.
Restrained, patient, oppressive. No blood, no gore, no jump-scare monster,
no Halloween styling.

overall_soundscape:
Room tone only. The low electrical hum of a fluorescent ballast, the constant
hiss of magnetic tape, and the distant settling of an empty building at night.
No footsteps, no breathing, no voices, no doors. At 00:07.000 the fluorescent
hum cuts out completely and the tape hiss is left alone.

non_diegetic_music:
N/A

Quatre choix méritent une explication.

La silhouette est floue et ne bouge jamais. Mettez-la au point, éclairez-la ou animez-la et vous obtenez quelque chose de vaguement comique, parce qu’au moment où le modèle doit s’engager sur un visage, son goût se voit. Floue et statique, elle cache ce qu’il y a de plus difficile à rendre dans le cadre, et elle fait plus peur : on ne détache pas les yeux de ce qu’on n’arrive pas à résoudre.

Le plan 2 dit que le son ne change pas. L’image change, l’audio non. La première réaction du spectateur est de douter de ce qu’il a vu, et le doute est l’effet recherché.

Les absences sont nommées une par une. Pas « calme » — no footsteps, no breathing, no voices, no doors. D’expérience, « calme » se lit « musique calme », soit l’inverse de la demande.

La dernière ligne nie le mauvais genre. C’est celle que j’ai ajoutée après avoir mesuré, et celle que je ne retirerais pas.

Que changer

Les mots de registre. La ligne la plus efficace de la page. Remplacez restrained par frantic et vous changez le mixage autant que le montage, que vous ayez touché ou non aux champs audio.

Le fait que la silhouette se résolve ou non. L’amener d’un cran vers la netteté tout à la fin est le plus gros changement disponible, et il rend généralement le clip moins bon. Essayez-le une fois pour savoir pourquoi.

D’où vient le son de pièce. Un ballast fluorescent travaille beaucoup ici parce qu’il a une hauteur, et une hauteur peut s’arrêter. Remplacez-le par du vent ou de la circulation et il n’y a plus rien à couper — cette peur a besoin d’un son qui ait un bord.

Là où ça déraille

Ce que cela coûte

À nos tarifs, une seconde en 768P vaut 8 crédits et chaque clip porte une passe d’analyse de 5 crédits : une prise de huit secondes fait donc 69 crédits.

Le nombre qui compte, ce sont les prises, pas la prise. Comptez-en trois ou quatre avant d’en garder une — c’est le chiffre honnête pour toute cette catégorie d’outils, et l’horreur n’y échappe pas, parce qu’on y poursuit une sensation plutôt qu’une liste. Disons environ 276 crédits pour une bonne.

Tournez en 768P, et pas pour économiser. Le genre veut de la dégradation et le 2K travaille contre vous. C’est l’un des rares cas où le palier bon marché est le palier correct, et l’écart achète les prises supplémentaires qui produisent réellement la bonne. Les tarifs sont ici.

Peut-on le publier ?

La question à laquelle personne, en première page de résultats, ne semble répondre, et que tout créateur d’horreur se pose réellement.

L’analog horror fonctionne par dégradation et par absence plutôt que par le gore, et c’est précisément ce qui la maintient dans la plupart des politiques de plateforme — et dans la nôtre. Écrire no blood, no gore dans un prompt n’est pas qu’une affaire de goût. Cela passe un filtre.

Une règle à garder quoi qu’il arrive : pas de personnage tiers nommé. Les Backrooms, les espaces liminaux et l’angoisse sans marque sont à vous. Le monstre de quelqu’un d’autre, non, et cela devient une affaire de service juridique plutôt que de politique de contenu.

Essayez

Le prompt officiel mot pour mot, les leviers et la liste complète des échecs sont sur le modèle de teaser gothique, y compris la mesure sur laquelle cet article repose. Si vous préférez partir du couloir ci-dessus, le préréglage Horror de texte vers vidéo le charge avec le soundscape déjà rempli.

Et si vous voulez l’argument de fond sur la façon dont H3 traite l’audio comme du contenu plutôt que comme une garniture, il est écrit à part.

Les clips sources sont les exemples officiels de MiniMax, publiés dans la collection awesome-minimax-h3-prompts sous CC BY 4.0 et dans la fiche du modèle MiniMax H3. Les mesures sont les nôtres : ffmpeg -af astats=metadata=1:reset=24, 2026-09-03.