Meta Title: MiniMax H3 Ghibli Style nel 2026: 3 passaggi, audio incluso

Meta Description: Un keyframe dipinto, un render MiniMax H3 da 15 secondi e il vento con le cicale arrivano nello stesso file. Prompt reali, impostazioni reali, screenshot operativi.

---

MiniMax H3 Ghibli Style: 3 passaggi per un'inquadratura disegnata a mano di 15 secondi che respira davvero

Hai visto la versione che non funziona. Qualcuno inserisce un ritratto dipinto in un tool video, aspetta e ottiene tre secondi di wobble da Live Photo: capelli che tremolano, nuvole congelate, nessun suono, loop.

Il cinema disegnato a mano non si è mai mosso così. E non è mai stato così silenzioso.

Quindi ecco cosa abbiamo fatto noi invece. Un keyframe dipinto, un render MiniMax H3 Ghibli style da 15 secondi, e l'erba ondeggia, un tram attraversa un viadotto, le cicale cantano sotto tutto, e quattro note di pianoforte si risolvono. Tutto da un singolo job, in un unico file, con audio stereo incorporato.

Qui sotto: prima l'inquadratura finita, poi i prompt esatti, le impostazioni che funzionano davvero, screenshot reali del playground operato e un conto dettagliato.

Punti chiave

• Un job singolo da 15 secondi in 2K restituisce 2560×1440, 24 fps, AAC stereo 32 kHz, senza filigrana.
• L'aspetto disegnato a mano è un problema di cadenza, non di palette. Chiedi "on twos", non morbidezza.
• Vento, cicale e pianoforte escono dallo stesso render. Nessun secondo passaggio di scoring.
• 3 passaggi: dipingi un keyframe, anima, abbina la seconda inquadratura con reference-to-video.
• Tieni i nomi di studio e regista fuori dal prompt. Descrivi l'artigianato.

Ecco l'inquadratura finita, prima di qualsiasi teoria.

Attiva l'audio. Un singolo job continuo image-to-video da 15 secondi su MiniMax H3, 2K, nessun taglio, nessun post: la folata d'erba, il campanello del tram, il frinire delle cicale e il pianoforte sono arrivati tutti all'interno di questo singolo mp4.

Non puoi riprodurre il video dove stai leggendo? Ecco i quattro battiti importanti, estratti direttamente dal file sopra.

Quattro fotogrammi dal render MiniMax H3 Ghibli style della collina a 0 s, 5 s, 10 s e 15 s, che mostrano la prima folata d'erba, il tram che attraversa il viadotto, la seconda folata e il battito finale tenuto

Lo stesso render campionato a 0 s, 5 s, 10 s e 15 s. Guarda l'ultima carta: nulla di nuovo entra nell'inquadratura, di proposito.

Perché la maggior parte dei tentativi MiniMax H3 Ghibli Style sembra un filtro

Verdetto prima: l'aspetto filtro quasi mai è il colore. È il tempismo, il suono e la durata.

Ecco le prove. I film su cel dipinti non sono animati a 24 disegni unici al secondo. Analizzando uno dei cicli di corsa di Miyazaki, Animation Obsessive lo definisce "una corsa disegnata 'on twos'" a "12 disegni al secondo", dove "Ogni disegno resta sullo schermo per due fotogrammi." (Animation Obsessive, marzo 2023)

Ora pensa a cosa fa un modello video di default. Interpola. Fluidamente. Setosamente. A pieno frame rate.

Questo è il vero indizio. La tua palette andava bene. Il tuo movimento era troppo buono.

La domanda è: il modello può mantenere uno strato disegnato per 15 secondi interi senza che si sciolga? Sì, ed ecco come appare.

Pesce rosso e alghe disegnati a mano animati su un vero piano di cucina illuminato dal sole, da un render MiniMax H3 da 15 secondi

Un sample run MiniMax H3: un pesce rosso delineato a pastello e tratti di alghe verdi disegnati su filmati live-action di una cucina, mantenuti per tutti i 15.08 secondi senza che il tratto si sbavi. Mostrato qui come GIF silenziosa; il file consegnato trasporta video a 24 fps e audio stereo a 32 kHz.

Seconda causa di morte: promesse di stili misti. Scrivere "photorealistic anime watercolour" dà un modello che cerca di soddisfare tre contratti contemporaneamente, e il risultato è la poltiglia che la gente chiama "AI slop". Impegnati con un mezzo e si mantiene.

Volpe in claymation a metà salto su roccia incrinata accanto a una fessura lavica incandescente, texture di impronta plastilina visibile, da un render MiniMax H3

Stesso principio, diverso mezzo: una singola promessa di stile ("stop-motion plasticine") produce una vera texture da impronta e peso da stop-motion per 10 secondi. GIF silenziosa; il file sorgente è 2560×1440 con audio stereo.

E la terza e quarta: silenzio e nessuno spazio per respirare. Circa metà di ciò che la gente intende con questo stile è il sound design, il vento e un pianoforte spoglio. E le pause hanno bisogno di secondi reali. Un clip di 5 secondi fisicamente non può contenere tre secondi di niente che accade.

Ecco la tabella diagnostica a cui torniamo sempre.

Quale endpoint usi conta tanto quanto il prompt. Ce ne sono tre e fanno lavori diversi.

Una trappola che vale la pena scriversi sulla mano: inviare image e refers nella stessa chiamata non dà errore. Il job si completa, fattura per intero e scarta silenziosamente uno dei due input. L'abbiamo misurato su entrambi gli endpoint e la direzione in cui viene scartato varia. Scegli un endpoint per chiamata.

Il flusso di lavoro MiniMax H3 Ghibli Style: tre modelli, una scheda

Questa sezione ti dà l'intera catena e quanto costa ogni anello. Funziona dall'inizio alla fine in una scheda del browser su Atlas Cloud, dove ogni screenshot qui sotto è stato operato, così non devi mai esportare un file per ricaricarlo da un'altra parte.

Perché è importante per questo lavoro specifico: il modello di pittura e il modello video devono concordare sul frame. Tenerli sulla stessa piattaforma significa che il keyframe che generi è già un file che il playground successivo può prendere come primo frame, e il passo reference-to-video può raggiungere sia il keyframe che uno still estratto dal tuo clip finito.

Un'abitudine che fa risparmiare discussioni col tuo foglio di calcolo: il dato in evidenza sulla pagina di un modello è un floor, non la tua fattura. Le pagine H3 elencano $0.10 al secondo, che è il tier 768P; 2K è $0.14. GPT Image 2 elenca $0.009, che è un floor del tier token, e la qualità high a 2048×1152 in realtà quota $0.1745. Leggi il pulsante Run, ogni volta, perché è il numero per cui verrai addebitato.

Nessuno sconto è attivo sugli endpoint H3 ad agosto 2026. Solo le varianti -developer dei modelli immagine sono scontate, utile per bozze e irrilevante per la consegna finale.

Iniziamo.

Passo 1: Dipingi il keyframe

Il frame fa il lavoro pesante. Tutto ciò che il passo video non può inventare - composizione, palette, qualità del tratto, grana della carta - deve già essere in questo PNG.

Apri il playground text-to-image di GPT Image 2 e incolla questo testualmente.

PlainCopy
1Hand-painted 2D animation background in the style of 1990s Japanese cel animation: a wide summer hillside in late afternoon. Tall green grass fills the lower two thirds, painted in soft gouache with visible brush texture and hand-inked blade edges. A girl about ten years old stands in the middle distance seen from behind, wearing a plain yellow raincoat and a red backpack, one hand holding down a straw hat. Beyond the hill a narrow single-car tram crosses a green valley on a low stone viaduct; distant blue mountains fade into a pale cream sky with towering cumulus clouds painted as flat layered shapes. Warm 4pm light, soft ambient shadows, no harsh contrast, limited palette of grass green, cream, sky blue and one yellow accent. Cel-animation line quality: clean confident outlines, flat colour fills, hand-painted watercolour background, subtle paper grain. No text, no logos, no watermark, no photorealism, no 3D render, no lens flare, no modern buildings.

Impostazioni: qualità high, dimensione 2048×1152 (16:9), una immagine. Non scendere a medium qui. La grana della carta e i bordi delle lame inchiostrati sono esattamente i dettagli che un tier inferiore leviga via, e queste due cose sono ciò che vende l'intera inquadratura più avanti.

Nota cosa non dice il prompt. Nessun nome di studio, nessun nome di regista. Ogni istruzione stilistica è una descrizione dell'artigianato: gouache, bordi inchiostrati a mano, riempimenti a colore piatto, qualità del tratto da animazione su cel. Non è per scrupoli, è un prompt migliore, perché "cel animation con riempimenti piatti e grana carta visibile" è un'istruzione specifica e un nome di studio è vaga.

Ecco il run.

Playground GPT Image 2 su Atlas Cloud con il prompt del paesaggio collinare dipinto a mano caricato a qualità high e 16:9, e il keyframe finito in stile Ghibli renderizzato nel pannello di output

GPT Image 2 a qualità high , 2048×1152, eseguito su Atlas Cloud. Nota il pulsante Run: $0.1745, non $0.009 sulla pagina dei prezzi.

E il keyframe da solo, perché stai per dare questo stesso file al passo successivo:

Keyframe di una collina estiva dipinta a mano: una bambina in impermeabile giallo vista da dietro tra l'erba alta, un tram a una carrozza su un viadotto di pietra oltre la valle, nuvole cumuliformi piatte e stratificate

Generato con openai/gpt-image-2/text-to-image . Questo PNG è il primo frame dell'inquadratura finita all'inizio dell'articolo.

Passo 2: Anima in movimento MiniMax H3 Ghibli Style

Ora la parte interessante. Questo prompt è più lungo di quanto la maggior parte delle persone scriva, ed è deliberato: stai scrivendo un foglio di tempismo, non un'atmosfera.

Quattro cose che specifica che un prompt tipico non fa: quando inizia ogni folata, quando il tram entra ed esce, che la cadenza è on twos, e un intero paragrafo audio con i tempi di entrata per strato.

Carica il tuo PNG del Passo 1 sulla pagina MiniMax H3 image-to-video e incolla questo.

PlainCopy
1Animate this painting as one continuous hand-drawn shot, 15 seconds, no cuts.
2Camera: a very slow push in, barely perceptible, plus a gentle drift right of about five percent of frame width. No zoom snap, no handheld shake.
3Motion: wind moves through the tall grass in two long travelling waves, one starting at second two and one at second nine, bending the blades the same direction each time. The girl's raincoat hem and hair lift with each gust; her straw hat brim flexes. Clouds drift almost imperceptibly. At second seven a single-car tram crosses the viaduct left to right and leaves frame at second eleven. From second twelve to fifteen nothing moves except the grass and one cloud shadow crossing the hill: hold the stillness, do not add new action.
4Animation cadence: hand-drawn on twos, held drawings, slight frame-to-frame line wobble. No interpolated silky motion, no morphing, no melting edges. Keep flat colour fills and painted paper texture. Do not add photographic depth of field, bokeh or lens flare.
5Audio: continuous summer cicadas at a steady mid level; layered grass rustle that swells with each gust; one distant tram bell at second seven with faint wheel rumble fading out by second eleven; and a sparse solo piano line of four notes entering at second three and resolving at second thirteen. No voice, no narration, no dialogue, no on-screen text, no music beyond that piano line.

Impostazioni: image = il tuo PNG del Passo 1, risoluzione 2K, durata 15, ratio rimane adaptive. L'ultimo non è pigrizia. L'enum su questo endpoint contiene solo adaptive, e il frame caricato decide la forma dell'output, quindi un keyframe 16:9 ti dà un clip 16:9.

Ora leggi il pulsante Run prima di cliccare, perché è esattamente qui che abbiamo perso un take.

A 2K e 15 secondi il preventivo dovrebbe dire $2.10. Il nostro diceva $1.12. Il cursore della durata non ha mai preso il nostro 15, il job è partito con il default di 8 secondi e ogni altro campo nel modulo sembrava ancora perfettamente corretto. Ecco quel run, con la trappola proprio nell'inquadratura.

Playground MiniMax H3 image-to-video su Atlas Cloud con il keyframe dipinto caricato, risoluzione 2K, e il clip collinare finito in stile Ghibli che viene riprodotto nel pannello di output

Il prompt chiede 15 secondi. Il player legge 0:08. Il pulsante Run legge $1.12. Risoluzione 2K impegnata, durata no. Leggi il prezzo, mai il cursore.

Risolvilo in uno di due modi: trascina il cursore e conferma che il preventivo passi a $2.10 prima di inviare, oppure invia il job tramite API dove duration: 15 è solo un campo che non può mancare silenziosamente. Il clip all'inizio di questo articolo è la seconda via, stesso endpoint e stesso prompt, resolution: 2K, duration: 15.

Consegnato in questo modo: un contenitore di 15.08 secondi, 2560×1440, 24 fps, H.264 con audio stereo AAC a 32 kHz, nessuna filigrana da nessuna parte. La versione accidentale da 8 secondi è tornata esattamente a 8.00 secondi con geometria identica. Prevedi da 5 a 10 minuti di tempo reale; i job da 8 secondi in 2K atterrano tra 310 e 400 secondi nei nostri run, e un job 2K che trasportava tre riferimenti ha impiegato 557 secondi.

Passo 3: Abbina una seconda inquadratura con Reference-to-Video

Una singola inquadratura è una demo. Due inquadrature che appartengono allo stesso mondo sono una sequenza, ed è qui che la maggior parte degli esperimenti in stile Ghibli fallisce: il volto del personaggio si sposta, la palette si scalda, la grana della carta scompare.

La soluzione non è un prompt migliore. È un endpoint diverso. Reference-to-video prende materiale di riferimento taggato e porta il suo aspetto in una nuova configurazione di camera.

Fornisci il tuo keyframe del Passo 1 come riferimento. Quel singolo frame porta la palette, la qualità del tratto e la grana della carta, e in questa inquadratura ha mantenuto l'aspetto da solo, come mostra il risultato qui sotto. Se il tuo run si sposta una volta iniziato il movimento, aggiungi uno still esportato verso la fine del tuo clip del Passo 2 come secondo riferimento, che porta ciò che il modello ha fatto al tratto una volta che ha iniziato a muoversi. Poi incolla questo sull'endpoint reference-to-video.

PlainCopy
1Match the painted look, palette, line quality and paper grain of the reference images exactly, then film a different shot in the same world: a low camera at grass height on the same hillside, looking up at the same girl in the yellow raincoat as she crouches to touch one tall stalk, then stands and looks off toward the valley.
2One continuous shot. Hand-drawn on twos, held drawings, flat colour fills, hand-painted watercolour background. No photorealism, no new characters, no costume change, no text, no watermark.
3Camera: static for the first four seconds, then a slow tilt up following her as she stands, ending on her profile against the cream sky.
4Audio: the same summer cicada bed and grass rustle as the reference; one soft cloth movement as she stands; the same sparse solo piano continuing without restarting. No dialogue, no narration.

Impostazioni: refers = il tuo keyframe, resolution 2K, ratio adaptive (il frame di riferimento imposta la forma dell'output), e scegli la tua durata. Il nostro run è tornato di 8 secondi a 2K, quotato a $1.12 con il riferimento fatturato a $0. Tre note da run reali:

• I file di riferimento sono gratuiti. Dieci immagini di riferimento fatturate esattamente come una alla stessa lunghezza e risoluzione.
• Se passi un URL dati, dichiara il suo type esplicitamente. L'endpoint deduce il tipo dall'estensione del file, e un URL dati non ne ha.
• Non dare mai un .mp4 all'uploader di questa pagina in una cattura automatizzata. Fa fallire silenziosamente ogni upload e disabilita il pulsante Run.

Playground MiniMax H3 reference-to-video su Atlas Cloud con il keyframe Ghibli caricato come riferimento e il prompt per l'inquadratura abbinata in posizione a 2K

MiniMax H3 reference-to-video: il keyframe nello slot Reference Materials, il prompt per l'inquadratura abbinata caricato, 2K. Il materiale di riferimento viene fatturato a $0, quindi il preventivo di $1.12 è solo render. Il risultato è subito sotto.

Seconda inquadratura abbinata nello stesso mondo MiniMax H3 Ghibli style: camera bassa all'altezza dell'erba che guarda in su verso la bambina nell'impermeabile giallo

La seconda inquadratura consegnata. Stessa palette, stesso spessore del tratto, stessa grana della carta, nuova camera. GIF silenziosa; il file mp4 sorgente trasporta audio stereo.

Questa è la catena completa: dipingi, anima, abbina. Tre run, una scheda.

Tre variazioni che vale la pena provare dopo, una volta che la catena funziona:

• La tua foto, ridipinta. Invia un paesaggio o una foto di strada di tua proprietà tramite google/nano-banana-2/edit con: "Repaint this photograph as a hand-painted 2D animation background: gouache and watercolour texture, clean hand-inked outlines, flat colour fills, limited palette of green, cream and sky blue, subtle paper grain. Keep the exact same composition, camera angle and horizon line. Remove all text, signage and logos. No photorealism, no 3D render." Poi anima il risultato. Ritaglia il frame dipinto in 9:16 prima se vuoi verticale, perché il frame decide la forma, non un campo ratio.
• Stesso frame, tempo diverso. Anteponi al prompt del Passo 2 con Repaint the lighting as dusk in light rain: palette shifts to slate blue, wet cream and one warm window glow; e scambia lo strato audio con pioggia leggera costante più un tuono lontano all'ottavo secondo. Nessun nuovo keyframe necessario.
• Bozza a 768P prima. Più economico al secondo, utile per il blocking. Una regola fissa ad esso associata, nella prossima sezione.

Quanto costa una sequenza MiniMax H3 Ghibli Style

Anteprima: una sequenza pubblicabile di due inquadrature da 30 secondi costa circa $4.40, e la via della bozza economica ha una trappola che costa più di quanto risparmi.

Ecco il conto, costruito dalle tariffe al secondo verificate sulle pagine del modello e confermate contro i registri dei job reali.

Ora la trappola. Bozzare a 768P per risparmiare denaro funziona per composizione e blocking, e non funziona nel modo in cui la gente assume.

Due cose che abbiamo misurato. Primo, un semplice re-run text-to-video prompt a un tier di risoluzione diverso non torna più nitido, torna come un film diverso: diversa scenografia, diversa altezza della camera, diversi oggetti di scena. Bloccare il primo frame tramite image-to-video è ciò che confina la differenza ai dettagli. Secondo, e questo ci ha sorpreso: con lo stesso primo frame bloccato e lo stesso prompt, le tracce audio dei due tier non sono correlate. La correlazione della forma d'onda tra di loro ha misurato 0.0053, che è rumore statistico.

Traduzione: una bozza 768P mostra la tua composizione e i tuoi battiti d'azione. Non è mai il mix che spedisci.

Omaggio, copyright e cosa puoi pubblicare

Versione breve, e non è un consiglio legale: uno stile visivo in sé generalmente non è ciò che il copyright protegge, ma i dati di training e gli output sono una questione viva e contestata, e i termini della piattaforma sono una questione separata.

Quel contenzioso non è ipotetico. Il 27 ottobre 2025 la Content Overseas Distribution Association del Giappone, un organismo di titolari di diritti che copre anime, film, giochi ed editoria, ha presentato una richiesta scritta chiedendo che "i contenuti dei suoi membri non siano utilizzati per l'apprendimento automatico senza il loro permesso", e ha notato che "nel sistema di copyright giapponese, l'autorizzazione preventiva è generalmente richiesta per l'uso di opere protette da copyright, e non esiste un sistema che permetta di evitare la responsabilità per violazione attraverso successive obiezioni" (CODA, ottobre 2025).

Tre abitudini pratiche che mantengono pulito il tuo output:

• Descrivi l'artigianato, mai lo studio. I nostri prompt sopra nominano gouache, on twos, riempimenti piatti e grana carta, e da nessuna parte nominano un'azienda o un regista.
• Non mettere nell'inquadratura personaggi riconoscibili, loghi o titoli di coda. La nostra collina non ha alcun IP di personaggio.
• Controlla i termini che si applicano al tuo account prima di monetizzare, e controlla separatamente i termini della piattaforma su cui pubblichi.

Costruisci un mondo che condivida una tecnica con i film che ami. Non costruire un clone di uno specifico.

Domande frequenti

MiniMax H3 può fare lo stile Ghibli, e dovrei scrivere "Studio Ghibli" nel prompt?

Sì alla prima, e noi non lo faremmo per la seconda. Ogni risultato in questo articolo è arrivato da vocabolario artigianale invece: hand-painted 2D cel animation, gouache with visible brush texture, hand-inked outlines, flat colour fills, on twos, held drawings, subtle paper grain. Queste sei frasi portano l'aspetto, sono più specifiche di un nome di studio e mantengono più semplice la questione della pubblicazione.

MiniMax H3 genera il vento e il pianoforte da solo, o devo aggiungere il suono dopo?

Da solo, nello stesso job. MiniMax descrive H3 come "generazione di video con audio stereo nativo, fino a 15 secondi a risoluzione 2K" (MiniMax, luglio 2026), e i nostri file consegnati trasportano AAC stereo a 32 kHz. Scrivi un paragrafo Audio: dedicato che nomini ogni strato e quando entra. Se vuoi una traccia composta completa piuttosto che un cue, genera separatamente su minimax/music-2.6 a $0.15 e mixala.

Quanto può durare una singola inquadratura, e 15 secondi reggono davvero?

La durata accetta ogni secondo intero da 4 a 15 su tutti e tre gli endpoint, e la nostra richiesta da 15 secondi ha consegnato un contenitore di 15.08 secondi. Reggono. Il motivo per volere 15 piuttosto che 8 non è la scala epica, è l'opposto: è l'unico modo per avere tre secondi in cui non succede nulla, che è esattamente il battito su cui si basa questo stile.

Come posso mantenere lo stesso personaggio, palette e grana carta tra due inquadrature?

Usa reference-to-video con due riferimenti, il keyframe originale più uno still dal tuo primo clip finito, e scrivi "match the painted look, palette, line quality and paper grain of the reference images exactly" come prima clausola. Attenzione a un fallimento silenzioso: mescolare image e refers in una singola chiamata si completa e fattura per intero scartando uno dei due input, senza alcun campo di avviso da nessuna parte nella risposta.

Dovrei bozzare a 768P e ripetere a 2K per risparmiare denaro?

Bozza a 768P per la composizione, sì. Ma blocca il primo frame tramite image-to-video, altrimenti un re-run restituisce un film diverso. E tratta l'audio della bozza come usa e getta: stesso frame, stesso prompt, tier diverso, e le due tracce audio hanno misurato una correlazione della forma d'onda di 0.0053 l'una con l'altra. Il mix viene rigenerato, non upscalato.

Un video MiniMax H3 Ghibli Style è sicuro da pubblicare o monetizzare?

Dipende da cosa c'è nell'inquadratura e da cosa dicono i termini del tuo account, e questo non è un consiglio legale. Prompt descrittivi dello stile senza IP di personaggio, senza loghi e senza nome di studio nell'inquadratura sono la versione conservativa, ed è la versione che questo articolo dimostra. Verifica i termini applicabili prima dell'uso commerciale.

Un'ultima cosa che vale la pena ripetere, perché è la parte che la gente salta. Il motivo per cui un'inquadratura minimax h3 ghibli style funziona non è la palette verde. È che il movimento è deliberatamente peggiore di quanto il modello sappia fare, e che gli ultimi tre secondi possono essere vuoti. Scrivi il foglio di tempismo. Scrivi il suono. Poi lascialo fermo.