YouTube tog bort en miljard visningar av falska trailers. Jag använde MiniMax H3 Movie Trailer Generator för att skapa en riktig.

I december 2025 avslutade YouTube Screen Culture och KH Studio. Två kanaler, över två miljoner prenumeranter tillsammans, över en miljard visningar. De klippte ihop officiellt material med AI-bilder för att skapa franchise-trailers som såg officiella ut. Screen Culture hade i mars skickat 23 versioner av en Fantastic Four-trailer, och några av dem rankade högre än den riktiga i sökresultaten (Deadline, december 2025).

De blev inte avstängda för att de använde AI. De blev avstängda för spam och vilseledande metadata: att presentera någon annans film som officiellt släppt material.

Men en miljard visningar bevisade något annat. Trailern är de femton mest avgörande sekunderna inom filmmarknadsföring. Formatet var aldrig problemet. Attribuering var det.

Så här är den användbara versionen av det experimentet: använd samma format på en film som tillhör dig. En 15-sekunders teaser, 2K, inbyggt stereo, en berättarröst, ett soundtrack, en titelskylt. En generation. Ingen redigeringstidslinje, ingen inspelningsstudio, ingen musiklicens, inget After Effects-arbete.

Viktiga insikter

• En trailer är det mest kompakta du kan be en videomodell om: flera tagningar, berättarröst, musik, ljuddesign och text på skärm, allt staplat. H3 rankas för närvarande först på Artificial Analysis ledartavla för videoredigering med ljud, och filmtitelsekvenser finns på MiniMaxs egen lista över förstahandsanvändningsområden.
• 15 sekunder är H3:s hårda tak. Det är inte en biografteaser (de är 30–60 sekunder), men det är exakt längden på den sociala klipp som gör det mesta av det faktiska arbetet.
• Skriv prompten som en cue-lista med tidskoder, inte som en hög med adjektiv. Etablera, konflikt, klimax, titelskylt. Fyra beats.
• Det finns ingen ljudparameter någonstans i API:et. Om du inte beställer soundtracket, berättarrösten och ljuddesignen i ord, får du vad modellen kände för.
• Verkliga siffror på Atlas Cloud: 768p-utkast $1,50, 2K-final $2,10, plus cirka $0,17 för öppningsbilden. En färdig teaser hamnar mellan $2,03 och $3,77.

GPT Image 2-öppningsbilden som låser filmen: interiören av en ståldykarklocka från 1970-talet, en kvinna i en repig orange dykardräkt, bärnstensfärgad instrumentlampa och sonargrön belysning. Bilden som allt annat bygger på. Skapad med openai/gpt-image-2/text-to-image med kvalitet high , 2048x1152. Denna enda bild är det som hindrar 768p-utkastet och 2K-finalen från att bli två olika filmer.

MiniMax H3-filmtrailern jag skapade i en generation

Här är den först, innan någon teori. En original teaser för en djuphavsthriller som heter SALVAGE. Ett API-anrop, inga klipp tillagda i efterhand.

SALVAGE, 15 sekunder, en generation på minimax/h3/image-to-video . Ljud på: skrovets stön, sonarpingen, stråkklustret och berättarrösten kom alla från samma anrop som bilden. Debiterat $2,10.

Vad som finns i den filen, och var varje del kom ifrån:

• Fyra distinkta tagningar med hårda klipp, inga övertoningar. En generation.
• 24 fps, AAC stereo vid 32 kHz. Inte tillagt i efterhand.
• En berättarröst, kvinnlig, placerad mellan 5 och 7,5 sekunder eftersom prompten sa det.
• En titelskylt som håller sig helt stilla de sista två sekunderna.

Det är fem traditionella efterbearbetningssteg som kollapsats till ett. Vilket är hela anledningen till att en trailer är ett bra stresstest för denna modell, och ett dåligt för de flesta andra.

Varför de flesta MiniMax H3-trailerförsök faller samman vid den nionde sekunden

Trailers är den svåraste kategorin att fejka, eftersom du inte kan dölja en svaghet. Om texten vibrerar ser du det. Om läppsynkroniseringen glider hör du det. Om musiken inte landar på klippet känns allt som ett bildspel med musik på.

Det är ungefär därför H3 ligger där det ligger. På Artificial Analysis ledartavla för videoredigering med ljud är det först med 1 130 Elo på 8 249 röster, nio poäng före Gemini Omni Flash och 93 poäng före Dreamina Seedance 2.0, och det är den enda modellen i den toppgruppen som är märkt Open Weights (Artificial Analysis, augusti 2026). MiniMaxs eget lanseringsmaterial listar filmtitelsekvenser bland förstahandsanvändningsområdena, tillsammans med animerade affischer och karaktärskonsekventa spelsekvenser (MarkTechPost, augusti 2026).

Här är den officiella 15-sekunders sci-fi-öppningen från den lanseringsuppsättningen, så att du kan höra vad "inbyggt ljud" innebär innan du spenderar något:

THE LAST FLEET LEFT EARTH, från MiniMaxs officiella H3-visningsuppsättning. Levererad i 2560x1440, 24 fps, AAC stereo 32 kHz. Lägg märke till den utzoomade titelskylten och "SHE KNEW WHY"-kortet mitt i trailern som håller sig stilla medan kameran fortsätter röra sig.

Nu följer listan över misslyckanden. Vart och ett av dessa är något som faktiskt gick fel på vägen till klippet överst på sidan.

1. Försöka få plats med en 60-sekunders trailer i ett anrop. 15 sekunder är ett hårt tak. Be om en hel trailers berättelse och du får gröt, eftersom modellen komprimerar åtta beats till fyra. Skriv en teaser.
2. Skriva adjektiv istället för en cue-lista. "Episk filmtrailer, dramatisk, hög spänning" ger dig en stämning, inte en struktur. Tidskoder ger dig en struktur.
3. Otydliga titelskyltar. Om du inte anger den exakta texten i prompten, plus hur typen ska behandlas, plus en explicit "stabil" instruktion, får du ungefärliga bokstäver. Tre eller fler textrader är där det börjar gå sönder.
4. Få en ljudlös fil, eller ett soundtrack du aldrig bad om. Det finns ingen audio-parameter på text-till-video, bild-till-video eller referens-till-video. Ljud beställs i prosa inuti prompten, eller inte alls.
5. Skapa ett billigt utkast på ren text-till-video. Utan en låst första bild returnerar 768p och 2K två olika filmer, eftersom 2K-passet är en regenerering i kontext och inte en uppskalning. Ditt billiga utkast lär dig inget om din dyra final.
6. Att inte skicka med duration . Schemat dokumenterar en standard på 8, men att utelämna det har debiterat som ett 5-sekunders jobb och returnerat en 5-sekunders fil. Din trailer får halsen avskuren vid konfliktbeatset.
7. Anta att HTTP 200 innebär att den följde instruktionerna. Namnge en riktig franchise och inmatningsgranskningen avvisar jobbet på några sekunder. Andra prompts blir tyst trimmade och debiterade som vanligt.

Punkterna 4, 5 och 6 är de dyra, och ingen av dem finns i dokumentationen.

Arbetsflödet för MiniMax H3-trailergeneratorn, och vad varje steg kostar

Fem steg, fem modeller, en webbläsarflik och en API-nyckel. Priserna nedan är de aktuella per sekund-kostnaderna på varje modells sida idag, inte bloggsiffror.

De tre H3-slutpunkterna i Atlas Cloud-modellkatalogen . Text-till-video, bild-till-video och referens-till-video är separata rutter på samma nyckel, vilket är anledningen till att hela kedjan nedan aldrig lämnar en flik.

Parameterfakta värda att skriva på handen, alla kontrollerade mot levande scheman idag snarare än readme: resolution är 768P eller 2K, med standard 2K. duration är ett heltal från 4 till 15. Fältet heter ratio, inte aspect_ratio, och på bild-till-video ignoreras det helt eftersom utdataformen ärvs från din inmatningsbild. Text-till-video och referens-till-video accepterar 21:9 till 9:16. Allt körs asynkront: POST /api/v1/model/generateVideo, sedan polla /api/v1/model/prediction/{id}.

MiniMax H3-trailerhandledning: 15 sekunder, fyra beats, en generation

Filmen är en original djuphavsthriller. Ett ord som titel, så att texten får plats att andas. En berättarröst. Kopiera prompten ordagrant och byt ut substantiven mot ditt eget projekt.

Steg 1: Lås öppningsbilden med GPT Image 2

Börja inte med videomodellen. En bild kostar ungefär sjutton cent och en 15-sekunders 2K-generation kostar $2,10, så du vill ha utseendet bestämt en storleksordning billigare. Ännu viktigare: den låsta första bilden är det enda som gör ditt 768p-utkast förutsägbart för din 2K-final.

PlainCopy
1Filmisk stillbild, anamorfisk look i 16:9-format: interiören av en ståldykarklocka från 1970-talet som sänks ner i svart vatten, sedd över axeln på en kvinna i en repig orange dykardräkt. Hennes ansikte är endast upplyst av en enda bärnstensfärgad instrumentlampa och den blekgröna skenet från en sonarskärm. Kondensdroppar på det tjocka fönsterglaset; bortom det, totalt mörker med en svag partikeldrift. Tungt 35mm filmkorn, djupa krossade svarta, teal-och-bärnstenspalett, lågt skärpedjup, endast praktisk belysning. Inga linsflare, ingen text, inga logotyper, inga vattenstämplar, inga undertexter.

Inställningar: kvalitet high, storlek 2048x1152, utdataformat png. Kvalitet high är inte valfritt här, eftersom kornet och de krossade svarta är vad videomodellen kommer att bära vidare i femton sekunder.

GPT Image 2-arbetsytan på Atlas Cloud med dykarklocke-prompten inläst och den färdiga öppningsbilden i utdatapanelen_GPT Image 2 på Atlas Cloud, körning slutförd: prompten ovan till vänster, bilden som blev denna artikels hjälte till höger._

Steg 2: Skriv 15-sekunders trailerns beat-sheet (Etablera, konflikt, klimax, titelskylt)

Detta är delen som ingen i listorna över "bästa trailergeneratorer" kommer att ge dig. En trailer-prompt är en cue-lista. Bild får tidskoder, ljud får tidskoder, berättarrösten får ett fönster, och titelskylten får sin exakta text.

Här är strukturen för sig själv, så att du kan fylla den med din egen film:

Och här är den strukturen ifylld, redo att klistras in i bild-till-video med bilden från steg 1 bifogad:

PlainCopy
115-sekunders 16:9-teaser för en original djuphavsthriller. Fortsätt exakt från den
2medföljande första bilden: samma kvinna, samma orange dykardräkt, samma bärnstens-och-sonargröna
3belysning, samma tunga korn. Fyra beats, hårda klipp, inga övertoningar.
4
50.0-4.0s  ETABLERA. Långsam inzoomning förbi hennes axel mot fönstret. Dammkorn driver.
6Sonarskärmen sveper en gång. Hon andas; hennes utandning immar glaset.
74.0-8.0s  KONFLIKT. Hårt klipp till en låg översiktsbild: dykarklockan liten mot en svart
8klippvägg, kabeln spänd ovanför. Hårt klipp tillbaka till hennes hand som slår av en brytare. Instrumentlampan
9flimrar. En form passerar fönstret, oskarp, oidentifierbar.
108.0-12.0s KLIMAX. Tre snabba klipp: extrem närbild av hennes öga som fångar en röd
11överbelastningslampa; fönsterglaset som böjs med ett hårfint sprickmönster; totalt svart i sex bildrutor.
1212.0-15.0s TITELSKYLT. Tonar upp från svart på en titel, centrerad, håller helt stilla i de
13sista två sekunderna: SALVAGE
14Extremt bred bokstavsmellanrum, tung kondenserad seriff, borstad kall stål med en svag rostkant
15och en återhållen inre glöd, inte ren vit. Nedanför, små versaler i halva storleken:
16NOTHING DOWN HERE STAYS LOST
17Båda raderna stabila: inget flimmer, ingen förvrängning, ingen drift, ingen omrendering mellan bildrutorna.
18
19LJUD, generera inbyggt, leverera inte ett tyst spår:
200.0-4.0s  lågt skrovstön runt 40 Hz, en sonarping vid 1,5 s med lång svans, avlägset
21tryckväsande.
224.0-8.0s  väsandet stramas åt; en enda metallisk klingning vid 6,2 s; stråkar kommer in på en
23enda ihållande låg ton.
248.0-12.0s stigande stråkkluster, en nit som poppar vid 10,5 s, sedan hård tystnad vid 11,8 s.
2512.0-15.0s en djup sub-bas-smäll på titelskylten, sedan en långsamt avtagande reverb-svans
26över tyst sonar.
27BERÄTTARRÖST, endast en rad, kvinnlig röst, låg och obrydd, mixad under musiken, talad
28mellan 5,0 s och 7,5 s: "Nothing down here stays lost."
29
30NEGATIV: ingen text på skärm förutom de två titelraderna; inga undertexter, inga bildtexter, ingen
31vattenstämpel, ingen studielogotyp, inga linsflare, inga snabba panoreringsrörelser, ingen kameraskakning utöver en långsam
32handhållen svaj, inget dagsljus, ingen synlig varelse, inget blod, inget våld.

Tre saker i den gör mer arbete än de ser ut att göra. LJUD-blocket finns eftersom det inte finns någon ljudparameter att ställa in. "Stabila" raden finns eftersom textstabilitet är det enskilt vanligaste trailerfelet. Och de sex bildrutorna svart vid 11,8 sekunder är det som får titelskylten att kännas som en titelskylt istället för ännu en tagning.

Fyra bildrutor tagna från den färdiga SALVAGE-teasern, märkta ETABLERA, KONFLIKT, KLIMAX och TITELSKYLT, som visar beat-sheetet som det faktiskt renderades_Samma_ fyra beats som de faktiskt kom ut, tagna från 2K-filen. Från vänster till höger: inzoomen vid 2 s, den låga översiktsbilden vid 5 s, överbelastningslampan vid 10 s, titelskylten vid 14 s.

Steg 3: Skapa utkast till MiniMax H3-trailern i 768p för $1,50

Samma bild, samma prompt, resolution: "768P", duration: 15. Skicka duration explicit. Att utelämna det har debiterat som ett 5-sekunders jobb. Du får 1344x768, 24 fps, AAC stereo, och en faktura på $1,50.

768p-utkastet. Strukturellt samma film som 2K-finalen, eftersom den första bilden är låst. Den lilla texten i titelskylten är där du kan se skillnaden i upplösning.

Bedöm den endast på fyra saker, och ignorera skärpan helt:

1. Är klippen på beatsen, eller har ett beat ätit upp ett annat?
2. Finns berättarrösten, och landar den inom 5 till 7,5 sekunders fönstret?
3. Sitter titelskylten stilla, eller kryper den?
4. Träffar musiken smällen vid 12 sekunder?

Om något av dessa misslyckas, fixa prompten och gör ett nytt utkast för $1,50. Åtgärda det inte för $2,10.

Steg 4: Färdigställ MiniMax H3-trailern i 2K

Ändra exakt ett fält. Samma image, samma prompt, resolution: "2K". Utdata är 2560x1440 och fakturan är $2,10.

Eftersom den första bilden är låst skiljer sig de två passen i detalj snarare än i innehåll. Den ärliga versionen: den stora texten går att läsa vid 768p, men den andra raden löses upp till faktiska bokstavsformer först vid 2K.

Beskärning av titelskylt vid 100 %, 768p till vänster och 2K till höger, som visar hur undertextraden löses upp till läsbara bokstavsformer först vid 2K_Samma sekund, samma bildruta, beskuren vid 100 %. Det breda SALVAGE överlever båda. Halvstorleksraden under den är anledningen till att du färdigställer i 2K._

MiniMax H3 bild-till-video-arbetsyta på Atlas Cloud med dykarklockebilden inläst och ett färdigt klipp i utdatapanelen_MiniMax H3 bild-till-video på Atlas Cloud, körning slutförd. Arbetsytans upplösnings- och längdväljare lämnades på standardvärdena för denna bild, så klippet i OUTPUT är en kortare körning än 15-sekundersanropet som beskrivs ovan, inte den färdiga teasern._

Det finns ett billigare sätt att färdigställa. Om ett 768p-utkast redan är en pärla, skicka det genom videouppskalaren för $0,024 per sekund till 2K, vilket är $0,36 för 15 sekunder. Det skyddar utkastet du redan gillar, men det kan inte uppfinna bokstavsdetaljer som aldrig fanns i källan, och 2K-rutten har ett tak på 23 sekunders indata.

Steg 5: Klipp en vertikal MiniMax H3-trailer med referens-till-video

16:9-filen är för webbplatsen. 9:16-filen är den som faktiskt tittas på. Referens-till-video tar upp till nio bildreferenser plus video och ljud, så att du kan låsa samma huvudrollsinnehavare och samma färgläggning i en porträttomformning istället för att hoppas.

Skicka refers som en array med bilden från steg 1 plus en moodboard, ratio: "9:16", duration: 15, resolution: "2K". Prompten är samma beat-sheet med vertikal blockering: konfliktbeatset blir en enda medium närbild istället för en låg översiktsbild, och titelskylten får större text med undertexten bruten på två rader.

En fälla som kostar pengar eftersom den aldrig ger fel: skicka inte image och refers i samma begäran. De är ömsesidigt uteslutande, API:et accepterar båda, och en av dem tappas tyst.

Det vertikala klippet från minimax/h3/reference-to-video , samma rollbesättning, samma färgläggning, omblockerad för en telefon.

MiniMax H3 referens-till-video-arbetsyta på Atlas Cloud med referensmaterial inläst och ett färdigt klipp i utdatapanelen_MiniMax H3 referens-till-video på Atlas Cloud, körning slutförd, med referensfacket ifyllt. Upplösning och längd är återigen på standardvärden._

Fyra varianter på MiniMax H3-trailerprompten

Samma beat-sheet, fyra olika leveranser.

Bredd. Ändra ratio till 21:9 på text-till-video eller referens-till-video. Samma cue-lista, bredare letterbox, och titelskylten får märkbart mer plats för bokstavsmellanrum.

Endast titelsting. Ta bort beats ett till tre, behåll titelskylten, sätt duration: 4. Det är $0,56 i 2K för en logotypanimation med en sub-bas-smäll på. Användbart långt utanför film, eftersom en "trailer" ofta är för ett spel, en bok eller en podcast.

Ett annat språk. H3 hanterar berättarröst på flera språk inbyggt, så samma beat-sheet med berättarraden omskriven på japanska ger dig en lokaliserad teaser utan ett separat dubbspår.

En annan kategori. Vertikala dramateasers är samma fyra beats med dialog istället för berättarröst. Här är ett officiellt 9:16-exempel från H3-visningsuppsättningen: femton sekunder, åtta tagningar, en karaktär som hålls konsekvent genom alla, med talade repliker istället för voiceover.

Officiell MiniMax H3 vertikal teaser, 1440x2560, 15 sekunder, åtta tagningar, AAC stereo med dialog. Samma beatstruktur, riktad till en kortdramapublik.

Vill du ha en 30-sekunders teaser? Ta den sista bildrutan från klipp ett och använd den som första bildruta i klipp två. Detaljer finns i vår MiniMax H3 videolängdsguide.

Vad en MiniMax H3-trailer faktiskt kostar

Fyra ärliga vägar till en färdig 15-sekunders 2K-teaser. Bildkostnaden är den uppmätta $0,1745 för GPT Image 2 vid high, 2048x1152.

MiniMaxs egen direkta prissättning är lite lägre per sekund än Atlas-priset, så du kommer att se en siffra på $1,95 för ett 15-sekunders 2K-klipp citerad på andra håll. På Atlas är priset $0,14 per sekund, vilket är $2,10, och det är siffran varje faktura i denna artikel använder.

Och här är vad de $2,10 ersatte, ärligt graderat:

Om du vill prissätta detta mot resten av H3-slutpunkterna rad för rad, har MiniMax H3 API-prisuppdelningen per-anropsaritmetiken, och de tre slutpunkterna ovan lever på en nyckel i samma modellkatalog om du vill köra kedjan själv.

Fan-trailers, riktiga filmer och metadata som fick en miljard visningar raderade

Värt att vara exakt om vad som faktiskt hände med de kanalerna, eftersom läxan inte är "gör inte trailers med AI."

Båda kanalerna stängdes av, gjorde korrigeringar, återinsläpptes i Partnerprogrammet, återgick sedan till sina gamla beteenden och avslutades enligt YouTubes policyer för spam och vilseledande metadata. Problemet var presentationen: titlar och miniatyrer som såg ut som officiellt studiematerial för filmer som inte hade någon sådan trailer. Om du gör ett konceptstycke för en befintlig egendom, märk det i titeln, miniatyren och beskrivningen, och låt inte metadatan antyda att det kom från studion.

H3 stöter tillbaka på detta även på API-nivå. Namnge en riktig franchise eller en specifik film i prompten och jobbet misslyckas under inmatningsgranskningen inom några sekunder istället för att generera något du sedan måste fundera på. Det är ett grovt filter, och det kommer ibland att fånga en oskyldig prompt, men det är en användbar signal om var gränsen går.

En sak till om du self-hostar snarare än anropar API:et: de släppta vikterna levereras under MiniMax H3 Community License Agreement, och H3-Context-IR- och H3-Regenerate-2K-modulerna som producerar 2K-passet är inte en del av den öppna releasen, de finns kvar på API-sidan. Vår guide för kommersiell användning och licensiering täcker villkoren; inget av det gäller API-vägen som används i denna artikel.

Vanliga frågor

Kan MiniMax H3-trailergeneratorn göra en hel trailer, eller bara 15 sekunder?

15 sekunder är ett hårt tak per generation. En biografteaser är 30–60 sekunder och en hel trailer 90 sekunder till tre minuter (Beverly Boy, 2026), så ett anrop ger dig det sociala klippet, inte det biografiska. För längre, kedja generationer genom att mata den sista bildrutan från ett klipp in som första bildruta i nästa.

Genererar MiniMax H3 trailer-voiceover och musik, eller måste jag lägga till dem i efterhand?

Inbyggt, i samma anrop som bilden, levererat som AAC stereo vid 32 kHz tillsammans med 24 fps video. Men det finns ingen ljudparameter på någon av de tre slutpunkterna. Du beställer soundtracket, berättarrösten och ljudeffekterna i prosa inuti prompten, med tidskoder. Hoppa över det blocket och du får ett soundtrack du inte valde.

Kommer titelskyltens text faktiskt att vara läsbar?

Ja, om du skriver den exakta texten, beskriver hur typen ska behandlas och lägger till en explicit stabilitetsinstruktion som "stabil, inget flimmer, ingen förvrängning." Håll dig till två rader. Stora, breda bokstäver överlever 768p; små sekundära rader löses upp ordentligt först vid 2K.

Hur mycket kostar en MiniMax H3-trailer?

På Atlas Cloud, 15 sekunder i 2K är $2,10 vid $0,14 per sekund, och samma längd i 768p är $1,50 vid $0,10 per sekund. Lägg till ungefär $0,17 för öppningsbilden. En färdig teaser kostar $2,03 till $3,77 beroende på om du skalar upp ett utkast eller kör om i 2K. Skicka alltid duration explicit.

Kan jag göra en trailer för en riktig, befintlig film?

Tekniskt sett blockerar inmatningsgranskningen namngivna franchiser, så modellen vägrar innan den debiterar dig. Praktiskt sett har YouTube redan avslutat kanaler med en miljard visningar över vilseledande metadata på exakt detta innehåll. Gör det original, eller märk det tydligt som ett koncept- eller fanstycke i titeln och beskrivningen.

Kan jag behålla samma huvudrollsinnehavare genom en längre trailer?

Använd referens-till-video, som accepterar upp till nio referensbilder plus referensvideo och ljud, och lås din rollbesättning där istället för att hoppas att text ensam håller dem. Skicka inte image och refers i samma begäran: de är ömsesidigt uteslutande, API:et kommer inte att klaga, och en av dem tappas utan att meddela dig.