Meta Title: MiniMax H3 Estilo Ghibli em 2026: 3 Passos, Som Incluso

Meta Description: Um keyframe pintado, uma renderização de 15 segundos do MiniMax H3 e o vento e as cigarras chegam no mesmo arquivo. Prompts reais, configurações reais, capturas de tela operadas.

---

MiniMax H3 Estilo Ghibli: 3 Passos para um Plano de 15 Segundos Feito à Mão que Realmente Respira

Você já viu a versão que não funciona. Alguém coloca um retrato pintado em uma ferramenta de vídeo, espera, e obtém três segundos de oscilação de Live Photo: cabelo treme, nuvens congeladas, sem som, em loop.

O cinema feito à mão nunca se moveu assim. E nunca foi tão silencioso.

Então aqui está o que fizemos em vez disso. Um keyframe pintado, uma renderização MiniMax H3 estilo Ghibli de 15 segundos, e a grama ondula, um bonde atravessa um viaduto, cigarras estão presentes em tudo, e quatro notas de piano se resolvem. Tudo saindo de um único trabalho, em um arquivo, com áudio estéreo incorporado.

Abaixo: o plano finalizado primeiro, depois os prompts exatos, as configurações que realmente funcionam, capturas de tela reais do playground operadas e uma conta linha por linha.

Principais conclusões

• Um trabalho de 15 segundos em 2K entrega 2560x1440, 24fps, AAC estéreo 32kHz, sem marca d'água.
• O visual feito à mão é um problema de cadência, não de paleta. Peça "em dois quadros", não suavidade.
• Vento, cigarras e piano saem da mesma renderização. Não há segunda passagem de trilha sonora.
• 3 passos: pinte um keyframe, anime-o, combine o segundo plano com referência-para-vídeo.
• Mantenha nomes de estúdio e diretor fora do prompt. Descreva o ofício.

Aqui está o plano finalizado, antes de qualquer teoria.

Ligue o som. Um trabalho contínuo de 15 segundos de imagem-para-vídeo no MiniMax H3, 2K, sem cortes, sem pós-produção: a rajada de vento na grama, o sino do bonde, o zumbido das cigarras e o piano chegaram todos dentro deste único mp4.

Não consegue reproduzir o vídeo onde está lendo? Aqui estão os quatro momentos importantes, extraídos diretamente do arquivo acima.

Quatro quadros da renderização do MiniMax H3 estilo Ghibli na encosta nos segundos 0s, 5s, 10s e 15s, mostrando a primeira rajada na grama, o bonde cruzando o viaduto, a segunda rajada e o último plano mantido

A mesma renderização amostrada nos segundos 0s, 5s, 10s e 15s. Observe o último cartão: nada de novo entra no quadro, de propósito.

Por que a Maioria das Tentativas de MiniMax H3 Estilo Ghibli Parece um Filtro

Veredito primeiro: o visual de filtro quase nunca é a cor. É o timing, o som e a duração.

Aqui está a evidência. Filmes em cel pintado não são animados a 24 desenhos únicos por segundo. Analisando um dos ciclos de corrida de Miyazaki, a Animation Obsessive chama de "uma corrida desenhada 'em dois quadros'" a "12 desenhos por segundo", onde "Cada desenho permanece na tela por dois quadros." (Animation Obsessive, março de 2023)

Agora pense no que um modelo de vídeo faz por padrão. Ele interpola. Suavemente. Sedosamente. Na taxa de quadros completa.

Esse é o verdadeiro problema. Sua paleta estava boa. Seu movimento era bom demais.

A questão é: o modelo consegue manter uma camada desenhada por 15 segundos completos sem derreter? Sim, e é isso que parece.

Peixe dourado e algas marinhas desenhados à mão animados sobre um balcão de cozinha real iluminado pelo sol, de uma renderização de 15 segundos do MiniMax H3

Uma amostra do MiniMax H3: um peixe dourado contornado a giz de cera e traços de algas verdes desenhados sobre filmagem de cozinha ao vivo, mantidos por 15,08 segundos completos sem que o traçado se espalhasse. Mostrado aqui como um GIF silencioso; o arquivo entregue carrega vídeo a 24 fps e áudio estéreo 32kHz.

Segunda causa de morte: promessas de estilo mistas. Escrever "aquarela anime fotorrealista" dá a um modelo a tarefa de satisfazer três contratos ao mesmo tempo, e o resultado é a papinha que as pessoas chamam de "AI slop". Comprometa-se com um único meio e ele se mantém.

Raposa em argila no meio de um salto sobre rocha rachada ao lado de uma fenda de lava brilhante, textura de impressão digital de plasticina visível, de uma renderização do MiniMax H3

Mesmo princípio, meio diferente: uma única promessa de estilo ("stop-motion plasticina") produz textura real de impressão digital e peso de stop-motion ao longo de 10 segundos. GIF silencioso; o arquivo fonte é 2560x1440 com áudio estéreo.

E a terceira e quarta: silêncio, e nenhum espaço para respirar. Aproximadamente metade do que as pessoas querem dizer com este estilo é design de som, vento e um piano esparso. E as pausas precisam de segundos reais. Um clipe de 5 segundos fisicamente não consegue segurar três segundos de nada acontecendo.

Aqui está a tabela de diagnóstico à qual voltamos sempre.

Qual endpoint você usa importa tanto quanto o prompt. Existem três, e eles fazem trabalhos diferentes.

Uma armadilha que vale a pena escrever na mão: enviar image e refers na mesma chamada não gera erro. O trabalho é concluído, cobrado integralmente, e descarta silenciosamente uma das duas entradas. Medimos isso em ambos os endpoints, e a direção em que descarta varia. Escolha um endpoint por chamada.

O Fluxo de Trabalho do MiniMax H3 Estilo Ghibli: Três Modelos, uma Aba

Esta seção fornece toda a cadeia e o custo de cada elo. Ela funciona de ponta a ponta em uma aba do navegador no Atlas Cloud, que é onde todas as capturas de tela abaixo foram operadas, para que você nunca exporte um arquivo apenas para reenviá-lo para outro lugar.

Por que isso importa para este trabalho específico: o modelo de pintura e o modelo de vídeo precisam concordar no quadro. Mantê-los na mesma plataforma significa que o keyframe que você gera já é um arquivo que o próximo playground pode pegar como seu primeiro quadro, e o passo de referência-para-vídeo pode alcançar tanto o keyframe quanto um quadro estático extraído do seu clipe finalizado.

Um hábito que evita discussões com sua própria planilha: o valor principal na página de um modelo é um piso, não sua conta. As páginas do H3 listam $0,10 por segundo, que é o nível 768P; 2K é $0,14. O GPT Image 2 lista $0,009, que é um piso de nível de token, e qualidade alta a 2048x1152 realmente cobra $0,1745. Leia o botão Executar, sempre, porque é o número que você será cobrado.

Nenhum desconto está ativo nos endpoints H3 em agosto de 2026. Apenas as variantes -developer dos modelos de imagem estão com desconto, o que vale a pena saber para rascunhos e é irrelevante para entrega.

Vamos começar.

Passo 1: Pintar o Keyframe

O quadro faz o trabalho pesado. Tudo o que o passo de vídeo não pode inventar—composição, paleta, qualidade de linha, granulação do papel—já precisa estar neste PNG.

Abra o playground de texto-para-imagem do GPT Image 2 e cole isto textualmente.

PlainCopy
1Fundo de animação 2D pintado à mão no estilo de animação japonesa em cel dos anos 1990: uma ampla encosta de verão no final da tarde. Grama verde alta preenche os dois terços inferiores, pintada em guache macio com textura de pincel visível e bordas das folhas feitas a tinta. Uma menina de cerca de dez anos está em pé no meio-termo, vista de costas, vestindo uma capa de chuva amarela simples e uma mochila vermelha, uma mão segurando um chapéu de palha. Além da colina, um bonde estreito de um vagão cruza um vale verde sobre um viaduto baixo de pedra; montanhas azuis distantes desbotam em um céu creme pálido com nuvens cúmulos imponentes pintadas como formas planas em camadas. Luz quente das 16h, sombras ambientes suaves, sem contraste forte, paleta limitada de verde grama, creme, azul celeste e um acento amarelo. Qualidade de linha de animação em cel: contornos limpos e confiantes, preenchimentos de cor plana, fundo de aquarela pintado à mão, granulação sutil de papel. Sem texto, sem logotipos, sem marca d'água, sem fotorrealismo, sem render 3D, sem flare de lente, sem edifícios modernos.

Configurações: qualidade alta, tamanho 2048x1152 (16:9), uma imagem. Não reduza para média aqui. A granulação do papel e as bordas das folhas a tinta são exatamente o detalhe que um nível inferior suaviza, e essas duas coisas são o que vendem o plano inteiro depois.

Observe o que o prompt não diz. Nenhum nome de estúdio, nenhum nome de diretor. Cada instrução estilística é uma descrição do ofício: guache, bordas a tinta, preenchimentos de cor plana, qualidade de linha de animação em cel. Isso não é melindre, é um prompt melhor, porque "animação em cel com preenchimentos planos e granulação de papel visível" é uma instrução específica e um nome de estúdio é uma instrução vaga.

Aqui está a execução.

Playground do GPT Image 2 no Atlas Cloud com o prompt de encosta pintada à mão carregado, qualidade alta e 16:9, e o keyframe estilo Ghibli finalizado renderizado no painel de saída

GPT Image 2 com qualidade alta , 2048x1152, executado no Atlas Cloud. Observe o botão Executar: $0,1745, não $0,009 na página de preços.

E o keyframe sozinho, porque você está prestes a alimentar este arquivo exato para o próximo passo:

Keyframe de encosta de verão pintado à mão: uma menina de capa de chuva amarela vista de costas na grama alta, um bonde de um vagão em um viaduto de pedra além do vale, nuvens cúmulos planas em camadas

Gerado com openai/gpt-image-2/text-to-image . Este PNG é o primeiro quadro do plano finalizado no topo do artigo.

Passo 2: Animá-lo em Movimento no MiniMax H3 Estilo Ghibli

Agora a parte interessante. Este prompt é mais longo do que a maioria das pessoas escreve, e isso é intencional: você está escrevendo uma folha de timing, não uma vibe.

Quatro coisas que ele especifica que um prompt típico não: quando cada rajada começa, quando o bonde entra e sai, que a cadência é em dois quadros, e um parágrafo de áudio completo com horários de entrada por camada.

Carregue seu PNG do Passo 1 na página de imagem-para-vídeo do MiniMax H3 e cole isto.

PlainCopy
1Anime esta pintura como um plano contínuo feito à mão, 15 segundos, sem cortes.
2Câmera: um zoom in muito lento, quase imperceptível, mais um suave deslocamento à direita de cerca de cinco por cento da largura do quadro. Sem snap de zoom, sem trepidação de câmera na mão.
3Movimento: o vento move a grama alta em duas longas ondas viajantes, uma começando no segundo dois e uma no segundo nove, curvando as folhas na mesma direção a cada vez. A barra da capa de chuva e o cabelo da menina levantam com cada rajada; a aba do chapéu de palha dela flexiona. As nuvens se deslocam quase imperceptivelmente. No segundo sete, um bonde de um vagão cruza o viaduto da esquerda para a direita e sai do quadro no segundo onze. Do segundo doze ao quinze, nada se move exceto a grama e uma sombra de nuvem cruzando a colina: mantenha a imobilidade, não adicione nova ação.
4Cadência de animação: desenhado à mão em dois quadros, desenhos mantidos, leve oscilação de linha entre quadros. Sem movimento sedoso interpolado, sem morphing, sem bordas derretendo. Mantenha preenchimentos de cor plana e textura de papel pintado. Não adicione profundidade de campo fotográfica, bokeh ou flare de lente.
5Áudio: cigarras de verão contínuas em um nível médio constante; farfalhar de grama em camadas que aumenta com cada rajada; um sino de bonde distante no segundo sete com um leve ruído de rodas desaparecendo até o segundo onze; e uma linha de piano solo esparsa de quatro notas entrando no segundo três e se resolvendo no segundo treze. Sem voz, sem narração, sem diálogo, sem texto na tela, sem música além dessa linha de piano.

Configurações: image = seu PNG do Passo 1, resolução 2K, duração 15, proporção permanece adaptativa. Essa última não é preguiça. O enum neste endpoint contém apenas adaptativo, e o quadro enviado decide a forma de saída, então um keyframe 16:9 dá a você um clipe 16:9.

Agora leia o botão Executar antes de clicar, porque é exatamente aqui que perdemos uma tomada.

Em 2K e 15 segundos, o orçamento deveria dizer $2,10. O nosso disse $1,12. O controle deslizante de duração nunca pegou nosso 15, o trabalho rodou no padrão de 8 segundos, e todos os outros campos no formulário ainda pareciam perfeitamente corretos. Aqui está essa execução, com a armadilha bem no meio do quadro.

Playground de imagem-para-vídeo do MiniMax H3 no Atlas Cloud com o keyframe pintado carregado, resolução 2K, e o clipe de encosta estilo Ghibli finalizado reproduzindo no painel de saída

O prompt pede 15 segundos. O player mostra 0:08. O botão Executar mostra $1,12. Resolução 2K confirmada, duração não. Leia o preço, nunca o controle deslizante.

Corrija de uma das duas maneiras: arraste o controle deslizante e confirme que o orçamento muda para $2,10 antes de enviar, ou envie o trabalho através da API onde duration: 15 é apenas um campo que não pode falhar silenciosamente. O clipe no topo deste artigo é a segunda rota, mesmo endpoint e mesmo prompt, resolution: 2K, duration: 15.

Entregue dessa forma: um contêiner de 15,08 segundos, 2560x1440, 24fps, H.264 com áudio estéreo AAC a 32kHz, sem marca d'água em lugar nenhum. A versão acidental de 8 segundos voltou com exatamente 8,00 segundos e geometria idêntica. Reserve de 5 a 10 minutos de tempo real; trabalhos de 8 segundos em 2K chegam entre 310 e 400 segundos em nossas execuções, e um trabalho 2K carregando três referências levou 557 segundos.

Passo 3: Combinar um Segundo Plano com Referência-para-Vídeo

Um plano é uma demonstração. Dois planos que pertencem ao mesmo mundo é uma sequência, e é aqui que a maioria das experiências de estilo Ghibli das pessoas desmorona: o rosto do personagem se desvia, a paleta esquenta, a granulação do papel desaparece.

A solução não é um prompt melhor. É um endpoint diferente. Referência-para-vídeo pega material de referência etiquetado e carrega seu visual para uma nova configuração de câmera.

Alimente-o com seu keyframe do Passo 1 como referência. Esse único quadro carrega a paleta, a qualidade de linha e a granulação do papel, e neste plano ele manteve o visual sozinho, como o resultado abaixo mostra. Se sua própria execução se desviar quando o movimento começar, adicione um quadro estático exportado do final do seu clipe do Passo 2 como uma segunda referência, que carrega o que o modelo fez com o traçado depois que começou a se mover. Em seguida, cole isto no endpoint de referência-para-vídeo.

PlainCopy
1Combine exatamente o visual pintado, a paleta, a qualidade de linha e a granulação de papel das imagens de referência, depois filme um plano diferente no mesmo mundo: uma câmera baixa na altura da grama na mesma encosta, olhando para cima para a mesma menina de capa de chuva amarela enquanto ela se agacha para tocar uma haste alta, depois se levanta e olha em direção ao vale.
2Um plano contínuo. Desenhado à mão em dois quadros, desenhos mantidos, preenchimentos de cor plana, fundo de aquarela pintado à mão. Sem fotorrealismo, sem novos personagens, sem mudança de figurino, sem texto, sem marca d'água.
3Câmera: estática nos primeiros quatro segundos, depois uma inclinação lenta para cima seguindo-a enquanto ela se levanta, terminando em seu perfil contra o céu creme.
4Áudio: o mesmo zumbido de cigarras de verão e farfalhar de grama da referência; um movimento suave de tecido enquanto ela se levanta; o mesmo piano solo esparso continuando sem recomeçar. Sem diálogo, sem narração.

Configurações: refers = seu keyframe, resolution 2K, ratio adaptativo (o quadro de referência define a forma de saída), e escolha sua duração. Nossa execução retornou 8 segundos em 2K, orçada em $1,12 com a referência cobrada a $0. Três notas de execuções reais:

• Arquivos de referência são gratuitos. Dez imagens de referência cobradas exatamente o mesmo que uma com o mesmo comprimento e resolução.
• Se você passar uma URL de dados, declare seu type explicitamente. O endpoint infere o tipo da extensão do arquivo, e uma URL de dados não tem nenhuma.
• Nunca entregue um .mp4 ao uploader desta página em uma captura automatizada. Isso faz com que todos os uploads falhem silenciosamente e desative o botão Executar.

Playground de referência-para-vídeo do MiniMax H3 no Atlas Cloud com o keyframe Ghibli carregado como referência e o prompt de plano combinado em vigor em 2K

MiniMax H3 referência-para-vídeo: o keyframe no slot de Material de Referência, o prompt de plano combinado carregado, 2K. Material de referência é cobrado a $0, então o orçamento de $1,12 é todo renderização. O resultado está logo abaixo.

Segundo plano combinado no mesmo mundo MiniMax H3 estilo Ghibli: câmera baixa na altura da grama olhando para cima para a menina de capa de chuva amarela

O segundo plano entregue. Mesma paleta, mesma espessura de linha, mesma granulação de papel, nova câmera. GIF silencioso; o mp4 fonte carrega áudio estéreo.

Essa é a cadeia completa: pintar, animar, combinar. Três execuções, uma aba.

Três variações que valem a pena executar a seguir, uma vez que a cadeia funcione:

• Sua própria foto, repintada. Envie uma paisagem ou foto de rua que você possui através do google/nano-banana-2/edit com: "Repinte esta fotografia como um fundo de animação 2D pintado à mão: textura de guache e aquarela, contornos limpos a tinta, preenchimentos de cor plana, paleta limitada de verde, creme e azul celeste, granulação sutil de papel. Mantenha exatamente a mesma composição, ângulo de câmera e linha do horizonte. Remova todo texto, sinalização e logotipos. Sem fotorrealismo, sem render 3D." Em seguida, anime o resultado. Corte o quadro pintado para 9:16 primeiro se quiser vertical, porque o quadro decide a forma, não um campo de proporção.
• Mesmo quadro, clima diferente. Prefixe o prompt do Passo 2 com Repinte a iluminação como crepúsculo com chuva leve: a paleta muda para azul-ardósia, creme úmido e um brilho de janela quente; e troque a camada de áudio por chuva leve constante mais um trovão distante no segundo oito. Nenhum novo keyframe necessário.
• Rascunho em 768P primeiro. Mais barato por segundo, útil para bloquear. Uma regra difícil anexada a ele, na próxima seção.

Quanto Custa uma Sequência MiniMax H3 Estilo Ghibli

Visualização: uma sequência publicável de dois planos de 30 segundos fica em torno de $4,40, e a rota de rascunho barato tem uma pegadinha que custa mais do que economiza.

Aqui está a conta, construída a partir das taxas por segundo verificadas nas páginas dos modelos e confirmadas com registros reais de trabalho.

Agora a pegadinha. Rascunhar em 768P para economizar dinheiro funciona para composição e bloqueio, e não funciona da maneira que as pessoas assumem.

Duas coisas que medimos. Primeiro, uma reexecução de prompt de texto-para-vídeo puro em um nível de resolução diferente não retorna mais nítida, ela retorna como um filme diferente: cenário diferente, altura de câmera diferente, adereços diferentes. Travar o primeiro quadro através de imagem-para-vídeo é o que confina a diferença ao detalhe. Segundo, e este nos surpreendeu: com o mesmo primeiro quadro travado e o mesmo prompt, as faixas de áudio dos dois níveis não são relacionadas. A correlação de forma de onda entre elas mediu 0,0053, o que é ruído estatístico.

Tradução: um rascunho em 768P pré-visualiza sua composição e seus beats de ação. Nunca é a mixagem que você entrega.

Homenagem, Direitos Autorais e o que Você Pode Publicar

Versão curta, e não é aconselhamento jurídico: um estilo visual em si geralmente não é o que os direitos autorais protegem, mas dados de treinamento e saídas são uma questão viva e contestada, e os termos da plataforma são uma questão separada.

Essa contestação não é hipotética. Em 27 de outubro de 2025, a Content Overseas Distribution Association do Japão, um órgão de detentores de direitos que abrange anime, cinema, jogos e publicação, submeteu uma solicitação por escrito pedindo que "o conteúdo de seus membros não seja usado para aprendizado de máquina sem sua permissão", e observou que "sob o sistema de direitos autorais do Japão, a permissão prévia é geralmente exigida para o uso de obras protegidas por direitos autorais, e não há um sistema que permita evitar a responsabilidade por violação por meio de objeções subsequentes" (CODA, outubro de 2025).

Três hábitos práticos que mantêm sua saída limpa:

• Descreva o ofício, nunca o estúdio. Nossos prompts acima nomeiam guache, em dois quadros, preenchimentos planos e granulação de papel, e em nenhum lugar nomeiam uma empresa ou um diretor.
• Não coloque personagens reconhecíveis, logotipos ou cartelas de título no quadro. Nossa encosta não tem nenhum IP de personagem.
• Verifique os termos que se aplicam à sua conta antes de monetizar, e verifique os termos da plataforma na qual você publica separadamente.

Construa um mundo que compartilhe uma técnica com filmes que você ama. Não construa uma imitação de um específico.

Perguntas Frequentes

O MiniMax H3 consegue fazer estilo Ghibli, e devo escrever "Studio Ghibli" no prompt?

Sim para a primeira, e não faríamos a segunda. Todos os resultados neste artigo vieram de vocabulário de ofício: animação em cel 2D pintada à mão, guache com textura de pincel visível, contornos a tinta, preenchimentos de cor plana, em dois quadros, desenhos mantidos, granulação sutil de papel. Essas seis frases carregam o visual, são mais específicas que um nome de estúdio e mantêm a questão de publicação mais simples.

O MiniMax H3 gera o vento e o piano sozinho, ou eu adiciono som depois?

Sozinho, no mesmo trabalho. A MiniMax descreve o H3 como "gerando vídeo com som estéreo nativo, até 15 segundos em resolução 2K" (MiniMax, julho de 2026), e nossos arquivos entregues carregam AAC estéreo a 32kHz. Escreva um parágrafo dedicado Áudio: nomeando cada camada e quando ela entra. Se você quiser uma faixa composta completa em vez de uma cue, gere-a separadamente no minimax/music-2.6 por $0,15 e misture.

Quanto tempo um plano pode ter, e 15 segundos realmente se mantêm?

A duração aceita cada segundo inteiro de 4 a 15 em todos os três endpoints, e nossa solicitação de 15 segundos entregou um contêiner de 15,08 segundos. Mantém-se. A razão para querer 15 em vez de 8 não é escala épica, é o oposto: é a única maneira de ter três segundos onde nada acontece, que é exatamente o beat em que este estilo é construído.

Como mantenho o mesmo personagem, paleta e granulação de papel em dois planos?

Use referência-para-vídeo com duas referências—o keyframe original mais um quadro estático do seu primeiro clipe finalizado—e escreva "combine exatamente o visual pintado, a paleta, a qualidade de linha e a granulação de papel das imagens de referência" como a primeira cláusula. Cuidado com uma falha silenciosa: misturar image e refers em uma única chamada conclui e cobra integralmente enquanto descarta uma das entradas, sem nenhum campo de aviso em lugar nenhum na resposta.

Devo rascunhar em 768P e reexecutar em 2K para economizar dinheiro?

Rascunhe em 768P para composição, sim. Mas trave o primeiro quadro através de imagem-para-vídeo, ou uma reexecução retorna um filme diferente. E trate o áudio do rascunho como descartável: mesmo quadro, mesmo prompt, nível diferente, e as duas faixas de áudio mediram uma correlação de forma de onda de 0,0053 entre si. A mixagem é regenerada, não aumentada.

Um vídeo MiniMax H3 estilo Ghibli é seguro para publicar ou monetizar?

Depende do que está no quadro e do que os termos da sua conta dizem, e isso não é aconselhamento jurídico. Prompts descritivos de estilo sem IP de personagem, sem logotipos e sem nome de estúdio no quadro são a versão conservadora, e é essa versão que este artigo demonstra. Verifique os termos aplicáveis antes do uso comercial.

Uma última coisa que vale a pena repetir, porque é a parte que as pessoas pulam. A razão pela qual um plano minimax h3 estilo ghibli funciona não é a paleta verde. É que o movimento é deliberadamente pior do que o modelo pode fazer, e que os últimos três segundos podem ficar vazios. Escreva a folha de timing. Escreva o som. Então deixe-o ficar parado.