Prompt para vídeo UGC com IA no MiniMax H3: anúncios de produto que parecem gravados por um creator de verdade
Chywe, Head de Produto do HelloGenUm anúncio UGC feito com IA só convence quando acerta três coisas: a pessoa parece ter gravado tudo no próprio celular, o produto é idêntico ao da sua loja e a fala soa como indicação de amiga. O MiniMax H3 resolve as três numa geração só: usa as suas fotos como referência e faz a creator falar com sincronia labial em português, espanhol, inglês e nos outros idiomas que o H3 aceita. Em resumo: defina cada foto como um <Subject>, diga em retention_analysis o que não pode mudar e coloque cada fala dentro de <d>[language] … </d>, com o nome do idioma em inglês, como [Portuguese]. Mais abaixo estão o motivo de cada regra e um modelo de 15 segundos. Os dois clipes desta página foram gerados no HelloGen com o prompt mostrado aqui.
✦ Testar o MiniMax H3 Unlimited
As três coisas que quase todo prompt de UGC esquece
A maioria dos prompts de UGC que circulam por aí acerta a parte difícil: anexa a foto da creator e a foto do produto. Aí o texto põe tudo a perder.
| O que costuma faltar | O que acontece | Como corrigir |
|---|---|---|
| Dizer o que é cada foto | O modelo tenta adivinhar qual imagem é a pessoa e qual é o produto | <Subject 1> is the woman in <Picture 1>; <Subject 2> is the bottle in <Picture 2> |
| Uma linha dizendo o que não pode mudar | O produto volta com outro formato, outra cor ou outro rótulo | retention_analysis: exact shape, colours and label, fully_preserved |
| Marcadores de diálogo em volta de cada fala | Uma fala sem sentido, ou as palavras certas saindo da boca errada | (S1) says: <d>[Portuguese] …</d> |
Duas fotos, duas funções: a creator e o produto
Anexe primeiro a foto da creator e depois a do produto, e diga no prompt qual é qual. No gerador de vídeo do HelloGen, digite @ e escolha as imagens; elas chegam ao H3 como <Picture 1> e <Picture 2>. A sintaxe de referência da MiniMax transforma cada imagem num sujeito que os planos podem citar pelo nome (h3-prompt-writing no GitHub):
<Subject 1> is the woman in <Picture 1>, mid-twenties, dark curly hair, oversized cream sweater. <Subject 2> is the serum bottle in <Picture 2>.
Traduzindo: <Subject 1> é a mulher da <Picture 1>, de uns 25 anos, cabelo escuro cacheado e suéter creme oversized; <Subject 2> é o frasco de sérum da <Picture 2>. A partir daí, duas regras garantem que o produto continue sendo o seu:
- Não descreva o produto nos planos. Nos nossos testes com o H3, sempre que o texto e a foto discordavam, o texto vencia: um copo apareceu com uma alça que não tem, outro produto voltou prateado porque o texto dizia “prateado” oito vezes, e um terceiro perdeu o logo. Escreva “keeps its exact shape, colours and label” (mantém exatamente o formato, as cores e o rótulo) em retention_analysis e pare por aí.
- Use o produto, não a foto inteira. Acrescente “do not reuse the reference’s background” (não reaproveite o fundo da referência). Sem essa frase, no último segundo de um dos nossos clipes de lançamento, a foto do produto apareceu inteira, com fundo branco e tudo, como uma placa pendurada no peito da creator.
Na hora de escolher as fotos: o produto sozinho, centralizado, em fundo liso, com o rótulo virado para a câmera e sem mãos; a creator sozinha, com o rosto ocupando boa parte do quadro e já com a roupa do anúncio, como nas duas fotos abaixo. Prefira rótulos com letras grandes e simples: nos nossos clipes, o nome MIRA continuou legível, mas as letrinhas embaixo dele saíram borradas.
O roteiro de um anúncio UGC de 15 segundos
Quase todo anúncio UGC segue a mesma sequência: gancho, prova, veredito e chamada para ação. No H3, o ritmo pesa tanto quanto a sequência: uma fala a cada 3 ou 4 segundos, e todo trecho sem fala marcado como silêncio no prompt. Se sobrar um trecho sem indicação, o modelo preenche com falas que você não escreveu.
| Tempo | Plano | Na tela | Som |
|---|---|---|---|
| 0:00–0:03 | Gancho: da cintura para cima, câmera frontal | A creator olha para a lente com o produto na mão | A fala do gancho |
| 0:03–0:08 | Prova: close, sem o rosto | O detalhe que prova o que ela diz: o conta-gotas, a textura, a efervescência, o caimento | Só o som do produto, com o silêncio indicado no prompt |
| 0:08–0:12 | Reação: o rosto volta ao quadro | Ela abaixa o produto, reage e só então fala | A fala do veredito |
| 0:12–0:15 | Fechamento: produto ao lado do rosto | Rótulo virado para a lente, a câmera se estabiliza | Uma chamada para ação leve |
Falas com sincronia labial, no idioma de quem compra
Primeiro a ação, depois a fala. Toda fala vai num plano em que a creator está de frente para a câmera, com a boca visível, e a ação acontece antes ou depois, em silêncio. “She takes a sip, lowers the can, then says…” (ela toma um gole, abaixa a lata e então diz…): é o gesto de abaixar a lata que mantém os lábios na tela. A sincronia labial falha justamente quando a fala cai no meio de um gole, de uma mordida ou em cima de um close do produto.
Marcadores, ID de quem fala e tag de idioma. <Subject 1>, a woman in her twenties with a bright, quick Brazilian Portuguese voice (S1), says: <d>[Portuguese] Gente, olha a textura desse sérum.</d> O guia da MiniMax pede o restante do prompt em inglês e a fala escrita palavra por palavra no idioma em que será dita, com a descrição de quem fala (sotaque incluído) antes de “says:”.
Nada colado no </d>. O que vem escrito logo depois do marcador de fechamento é lido em voz alta: já vimos uma descrição de voz sair falada, palavra por palavra. Abra a ação seguinte como um novo momento do roteiro: uma frase nova ou o próximo plano.
Só prometa o que você pode comprovar. Se o frasco diz 30 ml, a fala pode dizer 30 ml. Resultado, ingrediente ou número que a página do produto não comprova fica de fora.
Cinco formatos de UGC e a cena que vende cada um
A estrutura não muda; o que muda é o plano de prova. Escolha o formato pelo que o seu público precisa ver para acreditar em você.
| Formato | A cena que vende | Atenção |
|---|---|---|
| Unboxing | A primeira olhada, quando o produto sai da caixa | Fita adesiva, zíper e tampa são o que os modelos de vídeo mais erram: corte da caixa fechada direto para o produto na mão |
| Review ou degustação | Um teste visível: o gole, a aplicação na pele, a mistura | A fala vem depois do gole, nunca durante |
| Problema → solução | Primeiro o problema na tela, depois o produto resolvendo | Mesma pessoa e mesmo cômodo nas duas partes |
| Antes e depois | Mesmo enquadramento, mesma luz, lado a lado | Com enquadramentos diferentes, parece que são dois produtos |
| Provador (try-on) | Uma voltinha para a câmera que mostra o caimento | Deixe a foto mostrar a roupa; não descreva a peça de novo no texto |
Prompt pronto para copiar: vídeo UGC de produto (15 segundos)
Duas referências: primeiro a creator, depois o produto. No gerador do HelloGen elas aparecem como @Image1 e @Image2; para o H3, são <Picture 1> e <Picture 2>. Vídeo vertical 9:16, de 15 segundos. Troque fotos, cenário e falas pelos seus e mantenha a estrutura.
Para que serve cada um dos seis blocos: subject_definitions apresenta quem, o quê e onde; summary conta o anúncio numa frase; retention_analysis diz o que não pode mudar; detailed_description descreve plano a plano, com as falas; overall_soundscape traz o som ambiente; e non_diegetic_music é a trilha (N/A quer dizer sem música).
subject_definitions: <Subject 1> is the woman in <Picture 1>, mid-twenties, dark curly hair, oversized cream sweater. <Subject 2> is the serum bottle in <Picture 2>. <Subject 3> is her bathroom: white tiles, a round mirror, a small plant on the shelf, soft morning light from a window at frame left.
summary: [reference generation] A phone-filmed UGC ad: <Subject 1> shows <Subject 2> to her front camera in <Subject 3>, tries it on the back of her hand and gives a short verdict.
retention_analysis: <Subject 1> (appears in [Shot 1], [Shot 3], [Shot 4]): fully_preserved - face, curly hair and cream sweater are retained. <Subject 2> (appears in [Shot 1], [Shot 2], [Shot 3], [Shot 4]): fully_preserved - exact shape, colours and label, readable whenever it faces the camera. Do not reuse either reference’s background.
detailed_description: Vertical handheld phone footage with slight natural shake, real skin texture, no filters, no on-screen text. [Shot 1] Waist-up, front camera at arm’s length: <Subject 1> faces the lens holding <Subject 2> beside her cheek. <Subject 1>, a woman in her twenties with a bright, quick Brazilian Portuguese voice (S1), says: <d>[Portuguese] Gente, olha esse sérum que chegou.</d> [Shot 2] At 00:03.000, the shot cuts to a close-up of her hands: she squeezes the dropper once onto the back of one hand and spreads the drop with two fingers; it glistens in the window light. No one speaks; only the soft click of the dropper. [Shot 3] At 00:08.000, back to the front camera: she lowers her hand, looks into the lens, and (S1) says: <d>[Portuguese] Super leve, não fica grudando.</d> [Shot 4] At 00:12.000, she lifts <Subject 2> beside her face with the label to the lens; the camera settles, and (S1) says: <d>[Portuguese] O link tá aqui embaixo.</d>
overall_soundscape: A small tiled bathroom with a light echo, the dropper’s click, a soft rub of skin, distant street noise through the window.
non_diegetic_music: N/A
Mesmo anúncio, outro mercado: novas falas, novo sotaque
Vai vender também para o resto da América Latina? Para mudar de mercado, basta reescrever as três falas e trocar o sotaque na descrição da voz. Fotos, planos e tempos continuam iguais. Em espanhol, fica assim:
<Subject 1>, a woman in her twenties with a bright, quick Latin American Spanish voice (S1), says: <d>[Spanish] Miren el sérum que me llegó.</d> … <d>[Spanish] Súper ligero, no se siente pegajoso.</d> … <d>[Spanish] El link está aquí abajo.</d>
Em inglês, o gancho poderia ser <d>[English] Okay, look what just came in.</d> (algo como “gente, olha o que acabou de chegar”). Gere a versão de cada mercado com as mesmas fotos e você tem uma campanha em vários idiomas, com a mesma creator e o mesmo frasco em todas as versões.
Seja transparente e, no TikTok, use o rótulo de IA
Usar IA em UGC é permitido; fazer a IA passar por cliente de verdade, não. O TikTok exige que os criadores rotulem conteúdo realista gerado por IA (newsroom do TikTok). Nos EUA, a regra da FTC (Comissão Federal de Comércio) sobre avaliações e depoimentos, anunciada em agosto de 2024, proíbe depoimentos falsos, inclusive os gerados por IA e atribuídos a alguém que não existe (FTC). Três hábitos mantêm o anúncio dentro das regras: ative o rótulo de conteúdo gerado por IA do TikTok, apresente a creator como alguém que mostra o produto, não como uma compradora contando resultados e prometa só o que a página do produto comprova. O TikTok Shop tem regras próprias para vídeos com produto vinculado; confira a versão atual antes de publicar. Este texto traz informações gerais e não é orientação jurídica.
Teste dez ganchos e fique com o melhor, a 0 créditos por clipe
O gancho decide se alguém assiste ao resto, e o jeito mais seguro de achar um bom é testar vários. É aí que entra o H3 Unlimited. Nos planos Pro (a partir de US$ 19,90 por mês) e Max do HelloGen, o MiniMax H3 Unlimited custa 0 créditos por clipe e não tem limite diário: são pelo menos 2 clipes prioritários por dia no Pro e 5 no Max e, depois disso, velocidade padrão. Mantenha fotos e roteiro iguais, mude só a fala do gancho a cada geração e, depois, repita tudo no idioma de cada mercado.
O Pro gera em 480p, e o upscaler de vídeo dobra a resolução da versão vencedora por 2 créditos a cada 15 segundos; o Max inclui 720p HD ilimitado. Com os créditos do plano, você também pode usar o MiniMax H3 em 2K nativo, o Seedance 2.5, o Kling 3.0 e o Veo 3.1 na versão final. E, se passar a tarde escrevendo identificações e marcadores não é a sua ideia de diversão, descreva o anúncio do seu jeito, anexe as duas fotos e clique em ✦ Melhorar. O recurso reescreve a sua ideia no formato de referência do H3 e foi feito para manter as suas falas palavra por palavra, sem inventar outras (leia o resultado antes de gerar). Custa 2 créditos, cobrados só se der certo. Quer um personagem recorrente em vez de um anúncio avulso? O guia de prompts para novelas com IA mostra como manter o mesmo rosto e a mesma voz de um episódio para o outro.
Fontes
- Skill h3-prompt-writing do MiniMax-H3 no GitHub: identificação das referências, retention_analysis, marcadores de diálogo, tags de idioma e a descrição de quem fala (sotaque incluído) antes da fala.
- Newsroom do TikTok, 9 de maio de 2024: os criadores são obrigados a rotular conteúdo realista gerado por IA.
- FTC, agosto de 2024: a regra final que proíbe avaliações e depoimentos falsos, inclusive os gerados por IA.
- Os clipes desta página: gerados no MiniMax H3 Unlimited do HelloGen em 720p, em outubro de 2026, com os prompts mostrados.
- Testes do próprio HelloGen com o H3, setembro de 2026: texto que contradiz a foto, fundo da foto do produto reaproveitado e texto depois de </d>.
- Relacionados: guia de prompts do MiniMax H3 para novelas com IA e por que o MiniMax H3 fala palavras sem sentido (em inglês).
Perguntas frequentes
O MiniMax H3 faz anúncios UGC de produto?
Faz. No modo Referência Omni, o H3 recebe uma foto da creator e uma do produto, gera clipes verticais 9:16 de 4 a 15 segundos e faz a creator dizer as falas com sincronia labial, no idioma em que você as escreveu. Defina as duas fotos como sujeitos e deixe o produto fora da descrição dos planos.
Como manter o produto idêntico num vídeo UGC feito com IA?
Anexe uma foto limpa do produto, defina-o com <Subject 2> is the bottle in <Picture 2>, marque-o como fully_preserved em retention_analysis e acrescente “do not reuse the reference’s background”. Não descreva cor, material nem logo nos planos: quando texto e foto discordam, o texto ganha.
Como fazer a creator de IA falar português ou espanhol?
Escreva a fala nesse idioma dentro dos marcadores de diálogo do H3, com a tag de idioma: (S1) says: <d>[Portuguese] sua fala aqui.</d> Coloque o sotaque na descrição de quem fala, antes de “says:” (por exemplo, “a bright, quick Brazilian Portuguese voice”), e mantenha o resto do prompt em inglês.
Qual é a duração ideal de um anúncio UGC feito com IA?
Num único clipe de 15 segundos do MiniMax H3 cabem gancho, prova visível, veredito e uma chamada para ação leve. Para um anúncio mais curto, tire tempo do plano de prova, não uma fala; para um mais longo, junte dois clipes num editor de vídeo.
Vídeos UGC feitos com IA são permitidos no TikTok e no TikTok Shop?
São, mas o TikTok exige que os criadores rotulem conteúdo realista gerado por IA, e as regras dos EUA proíbem depoimentos falsos, inclusive personas de IA apresentadas como clientes reais. Ative o rótulo de conteúdo gerado por IA e mostre o produto em vez de relatar resultados inventados. O TikTok Shop tem regras próprias para vídeos com produto vinculado; confira a política atual antes de publicar.
Por que a creator continua falando depois da última fala?
Uma fala curta num clipe longo deixa segundos vazios, que o modelo preenche por conta própria, e o texto escrito logo depois de </d> acaba sendo falado. Coloque uma fala a cada 3 ou 4 segundos ou diga quais trechos ficam em silêncio, descreva o som ambiente e deixe as instruções (como a descrição da voz) antes de “says:”.