Bande-annonce IA avec MiniMax H3 : un carton-titre lisible

Si vous avez déjà essayé de faire une bande-annonce avec une IA, vous savez où ça casse. Les plans sont corrects. Puis vous demandez un carton-titre et vous recevez THE LAST FLEEF LFFT EARTH dans une police que personne n’a choisie.

Le conseil habituel est de renoncer au texte généré : rendre muet, passer au montage, poser le titre soi-même. Avant de le suivre, j’ai démonté image par image les deux exemples de bandes-annonces officiels de MiniMax. À eux deux, ils portent douze cartons-titres, et une fois l’animation terminée, les douze sont correctement orthographiés.

Ce n’est pas une promesse que les vôtres le seront : une vitrine est sélectionnée. Mais cela dit que le plafond est plus haut que ne le laissent croire les captures d’écran — et cela explique justement d’où viennent beaucoup de ces captures.

Quinze secondes, sept cartons, une musique, le tout en un seul appel. Voici comment.

À quoi ressemble une bande-annonce sortie d’un seul appel MiniMax H3

Voici une bande-annonce produite par H3 en un seul appel. Quinze secondes, cinq dispositifs, coupes franches, le même personnage du début à la fin, une musique, et sept cartons-titres :

Elle ouvre en tenant THE LAST FLEET LEFT EARTH avec SHE WAS NOT ON BOARD posé en dessous, coupe, puis enchaîne THE FINAL DEPARTURE → EARTH SENT THE LAST FLEET → FINAL COUNTDOWN → WITHOUT HER → SHE KNEW WHY → THE MISSION WAS A LIE avant de revenir au bloc-titre d’ouverture pour finir dessus.

Chaque mot correct. Pas de montage, pas de plugin de titrage, pas de seconde passe.

Il vaut la peine de s’arrêter sur ce qui n’a pas eu lieu. Le conseil courant pour une bande-annonce IA, c’est un empilement de cinq outils : un modèle de conversation pour le séquencier, un modèle d’image pour les images d’ancrage, un modèle vidéo pour le mouvement, un service pour la musique et un autre pour la voix off, puis un logiciel de montage pour assembler. Cet empilement existe parce que la plupart des modèles vidéo vous rendent des plans muets.

H3 génère l’image et la stéréo 32 kHz dans la même passe, et il coupe entre les plans par défaut, si bien que la musique tombe sur la coupe et non à côté. L’empilement de cinq outils se réduit à un appel et une image.

Le prompt de la bande-annonce MiniMax H3, et ce qui n’y est pas

Le voici en entier :

Faster rhythm, grand but not dragging. Quick hard cuts, bridge
vibrations, intense light flashes, short black screens, jump shock
transitions. Text is movie trailer-style wide letter-spacing title
packaging, font not pure white, should have restrained glow and
texture, faint edge glow. Text animations include fading in from deep
space darkness, being swept by starlight, letter-spacing expansion,
motion trails, faint glow, black screen flashes.

Relisez-le et remarquez ce qui manque. Aucun personnage. Aucun lieu. Aucune liste de plans, et pas une seule de ces sept chaînes de texte. MiniMax étiquette l’ensemble (Not a complete prompt, details can be added independently) : traitez-le donc comme un fragment — certaines de ces lignes ont sans doute été tapées dans la partie qu’ils n’ont pas publiée.

Mais l’un des cartons ne peut avoir été tapé nulle part, et c’est celui qui mérite votre attention.

Le carton-titre qui a sa place dans votre image de référence, pas dans le prompt

La requête portait une seule image de référence. Celle-ci :

C’est un visuel clé fini, titre déjà posé dessus. Regardez maintenant où il réapparaît dans le clip.

Les huit premières images — 0,000 s à 0,292 s — sont cette image, avec un lent mouvement avant. Puis coupe franche au noir. À 12,5 s elle revient, et la bande-annonce s’achève en la tenant.

Le bloc-titre sur deux lignes n’est donc pas quelque chose que H3 a orthographié. C’est l’image elle-même, à l’écran aux deux extrémités, avec la caméra qui se déplace dessus. Le sous-titre en interlettrage large, le blanc cassé dans lequel il est composé, l’espacement : rien de tout cela n’a jamais été généré, et c’est pour cette raison que rien ne pouvait mal tourner.

La règle qu’on en tire

Avant d’en tirer la conclusion évidente, regardez l’exemple compagnon, car il tranche dans l’autre sens. Le second clip de bande-annonce de MiniMax porte cinq cartons, et son titre, lui, est dans le prompt — écrit noir sur blanc, avec une consigne de couleur attachée :

A large title fades in from the dark edge, blurry first then clear:
"THE STARS WERE LISTENING" font extremely narrow, heavy, all caps,
dark red mixed with rust red

Il est revenu correct, et il est revenu dans le rouille sombre qu’il demandait. Le même clip place aussi NO ONE WAS MEANT TO HEAR IT — sept mots sur deux lignes — sans une faute.

Le compte sur les deux clips officiels est donc de douze cartons, tous corrects, décrits comme fournis. Taper vos titres dans le prompt fonctionne. La distinction qui compte vraiment n’est pas description contre fourniture :

Écrivez donc vos intertitres. Il n’arrive rien de fâcheux, et vous gardez votre emplacement de référence. Mais le seul carton qui doit être juste à chaque prise — une marque, un nom de produit, le titre lui-même — ne devrait pas être une génération du tout. Le mettre dans l’image le sort de la loterie.

Et si vous composez cette image comme une image finie plutôt que comme une planche d’ambiance, vous l’obtenez deux fois. Notez que c’est une propriété de ce que vous fournissez, pas de Ref2VA lui-même : les références du clip compagnon étaient une planche d’ambiance et un portrait de personnage, et il n’ouvre sur ni l’une ni l’autre.

Ce qui inverse l’ordre du travail. Vous n’écrivez pas une bande-annonce pour y ajouter ensuite un titre. Vous concevez d’abord la dernière image, puis vous demandez les quinze secondes qui y mènent — et elle sert en prime de flash d’ouverture.

Fabriquer le visuel clé quand on n’est pas graphiste

C’est l’étape que tout le monde saute, alors la voici concrètement. Il vous faut une image, à votre format final, contenant quatre choses :

1. Le titre, composé comme vous le voulez. Interlettrage large, tout en capitales, et pas d’un blanc pur. J’ai échantillonné la ligne de caractères de l’image officielle : elle culmine à #bcc0c6 — un gris légèrement froid, autour de 78 % de luminosité. Ce seul choix explique l’essentiel de la raison pour laquelle le carton se lit comme un titre conçu plutôt que tapé, et c’est pourquoi le prompt de MiniMax lui-même dit « font not pure white ». Reculez votre titre du #ffffff et il cesse de ressembler à un sous-titrage.
2. Une ligne de sous-titre si vous en voulez une. SHE WAS NOT ON BOARD fait un vrai travail : il transforme un titre en prémisse.
3. La composition que vous voulez aux deux extrémités. Ce qui se trouve derrière le texte est l’image sur laquelle votre bande-annonce ouvre et celle sur laquelle elle atterrit : mettez-y votre sujet et composez-la comme un plan fini, pas comme un fond.
4. L’ambiance. L’étalonnage, le grain et la lumière traversent tous avec l’image.

N’importe quel outil d’image fera l’affaire, et une diapositive dans Figma ou Canva aussi — le texte n’a pas besoin d’être généré, il doit être lisible et définitif. Exportez à 1280 pixels sur le grand côté ou mieux.

Une chose à savoir avant de la fabriquer : une image de référence apporte son propre éclairage avec elle. Si l’image est froide et sombre, toute la bande-annonce revient froide et sombre, quoi que dise le prompt. Choisissez la lumière que vous voulez dans la pièce finie, pas celle qui rend le mieux sur l’affiche.

Quinze secondes, c’est un teaser, et c’est le format qui vaut la peine

Dites-le à voix haute avant de planifier quoi que ce soit : un clip MiniMax H3 plafonne à 15 secondes. Une bande-annonce de cinéma dure de 90 à 150 secondes. Si vous êtes venu construire une bande-annonce de deux minutes d’un seul coup, aucun modèle ne fait cela aujourd’hui.

Ce que 15 secondes sont, exactement, c’est le format court pour les réseaux — le teaser qui tourne sur TikTok, Reels et Shorts, c’est-à-dire là où les bandes-annonces se regardent réellement aujourd’hui. C’est aussi le format où l’empilement de cinq outils est le plus mauvais, parce qu’assembler une pièce de 15 secondes coûte le même montage qu’une de 90.

S’il vous faut de la longueur, la solution n’est pas une génération plus longue. C’est plusieurs de celles-ci, chacune arrivant à son propre carton, montées ensemble — et chacune reste un seul appel au lieu de douze.

Demandez 8 secondes ou 15, rien entre les deux

Petit détail, facile à rater, et il se manifeste à un seul endroit : le dernier temps.

H3 génère par blocs fixes — 17n + 5 images à 24 images par seconde — donc la durée que vous tapez est ramenée à la plus proche valeur légale. Les deux clips de bande-annonce officiels reviennent à 362 images, soit 15,083 secondes, et non 15.

Cette fraction est sans conséquence dans un plan ordinaire. Dans une bande-annonce, vous calez un carton sur un temps musical : elle compte donc. 8,000 secondes est la seule seconde entière disponible, et 15,083 est le haut de la plage. Choisissez l’une de ces deux valeurs, écrivez vos minutages là-dessus, et le dernier carton tombe où vous l’avez mis.

L’image qui m’a fait croire que H3 ne savait pas écrire

J’ai extrait une image de l’exemple compagnon pour vérifier le texte, et j’ai obtenu ceci :

THE STARS W RE LISTEN

Lettres manquantes, fin tronquée. Cela ressemblait exactement à la défaillance dont tout le monde vous prévient — jusqu’à ce que je regarde les images voisines. Une seconde plus tard, le même carton se lit THE STARS WERE LISTENING, sous-titre compris, parfait.

Les cartons s’animent en élargissant leur interlettrage : chacun d’eux passe donc quelques dixièmes de seconde en cours d’apparition. Rien n’était cassé. J’avais jugé un carton sur une image prise pendant qu’il arrivait encore.

Cela mérite qu’on s’y arrête, parce que c’est presque certainement de là que vient une part des captures « H3 ne sait pas écrire ». Un carton en cours d’apparition ressemble exactement à un carton cassé, et faire défiler une timeline vous fait tomber sur ces images bien plus souvent que le hasard : ce sont celles où il se passe visiblement quelque chose.

Deux conséquences. Jugez le texte sur l’image stabilisée, pas en faisant défiler. Et quand vous extrayez une vignette, extrayez-la après le verrouillage du carton — sinon vous publiez l’artefact vous-même, et quelqu’un en fera une capture.

Creuser cette piste a donné un article à part entière : sur six clips, chaque chaîne de caractères qu’un prompt avait nommée est ressortie correctement orthographiée, et les cas intéressants sont ceux que personne n’a nommés. Ce que MiniMax H3 fait du texte que vous n’avez pas nommé donne le détail image par image.

Ce que la moitié « prompt » contrôle : rythme de coupe et traitement du texte

Une fois que l’image porte le bloc-titre, le texte fait deux métiers, et les deux valent la peine d’être copiés :

Il fixe le rythme de coupe. « Quick hard cuts, bridge vibrations, intense light flashes, short black screens, jump shock transitions » est un menu de cinq items et le modèle les utilise tous les cinq. Celui que je ne retirerais pas, c’est short black screens — une bande-annonce a besoin d’un endroit où respirer avant son dernier carton, et le noir est le moyen le moins cher de l’acheter. Retirez-le et quinze secondes de coupes se lisent comme du bruit.

Il fixe le traitement du texte pour tous les cartons d’un coup. Apparition depuis l’obscurité, balayage de lumière stellaire, expansion de l’interlettrage, traînées, halo, flashes d’écran noir. C’est la moitié qui fait que les six cartons générés ont l’air d’appartenir au même ensemble que le carton conçu : même halo, même interlettrage, même entrée. Gardez-la mot pour mot quand vous changez d’image de référence et vos six cartons s’accorderont à votre propre bloc-titre.

Ce que coûte une bande-annonce MiniMax H3

Une bande-annonce de quinze secondes coûte 62 crédits en 768P et 122 en 2K. La version de huit secondes coûte 34 et 66. Votre image de référence est gratuite — les cinq premières le sont. Tous les forfaits consomment au même tarif : aucun de ces nombres ne bouge quand vous changez de forfait.

Deux points de ce calcul sont propres aux bandes-annonces.

La résolution coûte plus cher que le format. Passer de 768P à 2K double la consommation par seconde ; passer de 16:9 à 21:9 en ajoute la moitié. Quinze secondes de scope en 2K, c’est 182 crédits, là où le même plan en scope 768P coûte 92. Le scope est le look maison du format, alors choisissez-le délibérément — mais si quelque chose doit céder, le levier le moins cher est la résolution, pas la forme.

Un brouillon est une seconde prise, pas une remise. Il n’y a pas de bouton « améliorer » : une prise en 768P et une prise en 2K sont deux générations et deux facturations. Faites donc travailler le brouillon : huit secondes, 768P, 16:9, soit 34 crédits, moins du cinquième d’une prise complète en 21:9 2K. Savoir si vos coupes tombent sur le temps s’entend parfaitement en 768P, et le tempo est la seule chose qui mérite d’être itérée. Gardez la prise longue pour quand le rythme tient.

La table complète est sur les tarifs.

À vous d’essayer

Le prompt ci-dessus, l’image de référence et le clip fini sont tous sur une même page : prompt de bande-annonce SF pour MiniMax H3.

Apportez votre propre visuel clé et collez la grammaire dans la cohérence des personnages. Si vous voulez tâter le rythme de coupe avant de fabriquer une image, de texte à vidéo à 8 secondes vous donnera le tempo sans le carton.

Le clip d’exemple, le prompt et l’image de référence appartiennent à MiniMax, publiés sous licence CC BY 4.0 dans awesome-minimax-h3-prompts. Le nombre d’images, les minutages et les chaînes de titre ci-dessus ont été lus directement dans les fichiers.