Medi sete clipes de terror com IA. Seis deles nunca ficam em silêncio.

Se o seu terror com IA continua saindo bobo em vez de assustador, o monstro provavelmente não é o problema. Cansei de ficar chutando sobre isso, então em vez de discutir eu medi.

Sete clipes oficiais da vitrine do MiniMax H3 — todos os que eu consegui obter legalmente — baixados e passados pelo ffmpeg, nível RMS em janelas de meio segundo, 2.340 janelas no total. Este é o piso de cada um:

Seis dos sete nunca ficam em silêncio. Nem uma vez, nem por uma única janela. A peça de moda — a que pede explicitamente falhas de VHS e interrupção de transmissão de CFTV no prompt dela — passa os quinze segundos inteiros dentro de uma faixa de 16,8 dB e chega no fundo a −25,5 dB. Isso não é uma trilha com dinâmica. Isso é um muro.

Um clipe quebra o padrão, e é o único do conjunto num registro de terror.

A exceção, e o que o prompt dela não diz

O teaser de vampiros abre com cerca de 1,6 segundo abaixo de −40 dB, e depois mergulha de novo em 8,5s, 10,0s e 13,9s. Isso não é uma faixa chapada com uma introdução silenciosa. Isso é ritmo — o desenho que você faria se alguém pedisse para esboçar pavor.

Ligue o som nesse. O ponto inteiro está na parte que você não consegue ver.

Então voltei ao prompt dele procurando a instrução de áudio que produziu aquilo, e ela não existe. Em 1.366 caracteres não há menção a som, música, trilha, ambiência, silêncio ou quietude. Nada.

O que o prompt carrega é um registro emocional, declarado de quatro jeitos diferentes — dark romance, gloomy oppression, high-end, restrained and compact, the hook of a hit short drama's first 15 seconds — e uma lista de coisas que ele se recusa a ser:

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

O caso de contraste está ali mesmo, no mesmo corpus. A abertura oficial de crime também recusa o terror, mas faz isso de outro jeito: ela escreve not horror, not heavy, negando a temperatura junto da fantasia. O piso dela é −27,9 dB e ela não para por um instante.

Recuse a fantasia, mantenha a temperatura. Essa é a leitura, e quero ser honesto sobre a força dela: seis clipes me dizem que o padrão é som de ponta a ponta, o que é sólido. Um clipe me diz o que um registro de terror faz com esse padrão, o que é uma amostra. Eu rodaria a versão controlada — mesma cena, uma tomada nomeando o registro, outra não — antes de tratar isso como resolvido.

Duas coisas decorrem disso, e a segunda é a útil

O kit de degradação é de graça. Falhas de VHS, linhas de varredura, aberração cromática, vazamentos de luz, granulação de fita, interrupção de transmissão — isso é uma linha num prompt, e o clipe oficial de moda prova que renderiza sob demanda. Essa é a metade pela qual todo mundo briga. É a metade fácil.

Também é a metade em que as fraquezas deste modelo deixam de ser fraquezas. Todo modelo de vídeo por difusão perde detalhe de pele no VAE, se desmancha à distância e borra movimento rápido. Trabalho de produto briga com os três. O terror analógico paga plugins para simular os três. Este é um dos pouquíssimos gêneros em que você deveria mirar um modelo no que ele faz mal.

O silêncio não é de graça, e ele não vem de onde você olharia. non_diegetic_music: N/A continua sendo a primeira linha que eu escrevo e que você deveria escrever também — deixar esse campo vazio não é a mesma instrução que preencher com N/A. Mas pela evidência acima, o campo sozinho não é o que produziu o único clipe silencioso do conjunto. Nomear o registro é que produziu.

Então agora eu escrevo o registro emocional de forma tão explícita quanto o visual, e nego o gênero errado pelo nome. Parece decoração de cenário. Pelo visto é o que faz o trabalho.

Por que 8,000 segundos

O H3 renderiza em blocos de 17n + 5 quadros a 24 fps, o que quer dizer que quase toda duração que você pede cai numa fração. 192 quadros são 8,000 segundos exatos, e na faixa utilizável é o único segundo inteiro que existe.

Cada um dos sete clipes que eu medi está nessa grade — cinco deles em 362 quadros, que são 15,083 segundos — e a própria vitrine de imagem para vídeo da MiniMax tem 192 quadros. Então isto não é uma curiosidade que a gente deduziu. É o que o modelo faz, e quem produz o material de referência já está trabalhando dentro disso. A gente destrinchou a grade por inteiro aqui.

Oito em vez de quinze por um segundo motivo. Você não consegue queimar devagar em quinze segundos. Uma queima lenta precisa de estabelecer, segurar, quebrar; quinze segundos te compram segurar e quebrar. Então este formato herda o pavor em vez de construir ele — o primeiro quadro já tem de parecer errado, e tudo depois dele é pagamento.

Um detalhe que importa mais aqui do que em qualquer outro lugar: ponha a sua batida num quadro de verdade. A 24 fps, 00:07.400 é o quadro 177,6, que não existe, e você entregou a sua marcação a um arredondamento. 00:07.000 é o quadro 168 e deixa exatamente um segundo de cauda.

O 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

Quatro escolhas ali dentro que vale explicar.

A figura está fora de foco e nunca se move. Coloque ela em foco, ilumine ou anime e você ganha algo vagamente cômico, porque no instante em que o modelo tem de se comprometer com um rosto o gosto dele aparece. Fora de foco e estática esconde a coisa mais difícil de renderizar no quadro, e ainda por cima é mais assustador — você não consegue desviar o olhar de algo que não consegue resolver direito.

A tomada 2 diz que o som não muda. A imagem muda, o áudio não. A primeira reação de quem assiste é duvidar que viu, e a dúvida é o efeito.

As ausências são nomeadas uma a uma. Não «silencioso» — sem passos, sem respiração, sem vozes, sem portas. Pela minha experiência «silencioso» é lido como «música baixinha», que é o oposto do que você pediu.

A última linha nega o gênero errado. Essa é a que eu acrescentei depois de medir, e é a que eu não tiraria.

O que mudar

As palavras de registro. A linha de maior alavanca da página. Troque contido por frenético e você está mudando a mixagem tanto quanto a montagem, tenha você tocado nos campos de áudio ou não.

Se a figura chega a entrar em foco. Trazer ela um passo para dentro do foco bem no fim é a maior mudança isolada disponível, e ela costuma piorar o clipe. Tente uma vez para saber por quê.

De onde vem o som do cômodo. Um reator de fluorescente faz muito trabalho aqui porque ele tem altura definida, e uma altura pode parar. Troque por vento ou trânsito e não há nada para cortar — o susto precisa de um som com fio.

Onde dá errado

Quanto custa

Nas nossas tarifas um segundo em 768P são 8 créditos e todo clipe carrega uma passagem de leitura de 5 créditos, então uma tomada de oito segundos são 69 créditos.

O número que importa são as tomadas, não a tomada. Planeje três ou quatro antes de uma valer a pena guardar — esse é o número honesto em toda esta categoria de ferramentas, e o terror não é exceção, porque você está atrás de uma sensação e não de uma lista de itens. Chame de uns 276 créditos por um clipe que preste.

Filme em 768P, e não para economizar. O gênero quer degradação, e o 2K trabalha contra você. Este é um dos raros casos em que a faixa barata é a faixa correta, e a diferença compra as tomadas a mais que de fato produzem o clipe que presta. As tarifas estão aqui.

Dá para publicar?

A pergunta que ninguém na primeira página de resultados parece responder, e a que todo criador de terror de fato tem.

O terror analógico funciona por degradação e ausência em vez de sangue, e é exatamente isso que mantém ele dentro da maioria das políticas de plataforma — e dentro da nossa. Escrever no blood, no gore num prompt não é só gosto. Isso libera um filtro.

Uma regra que vale manter de todo jeito: nada de personagens de terceiros com nome. Backrooms, espaços liminares e pavor sem marca são seus para usar. O monstro de outra pessoa não é, e essa é uma briga com um departamento jurídico e não com uma política de conteúdo.

Experimente

O prompt oficial na íntegra, as alavancas e a lista completa de falhas estão no template do teaser gótico, incluindo a medição sobre a qual este artigo foi construído. Se você preferir partir do corredor lá de cima, o preset de Terror em texto para vídeo carrega ele com o ambiente sonoro já preenchido.

Se você quer o argumento de fundo sobre como o H3 trata áudio como conteúdo e não como enfeite, isso está escrito à parte.

Os clipes de origem são os exemplos oficiais da MiniMax, publicados na coleção awesome-minimax-h3-prompts sob CC BY 4.0 e no model card do MiniMax H3. As medições são nossas: ffmpeg -af astats=metadata=1:reset=24, 2026-09-03.