Η καλύτερη γεννήτρια βίντεο AI: 45 κλιπ, βαθμολογημένα τυφλά

• Δοκιμή της 1ης Νοεμβρίου 2026
• 5 μοντέλα
• 3 εργασίες, 3 λήψεις η καθεμία
• 45 κλιπ, 0 αποτυχίες
• Ακατέργαστα δεδομένα συμπεριλαμβάνονται

Αναπαραγωγή και των πέντε, χωρίς ήχο

Το ίδιο prompt και στα πέντε. Αυτή είναι η λήψη 1 από τις 3 για κάθε μοντέλο, οπότε δεν διαλέξαμε τις κολακευτικές. Πατήστε αναπαραγωγή σε οποιοδήποτε κλιπ.

Η σύντομη απάντηση: αν θέλετε ένα μοντέλο για όλα, χρησιμοποιήστε το Kling 4.0, επειδή η χειρότερη λήψη του (3.6) ξεπέρασε τη χειρότερη κάθε άλλου μοντέλου. Αν η τιμή έχει μεγαλύτερη σημασία, χρησιμοποιήστε το Wan 3.0, που συνολικά ταίριαξε με το Kling στα $0.60 το κλιπ. Το Seedance 2.5 βρίσκεται αμέσως πίσω τους και είναι ισόπαλο στα κλιπ με ομιλία. Το MiniMax H3 προηγείται στις σκηνές με κινούμενη κάμερα. Γνωστοποίηση: η Hermoso πουλά πρόσβαση και στα πέντε, και το Seedance 2.5 είναι η προεπιλογή μας. Δεν κέρδισε καμία εργασία ολοκληρωτικά.

Ποιος να χρησιμοποιεί ποιο

Ένα μοντέλο για όλα

Kling 4.0

Το πιο σταθερό αποτέλεσμα της δοκιμής. Η χειρότερη λήψη του βαθμολογήθηκε με 3.6, και καμία εργασία δεν ήταν αδύναμο σημείο. Συνδέθηκε στην πρώτη θέση με το Wan 3.0 συνολικά.

Καλύτερη αξία

Wan 3.0

Ισόπαλο με το Kling συνολικά στα $0.60 για 6 δευτερόλεπτα, με την πιο καθαρή λεπτομέρεια της δοκιμής και τον καλύτερο φυσικό ήχο. Το MiniMax H3 είναι φθηνότερο ανά δευτερόλεπτο, αλλά σκόραρε χαμηλότερα εκτός σκηνών.

Άτομο που μιλάει μπροστά στην κάμερα

Ισοπαλία: Wan 3.0, Seedance 2.5, Kling 4.0

Και τα τρία είπαν τη φράση λέξη προς λέξη. Το Wan έδωσε τον μεγαλύτερο σύννεφο αλευριού και τα αλευρωμένα χέρια που ζητήσαμε, με ένα χαμόγελο σαν από stock διαφήμιση. Το Seedance έμοιαζε περισσότερο με ταινία, αλλά μπέρδεψε το μέτρημα σε μία λήψη από τρεις.

Προϊόντα με μικροσκοπικά γράμματα

Kling 4.0, Wan 3.0 πολύ κοντά

Κάθε λήψη του Kling κράτησε σωστά και τις τρεις γραμμές της ετικέτας, με πραγματικό χέρι και πραγματική προσέγγιση κάμερας. Επίσης ταίριαξε καλύτερα με την οδηγία. Το Seedance έφτιαξε το καλύτερο μέλι της δοκιμής, σε μία λήψη από τρεις.

Κινούμενη κάμερα σε πολυσύχναστη σκηνή

MiniMax H3, έπειτα Wan και Kling

Οι υψηλότερες αποκαλύψεις, με τον αναβάτη ακόμα στο κάδρο στο τέλος. Είχε επίσης 8 δευτερόλεπτα, όπου οι άλλοι είχαν 6, κάτι που βοηθά μια αργή κίνηση. Τα Wan 3.0 και Kling 4.0 βρίσκονται μέσα στη γραμμή ισοπαλίας μας.

Όταν το χρειάζεστε γρήγορα

Veo 3.1

Ολοκληρώθηκε σε περίπου 66 δευτερόλεπτα στη διάμεσο, έναντι 156 έως 238 για τα υπόλοιπα. Φαίνεται υπέροχο σε στατική εικόνα, αλλά παρέλειψε βήματα της οδηγίας πιο συχνά από κανέναν, και έχει την υψηλότερη τιμή.

Οι βαθμολογίες

Κάθε κλιπ πήρε από 1 έως 5 σε έξι κριτήρια από δύο ξεχωριστούς τυφλούς κριτές. Η βαθμολογία εργασίας είναι ο μέσος όρος των τριών λήψεών της, οπότε μια κακή λήψη μετράει. Γράψαμε τον κανόνα πριν από κάθε απόδοση: διαφορά κάτω του 0.3 είναι ισοπαλία, και το πορτοκαλί σημειώνει την υψηλότερη βαθμολογία και ό,τι είναι ισόπαλο με αυτήν.

Μοντέλο	Ομιλία	Προϊόν	Σκηνή	Συνολικά	Χειρότερη λήψη
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

Το σύνολο είναι ο απλός μέσος όρος των 45 βαθμολογιών. Αν αφαιρέσετε εντελώς τον ήχο, το Kling προηγείται ελαφρώς του Wan, ενώ τα υπόλοιπα διατηρούν τις θέσεις τους: Kling 4.0 3.88, Wan 3.0 3.85, Seedance 2.5 3.65, MiniMax H3 3.52, Veo 3.1 3.05. Το Seedance 2.5 βρίσκεται μέσα στη γραμμή ισοπαλίας συνολικά, και η χειρότερη λήψη του εξηγεί γιατί τον κατατάσσουμε πίσω από τους δύο πρωτοπόρους.

Εργασία 1: ένα άτομο που μιλάει και μετράει με τα δάχτυλά της

Ένας φούρναρης λέει μια ακριβή φράση, δείχνει ένα, δύο και μετά τρία δάχτυλα, και χτυπάει ένα καρβέλι ώστε να σηκωθεί αλεύρι. Δοκιμάζει τον συγχρονισμό χειλιών, τις λέξεις, την ανατομία του χεριού και τη μικρή φυσική σε ένα σταθερό πλάνο. Νικητής: ισοπαλία τριών μεταξύ Wan 3.0, Seedance 2.5 και Kling 4.0. Και τα 15 κλιπ είπαν τη φράση λέξη προς λέξη. Τα δάχτυλα διαχώρισαν το πεδίο: το Veo 3.1 δεν έφτασε ποτέ τα τρία σε καμία λήψη, και το MiniMax H3 άνοιξε πλήρες χέρι σε δύο από τις τρεις.

Λήψη 1Λήψη 2Λήψη 3

Αναπαραγωγή και των πέντε, χωρίς ήχο

Βαθμολογίες ομιλίας

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

Μέσος όρος τριών λήψεων. Το πορτοκαλί είναι η πρώτη θέση ή μέσα σε 0.3 από αυτήν.

Εργασία 2: ένα βάζο μελιού με τυπωμένη ετικέτα

Μια αργή προσέγγιση κάμερας σε βάζο με ετικέτα, ενώ το μέλι πέφτει από την κουτάλα. Δοκιμάζει μικρό κείμενο, αν τα γράμματα μένουν ακίνητα, και παχύρρευστο υγρό. Η ετικέτα είναι δικό μας επινοημένο προϊόν. Νικητής: Kling 4.0, με το Wan 3.0 μέσα στη γραμμή ισοπαλίας. Η ορθογραφία ήταν σχεδόν λυμένη: 14 από τα 15 κλιπ είχαν και τις τρεις γραμμές σωστές. Το μέλι όχι. Σχεδόν τίποτα δεν δίπλωσε και δεν τυλίχτηκε όπως ζητήθηκε, και το Veo 3.1 δεν έκανε ποτέ προσέγγιση κάμερας σε καμία λήψη.

Λήψη 1Λήψη 2Λήψη 3

Αναπαραγωγή και των πέντε, χωρίς ήχο

Βαθμολογίες προϊόντων

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

Μέσος όρος τριών λήψεων. Το πορτοκαλί είναι η πρώτη θέση ή μέσα σε 0.3 από αυτήν.

Εργασία 3: παρακολουθώντας έναν ποδηλάτη σε βροχερή αγορά

Ένα ενιαίο, αδιάκοπο πλάνο πίσω από έναν διανομέα μέσα στη βροχή: μια στροφή γύρω από ένα καρότσι, ένα σκυλί που διασχίζει, ένας χτύπος κουδουνιού, και μετά η κάμερα ανεβαίνει πάνω από τις ομπρέλες για να δείξει ολόκληρο τον δρόμο. Νικητής: MiniMax H3, με το Wan 3.0 και το Kling 4.0 μέσα στη γραμμή ισοπαλίας. Κανείς δεν πέτυχε κάθε χτύπημα. Το Kling και το H3 έμειναν πιο κοντά στην οδηγία. Το Wan ήταν το πιο καθαρό, αλλά αντάλλαξε τις απλές σκηνές με έγχρωμες σκηνές και επινοημένες πινακίδες. Το Seedance έκοβε συνεχώς τον αναβάτη, και το Veo έχασε τελείως τον αναβάτη σε δύο από τις τρεις.

Λήψη 1Λήψη 2Λήψη 3

Αναπαραγωγή και των πέντε, χωρίς ήχο

Βαθμολογίες σκηνών

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

Μέσος όρος τριών λήψεων. Το πορτοκαλί είναι η πρώτη θέση ή μέσα σε 0.3 από αυτήν.

Με βάση τι βαθμολογήσαμε

Μέσοι όροι για όλα τα 45 κλιπ. Η λεπτομέρεια διαχωρίζει λιγότερο αυτά τα μοντέλα. Η τήρηση της οδηγίας τα διαχωρίζει περισσότερο, και αυτό το κενό εξηγεί σε μεγάλο βαθμό γιατί η κατάταξη φαίνεται έτσι.

Το πιο ακριβό μοντέλο ήρθε τελευταίο

Το Veo 3.1 κοστίζει τέσσερις φορές περισσότερο ανά κλιπ από το Wan 3.0 και σκόραρε χαμηλότερα σε κάθε εργασία, ισόπαλο με το MiniMax H3 στην ομιλία. Οι στατικές εικόνες είναι υπέροχες, με το πιο πειστικό αλεύρι της δοκιμής. Το πρόβλημα είναι τα βήματα: δεν μέτρησε ποτέ μέχρι το τρία, δεν έκανε ποτέ προσέγγιση κάμερας στο μέλι, και έχασε τον αναβάτη στη βροχή. Αν το πλάνο σας είναι μια απλή ιδέα, μπορεί να σας εξυπηρετήσει καλύτερα από ό,τι δείχνει αυτή η δοκιμή. Τα prompts μας ήταν σκόπιμα γεμάτα βήματα.

Η ορθογραφία έγινε εύκολη, τα υγρά όχι

Περιμέναμε ότι η ετικέτα θα ήταν το δύσκολο μέρος. Δεκατέσσερα από τα 15 κλιπ τύπωσαν και τις τρεις γραμμές σωστά, και μόνο μία λήψη του Veo πρόσθεσε μια αδέσποτη λέξη. Το μέλι που διπλώνει και τυλίγεται όταν προσγειώνεται είναι αυτό που σχεδόν όλοι αστόχησαν. Τα περισσότερα κλιπ μας έδωσαν μια ευθεία στήλη ή ένα άκαμπτο σχήμα που σχεδόν δεν άλλαζε. Μία λήψη του Seedance 2.5 το έκανε σωστά, και αυτό είναι επίσης το πρόβλημα: ήταν μία λήψη από τρεις.

Σχετικά με τη μουσική σε ορισμένα κλιπ με μέλι

Ζητήσαμε ήχους κουζίνας και καθόλου μουσική. Στα 8 από τα 15 κλιπ με μέλι το μοντέλο επέστρεψε σχεδόν καθόλου ήχο, κάτω από -40 dB, και η διαδικασία απόδοσής μας πρόσθεσε από κάτω ένα ήσυχο μουσικό κομμάτι: και τις τρεις λήψεις του MiniMax H3, δύο του Seedance 2.5, δύο του Veo 3.1 και μία του Wan 3.0. Κανένα από τα κλιπ του Kling δεν το χρειάστηκε. Αυτή η μουσική είναι δική μας, όχι του μοντέλου. Αυτά τα κλιπ έχασαν πόντους στον ήχο λόγω της σιωπής, και σημειώνονται στον ακατέργαστο πίνακα. Τα κλιπ με ομιλία και σκηνές δεν αγγίχτηκαν.

Πώς το τρέξαμε

Γράψαμε πρώτα τα τρία prompts και τους κανόνες βαθμολόγησης, τρέξαμε ένα δοκιμαστικό κλιπ για να ελέγξουμε τη διαδικασία και μετά αποδώσαμε τα υπόλοιπα. Το δοκιμαστικό είναι ένα από τα 45. Τίποτα δεν απέτυχε, οπότε τίποτα δεν επαναλήφθηκε ούτε αφαιρέθηκε.

Κάθε κλιπ ζητούσε 16:9 στα 720p και 6 δευτερόλεπτα, χωρίς πλαίσιο μάρκας και χωρίς επανεγγραφή του prompt. Δύο εξαιρέσεις: το MiniMax H3 έτρεξε στα 8 δευτερόλεπτα επειδή δεν είχε επιλογή 6 δευτερολέπτων, και παραδίδει 1344x768 αντί για 1280x720. Το Wan 3.0 παραδίδει με 30 καρέ το δευτερόλεπτο, τα υπόλοιπα με 24.

Κάθε εργασία λέει το ίδιο πράγμα σε κάθε μοντέλο, γραμμένο με τον τρόπο που προτείνει ο κατασκευαστής του μοντέλου, επειδή μια δίκαιη δοκιμή δεν κάνει ένα μοντέλο να διαβάζει τη διάλεκτο ενός άλλου. Το Kling δεν έχει οδηγό για το 4.0, οπότε χρησιμοποιήσαμε τις συνήθειες του 3.0. Το Veo 3.1 είναι το πλήρες μοντέλο, όχι η γρήγορη έκδοσή του.

Στείλαμε τους σπόρους 1101, 2202 και 3303 στα Veo 3.1, Wan 3.0 και MiniMax H3. Η διαδικασία απόδοσής μας δεν περνά σπόρο στο Seedance 2.5 ή στο Kling 4.0, οπότε αυτές οι λήψεις είναι τρεις ανεξάρτητες εκτελέσεις. Κανένα μοντέλο δεν επιβεβαίωσε τον σπόρο που χρησιμοποίησε.

Η βαθμολόγηση ήταν τυφλή και έγινε από δύο ξεχωριστούς κριτές AI, όχι ανθρώπους. Κάθε κλιπ μειώθηκε σε 12 καρέ από την αρχή ως το τέλος, σε ένα φασματογράφημα του ήχου του, στην ένταση και σε μια μεταγραφή, κάτω από έναν τυχαίο κωδικό. Κανείς κριτής δεν είδε ποιο μοντέλο έφτιαξε ένα κλιπ μέχρι να καταχωρηθούν οι βαθμολογίες. Οι δύο κριτές συμφώνησαν στενά, με συσχέτιση 0.91 σε όλα τα κλιπ και μέση διαφορά 0.36 βαθμών ανά κριτήριο. Οι βαθμολογίες σε αυτή τη σελίδα είναι ο μέσος όρος τους, και ο αριθμός του κάθε κριτή βρίσκεται στο CSV.

Ορισμένοι έλεγχοι δεν χρειάστηκαν κρίση. Μια τοπική μεταγραφή επιβεβαίωσε την ακριβή φράση σε όλα τα 15 κλιπ με ομιλία. Η ανίχνευση σκηνών δεν βρήκε κοπές σε κανένα κλιπ, αν και μία λήψη του Veo 3.1 παίζει σαν άλμα και την σημειώσαμε. Και οι δύο κριτές μέτρησαν χωριστά τις γραμμές της ετικέτας και συμφώνησαν σε όλα τα 15.

Τα prompts, λέξη προς λέξη

Αντιγράψτε οποιοδήποτε από αυτά. Κάθε σύνδεσμος ανοίγει αυτό το prompt στο αντίστοιχο μοντέλο στην 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.

Τι δεν μπορεί να σας πει αυτή η δοκιμή

Τρία prompts δεν καλύπτουν τα πάντα, και τρεις λήψεις ανά εργασία είναι μικρό δείγμα, οπότε διαβάστε μια διαφορά 0.3 ή μικρότερη ως καμία διαφορά. Και οι δύο κριτές ήταν μοντέλα AI που διάβαζαν καρέ και μετρήσεις. Κανείς δεν άκουσε αυτά τα κλιπ με το αυτί: ο ήχος κρίθηκε από μεταγραφές, φασματογραφήματα και ένταση, οπότε η ποιότητα της φωνής είναι το πιο αδύναμο σημείο της βαθμολόγησής μας, και 12 καρέ μπορεί να χάσουν ένα σφάλμα ανάμεσά τους. Το μέτρο συγχρονισμού χειλιών μας ήταν πρόχειρο και δεν βασιστήκαμε σε αυτό. Έφερε το Seedance 2.5 και το Kling 4.0 πιο κοντά, ενώ το Wan 3.0 απείχε έως και μισό δευτερόλεπτο, οπότε δείτε τα κλιπ αν ο συγχρονισμός χειλιών έχει σημασία για εσάς. Η τύφλωση είχε μία γνωστή τρύπα: το μήκος 8 δευτερολέπτων του MiniMax H3 έκανε τα κλιπ του αναγνωρίσιμα, και τα επιπλέον δύο δευτερόλεπτα ίσως το βοήθησαν στην αργή αποκάλυψη. Ό,τι δεν εμφανίζεται στον πίνακα, συμπεριλαμβανομένων των Seedance 2.0 και HeyGen Video, δεν δοκιμάστηκε. Τα μοντέλα και οι τιμές αλλάζουν γρήγορα, και αυτά τα αποτελέσματα προέρχονται από μία μέρα.