Я измерил семь ИИ-хорроров. Шесть из них ни разу не замолкают.

Если ваш ИИ-хоррор выходит скорее нелепым, чем страшным, дело, скорее всего, не в монстре. Мне надоело гадать, поэтому вместо споров я это измерил.

Семь официальных демонстрационных клипов MiniMax H3 — все, какие удалось получить законно — прогнаны через ffmpeg, уровень RMS в окнах по полсекунды, всего 2 340 окон. Вот пол у каждого:

Шесть из семи не замолкают никогда. Ни разу, ни в одном окне. Модный ролик — тот, в чьём промпте прямо запрошены VHS-глитчи и обрыв эфира с камеры наблюдения, — проводит все пятнадцать секунд внутри полосы в 16,8 дБ и опускается лишь до −25,5 дБ. Это не саундтрек с динамикой. Это стена.

Один клип ломает эту картину, и он единственный в наборе в хоррор-регистре.

Исключение и то, чего в его промпте нет

Вампирский тизер открывается примерно 1,6 секундами ниже −40 дБ, затем проседает снова на 8,5 с, 10,0 с и 13,9 с. Это не ровная дорожка с тихим вступлением, это темп — форма, которую вы бы нарисовали, если бы вас попросили набросать тревогу.

Этот включите со звуком. Всё главное — в той половине, которую не видно.

Я вернулся к его промпту искать ту аудиоинструкцию, что дала такой результат, — её там нет. В 1 366 символах ни разу не встречаются sound, music, score, ambience, silence или quiet. Ничего.

Что в промпте есть — это эмоциональный регистр, заявленный четырьмя разными способами: dark romance, gloomy oppression, high-end, restrained and compact, крючок первых 15 секунд успешной короткой драмы — и список того, чем он отказывается быть:

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

Контрольный случай лежит в том же корпусе. Официальная криминальная заставка тоже отказывается от хоррора, но иначе: там написано not horror, not heavy — отрицается температура вместе с костюмом. Её пол — −27,9 дБ, и она не останавливается ни на мгновение.

Откажитесь от костюма, сохраните температуру. Таково моё прочтение, и о его прочности скажу прямо: шесть клипов говорят мне, что по умолчанию звук идёт сплошняком, — это твёрдо. Один клип говорит, что хоррор-регистр делает с этим умолчанием, и это одна выборка. Прежде чем считать вопрос решённым, я бы прогнал контрольную версию: та же сцена, один дубль с названным регистром, один без.

Отсюда следуют две вещи, и полезна вторая

Набор для деградации бесплатен. VHS-глитчи, строки развёртки, хроматические аберрации, засветки, зерно плёнки, обрыв эфира — это одна строка в промпте, и официальный модный ролик доказывает, что оно рендерится по требованию. Это та половина, за которую все дерутся, и она же лёгкая.

Это ещё и половина, где слабости этой модели перестают быть слабостями. Любая диффузионная видеомодель теряет детали кожи в VAE, разваливается на дистанции и смазывает быстрое движение. Продуктовая съёмка воюет со всеми тремя; аналоговый хоррор покупает плагины, чтобы все три подделать. Это один из очень немногих жанров, где целиться надо в то, что модель делает плохо.

Тишина не бесплатна, и берётся она не оттуда, куда вы стали бы смотреть. non_diegetic_music: N/A по-прежнему первая строка, которую пишу я и стоит писать вам — оставить это поле пустым и вписать в него N/A это не одна и та же инструкция. Но по приведённым данным одно это поле не дало того единственного тихого клипа. Дало название регистра.

Поэтому теперь я прописываю эмоциональный регистр так же явно, как визуальный, и отрицаю неверный жанр по имени. Читается как декорация. Похоже, что работает.

Почему 8,000 секунды

H3 рендерит блоками по 17n + 5 кадров при 24 fps, поэтому почти любая запрошенная длительность попадает на дробь. 192 кадра — это ровно 8,000 секунды, и в рабочем диапазоне это единственная целая секунда.

Каждый из семи измеренных клипов лежит на этой сетке — пять из них по 362 кадра, то есть 15,083 секунды, — а собственная витрина MiniMax «изображение в видео» это 192 кадра. Значит, это не выведенный нами курьёз: так работает модель, и те, кто делает референсные материалы, уже работают внутри неё. Сетку мы разобрали целиком здесь.

Восемь, а не пятнадцать, и по второй причине. За пятнадцать секунд slow burn не сделать. Ему нужны «поставить, выдержать, сломать»; пятнадцать секунд покупают только выдержать и сломать. Поэтому эта форма тревогу наследует, а не строит — первый кадр уже должен быть неправильным, а всё после него это оплата.

Одна деталь здесь важнее, чем где-либо ещё: ставьте акцент на реально существующий кадр. При 24 fps 00:07.400 это кадр 177,6, которого не существует, и вы отдали свой тайминг шагу округления. 00:07.000 это кадр 168 и ровно секунда хвоста.

Промпт

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

Четыре решения здесь стоит объяснить.

Фигура не в фокусе и никогда не двигается. Наведите на неё резкость, дайте свет или заставьте шевелиться — и получится нечто слегка комичное, потому что в момент, когда модели приходится определиться с лицом, проступает её вкус. Вне фокуса и неподвижной она прячет самое трудное для отрисовки в кадре и вдобавок страшнее: невозможно отвести взгляд от того, что не удаётся разглядеть.

Второй кадр прямо говорит, что звук не меняется. Картинка меняется, аудио нет. Первая реакция зрителя — усомниться в увиденном, и сомнение и есть эффект.

Отсутствия названы поимённо. Не «тихо», а no footsteps, no breathing, no voices, no doors. По моему опыту «тихо» читается как «тихая музыка», то есть ровно наоборот.

Последняя строка отрицает неверный жанр. Её я добавил после измерений, и именно её не стал бы убирать.

Что менять

Слова регистра. Самая рычажная строка на странице. Замените restrained на frantic — и микс изменится не меньше монтажа, трогали вы аудиополя или нет.

Разрешается ли фигура в конце. Подвести её на шаг к фокусу под самый конец — самое крупное доступное изменение, и обычно оно делает клип хуже. Попробуйте один раз, чтобы понять почему.

Откуда берётся комнатный тон. Дроссель люминесцентной лампы делает здесь много работы, потому что у него есть высота, а высота может прекратиться. Замените его на ветер или шум машин — и обрывать станет нечего: этому испугу нужен звук с краем.

Где ломается

Сколько это стоит

По нашим ставкам секунда в 768P — 8 кредитов, и на каждый клип приходится проход разбора в 5 кредитов, так что восьмисекундный дубль это 69 кредитов.

Значение имеет число дублей, а не дубль. Закладывайте три-четыре на один оставленный — это честная цифра для всей этой категории инструментов, и хоррор не исключение, потому что вы гонитесь за ощущением, а не за списком. Считайте около 276 кредитов на один годный.

Снимайте в 768P, и не ради экономии. Жанру нужна деградация, а 2K работает против вас. Это один из редких случаев, когда дешёвый уровень и есть правильный, а разница оплачивает те дополнительные дубли, которые и дают годный. Ставки здесь.

Можно ли это выкладывать

Вопрос, на который на первой странице выдачи, похоже, никто не отвечает, и который реально есть у каждого, кто делает хоррор.

Аналоговый хоррор работает через деградацию и отсутствие, а не через кровь, и именно это удерживает его внутри политик большинства площадок — и внутри нашей. Написать no blood, no gore в промпте — не только вопрос вкуса. Это проходит фильтр.

Одно правило стоит держать в любом случае: никаких чужих именованных персонажей. Backrooms, лиминальные пространства и безбрендовая тревога — ваши. Чужой монстр нет, и это уже спор с юридическим отделом, а не с политикой модерации.

Попробовать

Дословный официальный промпт, все рычаги и полный список отказов — на шаблоне готического тизера, включая те измерения, на которых построена эта статья. Если удобнее начать с коридора выше, пресет Horror в тексте в видео загружает его с уже заполненным саундскейпом.

А если нужен нижележащий довод о том, что H3 обращается со звуком как с содержанием, а не с гарниром, он изложен отдельно.

Исходные клипы — официальные примеры MiniMax, опубликованные в коллекции awesome-minimax-h3-prompts под CC BY 4.0 и в карточке модели MiniMax H3. Измерения наши: ffmpeg -af astats=metadata=1:reset=24, 2026-09-03.