أفضل مولّد فيديو بالذكاء الاصطناعي: 45 مقطعاً، بتقييم أعمى

• اختُبر في 1 نوفمبر 2026
• 5 نماذج
• 3 مهام، 3 محاولات لكل منها
• 45 مقطعاً، 0 فشل
• البيانات الخام متاحة

شغّل الخمسة، بدون صوت

الوصف نفسه للخمسة. هذه المحاولة 1 من 3 لكل نموذج، فلم نختر الأجمل فقط. اضغط تشغيل على أي مقطع.

الخلاصة السريعة: إذا أردت نموذجاً واحداً لكل شيء فاختر Kling 4.0، لأن أسوأ محاولة له (3.6) تفوقت على أسوأ محاولة لأي نموذج آخر. وإذا كان السعر أهم، فاختر Wan 3.0، الذي جاراه Kling إجمالاً بسعر $0.60 للمقطع. ويأتي Seedance 2.5 خلفهما مباشرة، ويتساوى معهما في مقاطع الحديث. ويتصدّر MiniMax H3 مشاهد الكاميرا المتحركة. إفصاح: Hermoso تبيع الوصول إلى النماذج الخمسة، وSeedance 2.5 هو خيارنا الافتراضي. ولم يفز بأي مهمة فوزاً مطلقاً.

من يستخدم أيّ نموذج

نموذج واحد لكل شيء

Kling 4.0

أكثر النتائج ثباتاً في الاختبار. أدنى محاولة له سجّلت 3.6، ولم تكن هناك أي مهمة ضعيفة. وتعادل مع Wan 3.0 في المركز الأول إجمالاً.

أفضل قيمة

Wan 3.0

يتساوى مع Kling إجمالاً بسعر $0.60 لمدة 6 ثوانٍ، وأدق تفاصيل في الاختبار وأفضل صوت طبيعي. MiniMax H3 أرخص للثانية الواحدة، لكنه سجّل أقل خارج المشاهد.

شخص يتحدث أمام الكاميرا

تعادل: Wan 3.0 وSeedance 2.5 وKling 4.0

قال الثلاثة الجملة كلمة بكلمة. أعطى Wan أكبر نفخة طحين والذراعين المغطّيين بالدقيق كما طلبنا، مع ابتسامة إعلانية جاهزة. بدا Seedance الأقرب إلى السينما، لكنه أخطأ العدّ في محاولة واحدة من ثلاث.

منتجات بملصقات دقيقة الكتابة

Kling 4.0 وWan 3.0 متقاربان

احتفظت كل محاولة من Kling بسطور الملصق الثلاثة صحيحة، مع يد حقيقية واقتراب كاميرا حقيقي. وكانت أيضاً الأقرب إلى الموجز. وصنع Seedance أفضل عسل في الاختبار، في محاولة واحدة من ثلاث.

كاميرا متحركة في مشهد مزدحم

MiniMax H3، ثم Wan وKling

أعلى الكشوفات، مع بقاء الراكب في الكادر حتى النهاية. كما امتد لـ 8 ثوانٍ بينما امتدت الأخرى لـ 6، وهذا يفيد الحركة البطيئة. ويقع Wan 3.0 وKling 4.0 داخل خط التعادل.

عندما تحتاجه بسرعة

Veo 3.1

انتهى في نحو 66 ثانية عند الوسيط، مقابل 156 إلى 238 ثانية للبقية. يبدو رائعاً في الصورة الثابتة، لكنه تخطى خطوات الموجز أكثر من أي نموذج آخر، وبأعلى سعر.

التقييمات

قيّم كل مقطع من 1 إلى 5 وفق ستة معايير، من مقيّمين عميانين مستقلين. درجة المهمة هي متوسط محاولاتها الثلاث، لذلك تُحتسب المحاولة السيئة. وكتبنا القاعدة قبل أي عرض: الفارق الأقل من 0.3 يُعدّ تعادلاً، ويُظلَّل باللون البرتقالي أعلى درجة وكل ما يتعادل معها.

النموذج	التحدث	المنتج	المشهد	الإجمالي	أسوأ محاولة
Wan 3.0	4.17	3.67	3.72	3.85	3.29
Kling 4.0	3.95	3.86	3.66	3.82	3.62
Seedance 2.5	4.08	3.33	3.31	3.57	3.00
MiniMax H3	3.36	3.07	3.89	3.44	2.96
Veo 3.1	3.36	2.65	3.10	3.04	2.50

الإجمالي هو المتوسط البسيط للدرجات الـ 45. وإذا أزلنا الصوت تماماً يتقدم Kling على Wan بفارق بسيط وتبقى البقية في مواضعها: Kling 4.0 بـ 3.88، وWan 3.0 بـ 3.85، وSeedance 2.5 بـ 3.65، وMiniMax H3 بـ 3.52، وVeo 3.1 بـ 3.05. ويقع Seedance 2.5 داخل خط التعادل إجمالاً، وأسوأ محاولة له هي سبب ترتيبه خلف المتصدرين.

المهمة 1: شخص يتحدث ويعدّ على أصابعه

خباز ينطق سطراً محدداً، ويرفع إصبعاً ثم إصبعين ثم ثلاثة، ويربت رغيفاً فيتطاير الدقيق. يختبر هذا المشهد الثابت مزامنة الشفاه والكلمات وتشريح اليد والفيزياء الدقيقة معاً. الفائز: تعادل ثلاثي بين Wan 3.0 وSeedance 2.5 وKling 4.0. نطقت المقاطع الـ 15 الجملة كلمة بكلمة. والأصابع فرّقت الصفوف: لم يصل Veo 3.1 إلى ثلاثة في أي محاولة، وفتح MiniMax H3 يداً كاملة في محاولتين من ثلاث.

المحاولة 1المحاولة 2المحاولة 3

شغّل الخمسة، بدون صوت

تقييمات التحدث

1. Wan 3.04.17
2. Seedance 2.54.08
3. Kling 4.03.95
4. MiniMax H33.36
5. Veo 3.13.36

متوسط ثلاث محاولات. البرتقالي للمركز الأول أو ما يقل عنه بـ 0.3.

المهمة 2: برطمان عسل عليه ملصق مطبوع

اقتراب بطيء من برطمان عليه ملصق بينما يسقط العسل من المغرفة. يختبر الكتابة الصغيرة، وهل تثبت الحروف، والسائل الكثيف. الملصق منتج خيالي من صنعنا. الفائز: Kling 4.0، ويقع Wan 3.0 داخل خط التعادل. كانت الكتابة قريبة من الكمال: 14 مقطعاً من 15 نقلت السطور الثلاثة صحيحة. أما العسل فلا. وقلّما انطوى شيء أو التفّ كما طُلب، ولم يقترب Veo 3.1 من البرطمان في أي محاولة.

المحاولة 1المحاولة 2المحاولة 3

شغّل الخمسة، بدون صوت

تقييمات المنتج

1. Kling 4.03.86
2. Wan 3.03.67
3. Seedance 2.53.33
4. MiniMax H33.07
5. Veo 3.12.65

متوسط ثلاث محاولات. البرتقالي للمركز الأول أو ما يقل عنه بـ 0.3.

المهمة 3: تتبّع راكب دراجة في سوق ممطر

لقطة واحدة متصلة خلف ساعي بريد تحت المطر: انعطافة حول عربة، وكلب يعبر، ورنة جرس واحدة، ثم ترتفع الكاميرا فوق المظلات لتُظهر الشارع كله. الفائز: MiniMax H3، ويقع Wan 3.0 وKling 4.0 داخل خط التعادل. لم يلتقط أحد كل النبضات. كان Kling وH3 الأقرب إلى الموجز. وكان Wan الأوضح، لكنه استبدل الخيام البيضاء البسيطة بخيام ملونة ولافتات مختلقة. وظل Seedance يقص الراكب من الكادر، وفقد Veo الراكب تماماً في محاولتين من ثلاث.

المحاولة 1المحاولة 2المحاولة 3

شغّل الخمسة، بدون صوت

تقييمات المشهد

1. MiniMax H33.89
2. Wan 3.03.72
3. Kling 4.03.66
4. Seedance 2.53.31
5. Veo 3.13.10

متوسط ثلاث محاولات. البرتقالي للمركز الأول أو ما يقل عنه بـ 0.3.

بحسب ما قيّمناه

متوسطات عبر المقاطع الـ 45 كلها. التفاصيل هي أقل ما يفرّق بين هذه النماذج. واتباع الموجز هو أكثر ما يفرّق بينها، وهذه الفجوة هي معظم سبب شكل الترتيب.

جاء أغلى نموذج في الأخير

يكلّف Veo 3.1 أربعة أضعاف ثمن المقطع الواحد مقارنة بـ Wan 3.0، وسجّل الأدنى في كل مهمة، ويتساوى مع MiniMax H3 في مقاطع الحديث. الصور الثابتة جميلة، وفيها أكثر الدقيق إقناعاً في الاختبار. والمشكلة في الخطوات: لم يعدّ إلى ثلاثة أبداً، ولم يقترب من العسل أبداً، وفقد الراكب في المطر. إذا كان مشهدك فكرة بسيطة واحدة، فقد يخدمك أفضل مما يوحي به هذا الاختبار. فطلباتنا كانت مليئة بالخطوات عن قصد.

صار الملصق سهلاً، والسوائل لم تصر كذلك

توقعنا أن يكون الملصق الجزء الصعب. فقد نجح 14 مقطعاً من أصل 15 في طباعة السطور الثلاثة بشكل صحيح، ولم تضف إلا محاولة واحدة من Veo كلمة شاردة. والعسل الذي ينطوي ويلتف عند هبوطه هو ما أخفق فيه معظم المقاطع تقريباً. فقد أعطتنا معظم المقاطع عموداً مستقيماً، أو شكلاً جامداً بالكاد تغيّر. ومحاولة واحدة من Seedance 2.5 أصابت، وهذه أيضاً المشكلة: فهي محاولة واحدة من ثلاث.

عن الموسيقى في بعض مقاطع العسل

طلبنا أصواتاً من المطبخ وبلا موسيقى. وفي 8 مقاطع من أصل 15 لمقاطع العسل أعاد النموذج صوتاً شبه معدوم، أقل من -40 dB، فأضاف مسار العرض لدينا موسيقى هادئة تحته: المحاولات الثلاث لـ MiniMax H3، ومحاولتان لـ Seedance 2.5، ومحاولتان لـ Veo 3.1، ومحاولة لـ Wan 3.0. ولم تحتج أي محاولة من Kling إليها. وهذه الموسيقى من صنعنا لا من النموذج. وخسرت تلك المقاطع نقاطاً في الصوت بسبب الصمت، وهي مُعلَّمة في الجدول الخام. ولم تُمس مقاطع الحديث والمشاهد.

كيف أجرينا الاختبار

كتبنا الطلبات الثلاثة وقواعد التقييم أولاً، ثم أنتجنا مقطعاً تجريبياً واحداً للتحقق من خط الإنتاج، ثم أنتجنا الباقي. والمقطع التجريبي واحد من الـ 45. ولم يفشل شيء، لذلك لم تُعَد أي محاولة ولم يُسقط شيء.

طلب كل مقطع نسبة 16:9 بدقة 720p ومدة 6 ثوانٍ، دون سياق للعلامة التجارية ودون إعادة كتابة للطلب. وهناك استثناءان: أُنتج MiniMax H3 بطول 8 ثوانٍ لأنه لم يكن لديه خيار 6 ثوانٍ، ويسلّم بدقة 1344x768 لا 1280x720. ويسلّم Wan 3.0 بـ 30 إطاراً في الثانية، والبقية بـ 24.

كل مهمة تقول الشيء نفسه لكل نموذج، مكتوباً بالطريقة التي توصي بها الشركة المصنّعة لذلك النموذج، لأن الاختبار العادل لا يجعل نموذجاً يقرأ لهجة نموذج آخر. ولا يوجد دليل لـ Kling 4.0، لذلك استخدمنا عادات 3.0 الخاصة به. وVeo 3.1 هو النموذج الكامل، لا نسخته السريعة.

أرسلنا البذور 1101 و2202 و3303 إلى Veo 3.1 وWan 3.0 وMiniMax H3. ولا يمرّر خط الإنتاج لدينا بذرة إلى Seedance 2.5 أو Kling 4.0، لذلك تلك المحاولات هي ثلاث عمليات مستقلة. ولم يؤكد أي نموذج البذرة التي استخدمها.

كان التقييم أعمى ونفّذه مقيّمان مستقلان بالذكاء الاصطناعي، لا بشر. وقُلِّص كل مقطع إلى 12 إطاراً من البداية إلى النهاية، مع مخطط طيفي لصوته وشدته ونص مفرّغ، تحت رمز عشوائي. ولم يرَ أي مقيّم أي نموذج صنع المقطع حتى اكتملت درجاته. واتفق المقيّمان بشكل وثيق، بارتباط 0.91 عبر المقاطع ومتوسط فارق 0.36 نقطة لكل معيار. والدرجات في هذه الصفحة هي متوسطهما، ورقم كل مقيّم موجود في ملف CSV.

بعض الفحوص لم تحتج إلى حكم. أكّد نص محلي السطر الدقيق في المقاطع الحوارية الـ 15 كلها. ولم يجد اكتشاف المشاهد أي قطع في أي مقطع، رغم أن إحدى محاولات Veo 3.1 تظهر كقفزة وقد علّمناها. وعدّ المقيّمان سطور الملصق كل على حدة واتفقا في الـ 15 كلها.

الأوصاف كما هي، كلمة بكلمة

انسخ أيّ منها. كل رابط يفتح هذا الوصف على ذلك النموذج في Hermoso.

A baker speaks to camera in a small bakery kitchen and counts three ingredients on her fingers. She is a woman in her late thirties with short curly dark hair, flour on her forearms and a navy linen apron.

Shot 1 (0-6 seconds): Locked-off medium shot at eye level, 35mm lens, shallow depth of field. She stands behind a floured wooden counter with a round crusty loaf in front of her and looks straight into the lens. She raises her right hand and shows one finger, then two fingers, then three fingers, one finger for each ingredient she names. Then she lowers both hands and pats the top of the loaf twice, and a small puff of flour rises into the window light.

Dialogue: The baker says in a warm, dry voice: "Just three things. Flour. Water. Salt. That's the whole loaf." Accurate lip sync.

Sound: her voice and the soft room tone of the kitchen.

Style: realistic documentary, warm morning window light, one continuous shot.

Negative prompt: subtitles, captions, on-screen text, watermark, background music, cuts.

Medium shot at eye level, locked-off camera, one continuous shot, realistic documentary look, warm morning window light in a small bakery kitchen. A woman in her late thirties with short curly dark hair, flour on her forearms and a navy linen apron stands behind a floured wooden counter with a round crusty loaf in front of her and looks straight into the lens. As she speaks she raises her right hand and shows one finger, then two fingers, then three fingers, one finger for each ingredient she names. Then she lowers both hands and pats the top of the loaf twice, and a small puff of flour rises into the window light.

Baker (warm, dry voice): "Just three things. Flour. Water. Salt. That's the whole loaf."

Only her voice and the soft room tone of the kitchen are heard.

A baker speaks to camera in a small bakery kitchen and counts three ingredients on her fingers, realistic documentary style, locked-off medium shot at eye level, warm morning window light.

0-1 seconds: She stands behind a floured wooden counter with a round crusty loaf in front of her and looks straight into the lens.
1-4 seconds: She raises her right hand and shows one finger, then two fingers, then three fingers, one finger for each ingredient she names.
4-6 seconds: She lowers both hands and pats the top of the loaf twice, and a small puff of flour rises into the window light.

Dialogue: The baker says in a warm, dry voice: "Just three things. Flour. Water. Salt. That's the whole loaf."

Constant throughout: she is a woman in her late thirties with short curly dark hair, flour on her forearms and a navy linen apron. One continuous shot, the camera stays still. Sound: her voice and the soft room tone of the kitchen. No subtitles. No background music.

integrated_multimodal_description: [Shot 1] Live-action, realistic documentary style, a Static Shot at eye level holds a medium shot of a small bakery kitchen in warm morning window light. A woman in her late thirties with short curly dark hair, flour on her forearms and a navy linen apron (S1), on screen, with a warm, dry voice, stands behind a floured wooden counter with a round crusty loaf in front of her. She looks straight into the lens and says: <d>[English] Just three things. Flour. Water. Salt. That's the whole loaf.</d> As she speaks she raises her right hand and shows one finger, then two fingers, then three fingers, one finger for each ingredient she names. Then she lowers both hands and pats the top of the loaf twice, and a small puff of flour rises into the window light.

overall_soundscape: The soft room tone of a small kitchen. Her palms pat lightly on the bread crust.

non_diegetic_music: N/A

A medium shot at eye level with a locked-off camera in one continuous take. In a small bakery kitchen lit by warm morning window light, a woman in her late thirties with short curly dark hair, flour on her forearms and a navy linen apron stands behind a floured wooden counter with a round crusty loaf in front of her and looks straight into the lens. She raises her right hand and shows one finger, then two fingers, then three fingers, one finger for each ingredient she names. She then lowers both hands and pats the top of the loaf twice, and a small puff of flour rises into the window light. Realistic documentary style, 35mm lens, shallow depth of field.

The baker says in a warm, dry voice: "Just three things. Flour. Water. Salt. That's the whole loaf."

Audio: her voice and the soft room tone of the kitchen, and nothing else.

A macro product shot of an open jar of honey with a printed label while a ribbon of honey falls into it.

Shot 1 (0-6 seconds): Slow push-in, 100mm macro lens. The frame shows an open, squat, clear glass jar of golden honey on a dark slate counter in soft daylight from the left. A cream paper label on the front of the jar is printed in black with exactly three lines of text: "HERMOSO" in large serif capitals, "WILDFLOWER HONEY" in smaller capitals below it, and "NET WT 12 OZ" in small capitals at the bottom. A hand at the top of the frame holds a wooden honey dipper above the jar, and a thin ribbon of thick honey falls into the open jar, where it folds and coils on the surface before slowly sinking. The camera pushes in slowly toward the label until the three lines of text fill the lower third of the frame, sharp and legible, with the letters fixed in place on the glass.

Sound: a quiet kitchen with a kettle simmering softly and birdsong through an open window.

Style: photoreal commercial, soft daylight, one continuous shot.

Negative prompt: subtitles, captions, watermark, background music, extra text on the label, cuts.

Macro product shot, one continuous shot, photoreal commercial look. The frame shows an open, squat, clear glass jar of golden honey on a dark slate counter in soft daylight from the left. A cream paper label on the front of the jar is printed in black with exactly three lines of text: "HERMOSO" in large serif capitals, "WILDFLOWER HONEY" in smaller capitals below it, and "NET WT 12 OZ" in small capitals at the bottom. A hand at the top of the frame holds a wooden honey dipper above the jar, and a thin ribbon of thick honey falls into the open jar, where it folds and coils on the surface before slowly sinking. The camera pushes in slowly toward the label until the three lines of text fill the lower third of the frame, sharp and legible, with the letters fixed in place on the glass.

Sound: a quiet kitchen with a kettle simmering softly and birdsong through an open window.

A macro product shot of an open jar of honey with a printed label while a ribbon of honey falls into it, photoreal commercial style, slow push-in, soft daylight.

0-2 seconds: The frame shows an open, squat, clear glass jar of golden honey on a dark slate counter in soft daylight from the left. A cream paper label on the front of the jar is printed in black with exactly three lines of text: "HERMOSO" in large serif capitals, "WILDFLOWER HONEY" in smaller capitals below it, and "NET WT 12 OZ" in small capitals at the bottom.
2-4 seconds: A hand at the top of the frame holds a wooden honey dipper above the jar, and a thin ribbon of thick honey falls into the open jar, where it folds and coils on the surface before slowly sinking.
4-6 seconds: The camera keeps pushing in slowly toward the label until the three lines of text fill the lower third of the frame, sharp and legible.

Constant throughout: the label's letters stay fixed in place on the glass. One continuous shot. Sound: a quiet kitchen with a kettle simmering softly and birdsong through an open window. No subtitles. No background music.

integrated_multimodal_description: [Shot 1] Live-action, photoreal commercial style, a macro shot shows an open, squat, clear glass jar of golden honey on a dark slate counter in soft daylight from the left. A cream paper label on the front of the jar is printed in black with exactly three lines of text: "HERMOSO" in large serif capitals, "WILDFLOWER HONEY" in smaller capitals below it, and "NET WT 12 OZ" in small capitals at the bottom. A hand at the top of the frame holds a wooden honey dipper above the jar, and a thin ribbon of thick honey falls into the open jar, where it folds and coils on the surface before slowly sinking. The camera performs a Push In at slow speed toward the label until the three lines of text fill the lower third of the frame, sharp and legible, with the letters fixed in place on the glass.

overall_soundscape: A quiet kitchen with a kettle simmering softly. Birdsong drifts through an open window.

non_diegetic_music: N/A

A macro product shot in one continuous take with a slow push-in, 100mm macro lens. The frame shows an open, squat, clear glass jar of golden honey on a dark slate counter in soft daylight from the left. A cream paper label on the front of the jar is printed in black with exactly three lines of text: "HERMOSO" in large serif capitals, "WILDFLOWER HONEY" in smaller capitals below it, and "NET WT 12 OZ" in small capitals at the bottom. A hand at the top of the frame holds a wooden honey dipper above the jar, and a thin ribbon of thick honey falls into the open jar, where it folds and coils on the surface before slowly sinking. The camera pushes in slowly toward the label until the three lines of text fill the lower third of the frame, sharp and legible, with the letters fixed in place on the glass. Photoreal commercial style.

Audio: a quiet kitchen with a kettle simmering softly and birdsong through an open window, and nothing else.

A low tracking shot follows a bicycle courier through a crowded rainy night market and rises above the crowd to reveal the whole street.

Shot 1 (0-6 seconds): Wide 24mm lens. In a narrow night-market street at dusk in heavy rain, lined with food stalls under plain canvas awnings and strings of warm lanterns, a bicycle courier in a yellow rain jacket rides away from the camera while the camera follows behind at low height at the same speed. The rider swerves left around a vendor pushing a cart, then a small dog runs across the street in front of the bicycle and the rider rings the bell once. Steam rises from a noodle stall and the wet cobblestones reflect the lanterns. In the last two seconds the camera rises smoothly above a crowd of people with umbrellas and reveals the whole street stretching ahead, rain streaks catching the lantern light.

Sound: heavy rain on canvas, one bicycle bell, sizzling woks, crowd chatter.

Style: cinematic realistic, rainy dusk, one continuous shot.

Negative prompt: subtitles, captions, on-screen text, watermark, background music, cuts.

One continuous tracking shot, cinematic realistic look. In a narrow night-market street at dusk in heavy rain, lined with food stalls under plain canvas awnings and strings of warm lanterns, a bicycle courier in a yellow rain jacket rides away from the camera while the camera follows behind at low height at the same speed. The rider swerves left around a vendor pushing a cart, then a small dog runs across the street in front of the bicycle and the rider rings the bell once. Steam rises from a noodle stall and the wet cobblestones reflect the lanterns. In the last two seconds the camera rises smoothly above a crowd of people with umbrellas and reveals the whole street stretching ahead, rain streaks catching the lantern light.

Sound: heavy rain on canvas, one bicycle bell, sizzling woks, crowd chatter.

A low tracking shot follows a bicycle courier through a crowded rainy night market and rises above the crowd to reveal the whole street, cinematic realistic style, one continuous shot.

0-2 seconds: In a narrow night-market street at dusk in heavy rain, lined with food stalls under plain canvas awnings and strings of warm lanterns, a bicycle courier in a yellow rain jacket rides away from the camera. The camera follows behind at low height at the same speed. The rider swerves left around a vendor pushing a cart.
2-4 seconds: Ahead, a small dog runs across the street in front of the bicycle and the rider rings the bell once. Steam rises from a noodle stall and the wet cobblestones reflect the lanterns.
4-6 seconds: The camera rises smoothly above a crowd of people with umbrellas and reveals the whole street stretching ahead, rain streaks catching the lantern light.

Constant throughout: the same rider, the same rainy dusk light. Sound: heavy rain on canvas, one bicycle bell, sizzling woks, crowd chatter. No subtitles. No background music.

integrated_multimodal_description: [Shot 1] Live-action, cinematic realistic style, a Tracking Shot at low height follows a bicycle courier in a yellow rain jacket who rides away from the camera through a narrow night-market street at dusk in heavy rain, lined with food stalls under plain canvas awnings and strings of warm lanterns, with the camera moving at the same speed. The rider swerves left around a vendor pushing a cart, then a small dog runs across the street in front of the bicycle and the rider rings the bell once. Steam rises from a noodle stall and the wet cobblestones reflect the lanterns. Near the end the camera performs a Pedestal Up with large amplitude at slow speed, rising above a crowd of people with umbrellas and revealing the whole street stretching ahead, rain streaks catching the lantern light.

overall_soundscape: Heavy rain drums on canvas and one bicycle bell rings. Woks sizzle under the crowd's chatter.

non_diegetic_music: N/A

One continuous tracking shot with a wide 24mm lens, cinematic realistic style. In a narrow night-market street at dusk in heavy rain, lined with food stalls under plain canvas awnings and strings of warm lanterns, a bicycle courier in a yellow rain jacket rides away from the camera while the camera follows behind at low height at the same speed. The rider swerves left around a vendor pushing a cart, then a small dog runs across the street in front of the bicycle and the rider rings the bell once. Steam rises from a noodle stall and the wet cobblestones reflect the lanterns. In the last two seconds the camera rises smoothly above a crowd of people with umbrellas and reveals the whole street stretching ahead, rain streaks catching the lantern light.

Audio: heavy rain on canvas, one bicycle bell, sizzling woks and crowd chatter, and nothing else.

ما لا يستطيع هذا الاختبار إخبارك به

لا تغطي الأوصاف الثلاثة كل شيء، وثلاث محاولات لكل مهمة عيّنة صغيرة، لذلك اعتبر الفارق 0.3 أو أقل كأنه لا فارق. وكان المقيّمان نموذجين للذكاء الاصطناعي يقرآن الإطارات والقياسات. ولم يستمع أحد إلى هذه المقاطع بأذنه: قُيّم الصوت من النصوص المفرّغة والمخططات الطيفية والشدة، لذلك فجودة الصوت هي أضعف جزء في تقييمنا، وقد تفوت الإطارات الـ 12 خللاً يقع بين إطار وآخر. ومقياسنا لمزامنة الشفاه كان تقريبياً ولم نعتمد عليه. فقد وضعه أقرب ما يكون لـ Seedance 2.5 وKling 4.0، وأبعد Wan 3.0 بمقدار نصف ثانية تقريباً، لذا شاهد المقاطع بنفسك إن كانت مزامنة الشفاه تهمّك. وكان للعمى ثغرة معروفة واحدة: فمدة MiniMax H3 البالغة 8 ثوانٍ جعلت مقاطعه قابلة للتعرف عليها، وربما ساعدته الثانيتان الإضافيتان في المشهد الكاشف البطيء. وأي شيء غير وارد في الجدول، بما فيه Seedance 2.0 وHeyGen Video، لم يُختبر. والنماذج والأسعار تتغير بسرعة، وهذه النتائج من يوم واحد.