Как сделать трейлер на MiniMax H3 с читаемой заставкой

Если вы пробовали сделать трейлер нейросетью, вы уже знаете, где всё разваливается. Кадры выглядят нормально. Потом вы просите титр — и получаете THE LAST FLEEF LFFT EARTH шрифтом, который никто не выбирал.

Обычный совет — махнуть рукой на генерируемый шрифт: рендерить без него, тащить в монтажку и ставить титр самому. Прежде чем ему последовать, я разобрал два официальных трейлерных примера MiniMax покадрово. Вдвоём они несут двенадцать титров, и как только каждый из них перестаёт анимироваться, все двенадцать написаны верно.

Это не обещание, что у вас будет так же: витрина всегда отобрана. Но это значит, что потолок выше, чем кажется по скриншотам, — и заодно объясняет, откуда взялась изрядная часть этих скриншотов.

Пятнадцать секунд, семь титров, музыка — всё из одного вызова. Вот как.

Как выглядит трейлер из одного вызова MiniMax H3

Вот трейлер, который H3 сделала за один вызов. Пятнадцать секунд, пять постановок, жёсткие склейки, один и тот же персонаж на всём протяжении, музыка и семь титров:

Он открывается на THE LAST FLEET LEFT EARTH с подписью SHE WAS NOT ON BOARD под ним, уходит в сторону и прогоняет THE FINAL DEPARTURE → EARTH SENT THE LAST FLEET → FINAL COUNTDOWN → WITHOUT HER → SHE KNEW WHY → THE MISSION WAS A LIE, а затем возвращается к тому же вступительному лейблу и на нём закрывается.

Каждое слово верно. Ни монтажки, ни плагина титров, ни второго прохода.

Стоит задержаться на том, чего здесь не произошло. Нынешний совет по трейлерам от нейросетей — это стек из пяти инструментов: чат-модель на разбивку по битам, модель изображений на опорные кадры, видеомодель на движение, один сервис на музыку и другой на закадровый голос, потом монтажка, чтобы всё собрать. Этот стек существует потому, что большинство видеомоделей отдают вам немые кадры.

H3 генерирует картинку и стерео 32 кГц за один проход и по умолчанию режет между кадрами, поэтому музыка попадает в склейку, а не рядом с ней. Стек из пяти инструментов схлопывается в один вызов и один кадр.

Промпт трейлера MiniMax H3 и то, чего в нём нет

Вот он целиком:

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.

Перечитайте и заметьте, чего тут нет. Ни персонажа. Ни места. Ни списка кадров — и ни одной из тех семи строк. MiniMax подписывает всё это как (Not a complete prompt, details can be added independently), так что считайте это фрагментом: часть этих строк вполне могла быть набрана в той половине, которую не опубликовали.

Но один титр не мог быть набран нигде, и именно он стоит вашего внимания.

Тот единственный титр, которому место в референсном изображении, а не в промпте

К запросу было приложено одно референсное изображение. Вот это:

Это готовый ключевой кадр с уже набранным на нём титром. Теперь посмотрите, где он всплывает в клипе.

Первые восемь кадров — с 0,000 с по 0,292 с — это то самое изображение с медленным наездом. Затем жёсткая склейка в чёрное. На 12,5 с оно возвращается, и трейлер заканчивается, держа его.

То есть двухстрочный лейбл — это не то, что H3 написала. Это сам кадр, стоящий на экране с обоих концов, по которому едет камера. Растянутая подпись, слегка небелый оттенок, межбуквенное расстояние — ничто из этого никогда не генерировалось, поэтому ничто из этого и не могло сломаться.

Правило, которое из этого следует

Прежде чем делать очевидный вывод, посмотрите на парный пример: он режет в другую сторону. Второй трейлерный клип MiniMax несёт пять титров, и его заглавие как раз в промпте — выписано, да ещё и с указанием цвета:

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

Оно вернулось верным и вернулось в том самом тёмно-ржавом, который запрашивали. Тот же клип выносит и NO ONE WAS MEANT TO HEAR IT — семь слов в две строки — без единой ошибки.

Итого по обоим официальным клипам счёт такой: двенадцать титров, все верные, описанные и поданные вперемешку. Набирать заглавия в промпт работает. Различие, которое на самом деле важно, проходит не между «описал» и «подал»:

Так что пишите свои проходные титры. Ничего плохого не случится, а референсный слот останется при вас. Но тот единственный титр, который обязан быть верным на каждом дубле — бренд, название продукта, само заглавие, — генерацией быть не должен вообще. Помещая его в изображение, вы вынимаете его из лотереи.

А если вы соберёте это изображение как готовый кадр, а не как мудборд, вы получите его дважды. Заметьте: это свойство того, что вы отдаёте, а не самой Ref2VA. У парного клипа референсами были атмосферный борд и портрет персонажа — и он не открывается ни на одном из них.

Это переворачивает порядок работы. Вы не пишете трейлер, чтобы потом добавить титр. Вы проектируете последний кадр первым, а потом просите те пятнадцать секунд, которые к нему приходят — и он же работает вашей вступительной вспышкой.

Как сделать ключевой кадр, если вы не дизайнер

Этот шаг все проскакивают, поэтому вот он конкретно. Нужен один кадр в вашем финальном соотношении сторон, содержащий четыре вещи:

1. Заглавие, набранное так, как вы хотите. Широкое межбуквенное расстояние, капитель и не чистый белый. Я снял пипеткой строку глифов на официальном кадре: пик приходится на #bcc0c6 — слегка холодный серый, около 78% яркости. Один этот выбор и делает бо́льшую часть того, что титр читается как спроектированный, а не как набранный, — и поэтому в собственном промпте MiniMax стоит «font not pure white». Уведите заглавие с #ffffff — и оно перестанет выглядеть подписью.
2. Подпись, если она вам нужна. SHE WAS NOT ON BOARD делает настоящую работу: превращает заглавие в завязку.
3. Композиция, которую вы хотите с обоих концов. То, что стоит за шрифтом, — это кадр, на котором ваш трейлер открывается и на который он приземляется, так что поместите туда своего героя и соберите это как готовый кадр, а не как подложку.
4. Настроение. Цвет, зерно и свет переезжают вместе с изображением.

Справится любой графический инструмент, справится и слайд в Figma или Canva: шрифт не обязан быть сгенерированным, он обязан быть читаемым и финальным. Экспортируйте от 1280 по длинной стороне.

Одно, что стоит знать перед съёмкой: референсное изображение приносит с собой собственный свет. Если кадр холодный и мрачный, весь трейлер вернётся холодным и мрачным, что бы ни говорил промпт. Выбирайте тот свет, который нужен в готовой вещи, а не тот, который лучше смотрится на постере.

Пятнадцать секунд — это тизер, и именно этот формат стоит делать

Скажите это вслух, прежде чем что-то планировать: клип MiniMax H3 упирается в 15 секунд. Кинотеатральный трейлер идёт 90–150. Если вы пришли собрать двухминутный трейлер одним вызовом — сегодня такого не делает ни одна модель.

Чем эти 15 секунд являются на самом деле — так это социальным сокращением, тем самым тизерным форматом, который крутится в TikTok, Reels и Shorts, а трейлеры сегодня смотрят именно там. И это же формат, который хуже всего даётся стеку из пяти инструментов, потому что сборка пятнадцатисекундной вещи стоит той же подготовки, что и девяностосекундной.

Если вам нужна длина, ход не в том, чтобы генерировать дольше. Ход — сделать несколько таких, каждый приходящий к своему титру, и склеить — и каждый из них по-прежнему один вызов вместо двенадцати.

Просите 8 секунд или 15, между ними ничего

Мелочь, которую легко упустить, и вылезает она ровно в одном месте: на последнем бите.

H3 рендерит фиксированными блоками — 17n + 5 кадров при 24 кадрах в секунду, — поэтому набранная вами длительность прилипает к ближайшей допустимой. Оба официальных трейлерных клипа возвращаются на 362 кадрах, то есть 15,083 секунды, а не на 15.

В обычном кадре эта дробь безобидна. В трейлере вы выставляете титр на бит, поэтому она важна. 8,000 секунды — единственная доступная целая секунда, а 15,083 — верх диапазона. Возьмите одно из двух, считайте свои тайминги от него — и последний титр встанет туда, куда вы его поставили.

Кадр, из-за которого я решил, что H3 не умеет писать

Я вытащил стоп-кадр из парного примера, чтобы посмотреть на шрифт, и получил вот это:

THE STARS W RE LISTEN

Пропущенные буквы, обрубленный хвост. Выглядело ровно тем провалом, о котором все предупреждают, — пока я не посмотрел соседние кадры. Секундой позже тот же титр читается как THE STARS WERE LISTENING, с подписью, безупречно.

Титры анимируются, раздвигая межбуквенное расстояние, поэтому каждый из них несколько десятых секунды проводит на полпути к собранному виду. Ничего не было сломано. Я судил о титре по кадру, снятому, пока он ещё приезжал.

На этом стоит задержаться, потому что почти наверняка отсюда и берётся часть скриншотов «H3 не умеет писать». Титр на полпути выглядит ровно как сломанный титр, а перемотка по таймлайну попадает на такие кадры куда чаще, чем случайность: это же те кадры, где визуально что-то происходит.

Отсюда два следствия. Судите о шрифте по устоявшемуся кадру, а не по перемотке. И когда берёте превью, берите его после того, как титр встал, — иначе вы отгрузите артефакт сами, и скриншотить будут уже вас.

Погоня за этим выросла в отдельный материал: на шести клипах каждая строка, которую промпт действительно назвал, вышла написанной верно, а интересны как раз строки, которых не называл никто. Что MiniMax H3 делает с текстом, который вы не называли — там счёт по кадрам.

Что контролирует половина, которая в промпте: ритм склеек и подача шрифта

Как только лейбл несёт изображение, у текста остаётся две работы, и обе стоит скопировать.

Он задаёт ритм склеек. «Quick hard cuts, bridge vibrations, intense light flashes, short black screens, jump shock transitions» — это меню из пяти пунктов, и модель использует все пять. Единственный, который я бы не выбрасывал, — это short black screens: трейлеру нужно где-то вдохнуть перед последним титром, а чёрное — самый дешёвый способ это купить. Уберите его — и пятнадцать секунд резки прочитаются шумом.

Он задаёт подачу шрифта сразу для всех титров. Проявление из темноты, проход звёздного света, раздвижение межбуквенного расстояния, шлейфы движения, вспышки чёрного экрана. Это та половина, из-за которой шесть сгенерированных титров выглядят родственниками одного спроектированного: то же свечение, то же трекинг, тот же вход. Оставьте её дословно, когда будете менять референсное изображение, — и ваши шесть совпадут с вашим же лейблом.

Во что обходится трейлер на MiniMax H3

Пятнадцатисекундный трейлер — это 62 кредита в 768P и 122 в 2K. Восьмисекундная версия — 34 и 66. Ваш референсный кадр бесплатен: первые пять бесплатны. Все тарифы жгут по одной ставке, так что при смене уровня ни одно из этих чисел не двигается.

Две части этой арифметики специфичны именно для трейлеров.

Разрешение стоит дороже, чем соотношение сторон. Переход с 768P на 2K удваивает посекундный расход; переход с 16:9 на 21:9 добавляет половину. Пятнадцать секунд широкоэкранного 2K — это 182 кредита, тогда как тот же кадр в широкоэкранном 768P — 92. Широкий экран — это домашний стиль трейлерного формата, так что ставьте его осознанно; но если чем-то надо жертвовать, дешевле двигать разрешение, а не форму кадра.

Черновик — это второй прогон, а не скидка. Кнопки апгрейда нет: дубль в 768P и дубль в 2K — это две генерации и два списания. Так что пусть черновик отработает своё: восемь секунд, 768P, 16:9 — это 34 кредита, меньше пятой части одного полноразмерного дубля 21:9 в 2K. Попадают ли ваши склейки в бит, полностью слышно и в 768P, а бит — единственное, что стоит итераций. Длинный дубль тратьте, когда ритм уже держится.

Полная таблица — на странице тарифов.

Попробовать

Промпт выше, референсный кадр и готовый клип лежат на одной странице: промпт научно-фантастического трейлера для MiniMax H3.

Приносите своё ключевое изображение и вставляйте эту грамматику в видео по референсу. Если хочется нащупать ритм склеек ещё до того, как делать кадр, видео по тексту на 8 секундах даст вам темп без титра.

Клип-пример, промпт и референсное изображение принадлежат MiniMax и опубликованы под CC BY 4.0 в awesome-minimax-h3-prompts. Счёт кадров, тайминги и строки титров выше сняты с самих файлов.