Como fazer um trailer de cinema com IA no MiniMax H3 (e sair com um letreiro que dá para ler)

Se você já tentou fazer um trailer de cinema com IA, você já sabe onde a coisa desanda. As tomadas ficam boas. Aí você pede um letreiro e recebe THE LAST FLEEF LFFT EARTH numa fonte que ninguém escolheu.

O conselho de sempre é desistir de letra gerada — renderize mudo, leve para um editor, componha o título você mesmo. Antes de aceitar isso, desmontei os dois exemplos oficiais de trailer da MiniMax quadro a quadro. Entre os dois eles carregam doze letreiros, e assim que cada um para de animar, todos os doze estão escritos corretamente.

Isso não é uma promessa de que o seu vai estar; uma vitrine é curada. Mas diz sim que o teto é mais alto do que as capturas de tela sugerem, e acaba explicando de onde vem boa parte dessas capturas.

Quinze segundos, sete letreiros, uma trilha, tudo de uma chamada só. É assim.

Como é um trailer de cinema com IA saído de uma chamada do MiniMax H3

Aqui está um trailer que o H3 produziu numa chamada só. Quinze segundos, cinco configurações, cortes secos, o mesmo personagem do início ao fim, uma trilha, e sete letreiros:

Ele abre segurando THE LAST FLEET LEFT EARTH com SHE WAS NOT ON BOARD composto embaixo, corta fora, e roda THE FINAL DEPARTURE → EARTH SENT THE LAST FLEET → FINAL COUNTDOWN → WITHOUT HER → SHE KNEW WHY → THE MISSION WAS A LIE antes de voltar àquele logotipo de abertura para fechar nele.

Toda palavra correta. Sem editor, sem plugin de títulos, sem segunda passagem.

Vale parar no que não aconteceu ali. O conselho atual para trailers de cinema com IA é uma pilha de cinco ferramentas: um modelo de chat para a lista de batidas, um modelo de imagem para os quadros âncora, um modelo de vídeo para o movimento, um serviço para a trilha e outro para a locução, e aí um editor para montar. Essa pilha existe porque a maioria dos modelos de vídeo te entrega tomadas mudas.

O H3 gera imagem e 32 kHz estéreo na mesma passagem, e corta entre tomadas por padrão, então a trilha cai no corte em vez de perto dele. A pilha de cinco ferramentas encolhe para uma chamada e um quadro parado.

O prompt de trailer do MiniMax H3, e o que falta nele

Isto é a coisa inteira:

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.

Leia de novo e repare no que falta. Nenhum personagem. Nenhum local. Nenhuma lista de tomadas, e nenhuma daquelas sete frases. A MiniMax rotula a coisa inteira como (Not a complete prompt, details can be added independently), então trate como um fragmento — algumas dessas linhas bem podem ter sido digitadas na parte que eles não publicaram.

Mas um dos letreiros não pode ter sido digitado em lugar nenhum, e é esse que merece a sua atenção.

O único letreiro que pertence à sua imagem de referência, não ao prompt

A requisição levou uma imagem de referência. Esta:

Isso é uma peça de arte-chave pronta com o título já composto nela. Agora repare onde ela aparece no clipe.

Os primeiros oito quadros — 0,000 s a 0,292 s — são essa imagem, com um avanço lento. Depois um corte seco para o preto. Em 12,5 s ela volta, e o trailer termina segurando ela.

Então o logotipo de duas linhas não é algo que o H3 escreveu. É o próprio quadro parado, na tela nas duas pontas, com a câmera se movendo por cima dele. O subtítulo com o espaçamento aberto, o branco quebrado em que ele está composto, o entreletra — nada disso foi gerado alguma vez, que é por que nada disso podia dar errado.

A regra que isso te dá

Antes de tirar a conclusão óbvia, olhe o exemplo companheiro, porque ele corta para o outro lado. O segundo clipe de trailer da MiniMax carrega cinco letreiros, e o título dele está no prompt — escrito por extenso, com uma instrução de cor anexada:

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

Ele voltou correto, e voltou no ferrugem escuro que pediu. O mesmo clipe também entrega NO ONE WAS MEANT TO HEAR IT — sete palavras em duas linhas — sem um erro.

Então o placar nos dois clipes oficiais é doze letreiros, todos corretos, descritos e fornecidos igualmente. Digitar os seus títulos no prompt funciona. A distinção que de fato importa não é descrever contra fornecer:

Então escreva os seus letreiros intermediários. Nada de ruim acontece, e você fica com a sua vaga de referência. Mas o único letreiro que tem de estar certo em toda tomada — uma marca, um nome de produto, o título de verdade — não deveria ser uma geração. Pôr ele na imagem tira ele da loteria.

E se você compuser essa imagem como um quadro pronto em vez de um painel de referência, você ganha ele duas vezes. Note que isso é uma propriedade do que você entrega, não do Ref2VA em si: as referências do clipe companheiro eram um painel de atmosfera e um retrato de personagem, e ele não abre em nenhum dos dois.

O que inverte a ordem do trabalho. Você não escreve um trailer e depois acrescenta um título. Você desenha o último quadro primeiro, e depois pede os quinze segundos que chegam até ele — e ele ainda serve de flash de abertura.

Fazer a arte-chave, quando você não é designer

Este é o passo que todo mundo pula, então aqui está ele concretamente. Você precisa de um quadro parado, na sua proporção final, contendo quatro coisas:

1. O título, composto do jeito que você quer. Entreletra aberto, tudo em maiúsculas, e não branco puro. Amostrei a fileira de glifos no quadro oficial e ela tem pico em #bcc0c6 — um cinza levemente frio, por volta de 78% de brilho. Essa escolha só é boa parte do motivo de o letreiro se ler como desenhado em vez de digitado, e é por isso que o prompt da própria MiniMax diz «font not pure white». Puxe o seu título para trás do #ffffff e ele para de parecer uma legenda.
2. Uma linha de subtítulo, se você quiser uma. SHE WAS NOT ON BOARD está fazendo trabalho de verdade; ele transforma um título numa premissa.
3. A composição que você quer nas duas pontas. O que quer que esteja atrás da letra é o quadro em que o seu trailer abre e o quadro em que ele pousa, então ponha o seu sujeito nele e componha como uma tomada pronta, não como pano de fundo.
4. O clima. Cor, granulação e luz atravessam todos junto com a imagem.

Qualquer ferramenta de imagem faz isso, e um slide no Figma ou no Canva também — a letra não precisa ser gerada, ela precisa ser legível e final. Exporte com 1280 no lado maior ou mais.

Uma coisa que vale saber antes de fazer o quadro: uma imagem de referência traz a luz dela junto. Se o quadro parado é frio e sombrio, o trailer inteiro volta frio e sombrio, diga o prompt o que disser. Escolha a luz que você quer na peça pronta, não a luz que fica melhor no pôster.

Quinze segundos são um teaser, e é esse o formato que vale fazer

Diga isto em voz alta antes de planejar qualquer coisa: um clipe do MiniMax H3 para em 15 segundos. Um trailer de cinema roda de 90 a 150. Se você veio aqui para montar um trailer de dois minutos numa tomada só, modelo nenhum faz isso hoje.

O que 15 segundos são, exatamente, é a redução para redes — o formato teaser que roda no TikTok, no Reels e no Shorts, que é onde trailers de fato são assistidos hoje. É também o formato em que a pilha de cinco ferramentas é pior, porque montar uma peça de 15 segundos custa o mesmo preparo que uma de 90.

Se você precisa de duração, o caminho não é uma geração mais longa. São várias destas, cada uma chegando ao letreiro dela, montadas juntas — e cada uma ainda é uma chamada em vez de doze.

Peça 8 segundos ou 15, nada no meio

Coisa pequena, fácil de errar, e ela aparece em exatamente um lugar: a última batida.

O H3 renderiza em blocos fixos — 17n + 5 quadros a 24 fps — então a duração que você digita é encaixada na mais próxima que é legal. Os dois clipes oficiais de trailer voltam com 362 quadros, que são 15,083 segundos, não 15.

Essa fração é inofensiva numa tomada normal. Num trailer você está cronometrando um letreiro para cair numa batida, então ela importa. 8,000 segundos é o único segundo inteiro disponível, e 15,083 é o topo da faixa. Escolha um desses dois, escreva as suas marcações contra ele, e o último letreiro cai onde você pôs.

O quadro que me fez achar que o H3 não sabia escrever

Puxei um quadro parado do exemplo companheiro para conferir a letra e recebi isto:

THE STARS W RE LISTEN

Letras faltando, final cortado. Parecia exatamente a falha da qual todo mundo avisa — até eu conferir os quadros vizinhos. Um segundo depois o mesmo letreiro lê THE STARS WERE LISTENING, com subtítulo e tudo, perfeito.

Os letreiros animam abrindo o entreletra, então cada um deles passa uns décimos de segundo no meio da resolução. Não havia nada errado. Eu tinha julgado um letreiro por um quadro tirado enquanto ele ainda estava chegando.

Vale sentar com isso, porque é quase certamente de onde vem uma parcela das capturas de tela do «o H3 não sabe escrever». Um letreiro no meio da resolução parece exatamente um letreiro quebrado, e arrastar uma linha do tempo te joga nesses quadros muito mais que o acaso — são os quadros em que algo está visivelmente acontecendo.

Duas coisas decorrem disso. Julgue a letra pelo quadro assentado, não arrastando. E quando você tirar uma miniatura, tire ela depois de o letreiro travar — senão você mesmo entrega o artefato, e alguém tira print de você.

Perseguir isso virou uma peça própria: em seis clipes, toda frase que um prompt de fato nomeou saiu escrita, e os casos interessantes são as frases que ninguém nomeou. O que o MiniMax H3 faz com o texto que você não nomeou tem as contagens de quadro.

O que a metade do prompt controla: ritmo de corte e tratamento da letra

Uma vez que a imagem carrega o logotipo, o texto faz dois trabalhos, e os dois valem copiar:

Ele define o ritmo de corte. «Quick hard cuts, bridge vibrations, intense light flashes, short black screens, jump shock transitions» é um cardápio de cinco itens e o modelo usa os cinco. O que eu não tiraria é short black screens — um trailer precisa de algum lugar para respirar antes do último letreiro, e o preto é o jeito mais barato de comprar isso. Tire e quinze segundos de corte se leem como barulho.

Ele define o tratamento da letra de todos os letreiros de uma vez. Surgir da escuridão, varredura de luz de estrelas, abertura do entreletra, rastros de movimento, flashes de tela preta. Esta é a metade que faz os seis letreiros gerados parecerem pertencer ao mesmo conjunto do letreiro desenhado — mesmo brilho, mesmo entreletra, mesma entrada. Mantenha ela na íntegra quando trocar a imagem de referência e os seus seis vão combinar com o seu logotipo.

Quanto custa rodar um trailer no MiniMax H3

Um trailer de quinze segundos são 62 créditos em 768P e 122 em 2K. O corte de oito segundos são 34 e 66. O seu quadro de referência é grátis — as cinco primeiras são. Todo plano queima à mesma tarifa, então nenhum desses números se move quando você troca de faixa.

Duas partes dessa aritmética são específicas de trailer.

A resolução custa mais que a proporção. Ir de 768P para 2K dobra a queima por segundo; ir de 16:9 para 21:9 acrescenta metade. Quinze segundos de 2K em scope são 182 créditos, onde a mesma tomada em 768P scope são 92. Scope é o estilo da casa no formato trailer, então escolha de propósito — mas se algo tiver de ceder, a alavanca mais barata é a resolução, não o formato.

Um rascunho é uma segunda rodada, não um desconto. Não existe botão de upgrade — uma tomada em 768P e uma em 2K são duas gerações e duas cobranças. Então faça o rascunho valer: oito segundos, 768P, 16:9, que são 34 créditos, menos de um quinto de uma tomada de duração completa em 21:9 a 2K. Se os seus cortes caem na batida dá para ouvir perfeitamente em 768P, e a batida é a única coisa que vale iterar. Gaste a tomada longa depois que o ritmo se segurar.

A tabela completa está em preços.

Experimente

O prompt acima, o quadro de referência e o clipe pronto estão todos numa página só: prompt de trailer de ficção científica para o MiniMax H3.

Traga a sua própria arte-chave e cole a gramática em referência para vídeo. Se você quer sentir o ritmo de corte antes de fazer um quadro parado, texto para vídeo com 8 segundos te dá o andamento sem o letreiro.

O clipe de exemplo, o prompt e a imagem de referência são da própria MiniMax, publicados sob CC BY 4.0 em awesome-minimax-h3-prompts. As contagens de quadro, os tempos e as frases dos títulos acima foram lidos dos arquivos.