Paras tekoälyvideogeneraattori: 45 klippiä, arvioitu sokkona

• Testattu 1. marraskuuta 2026
• 5 mallia
• 3 tehtävää, 3 otosta kussakin
• 45 klippiä, 0 epäonnistunutta
• Raakadata mukana

Toista kaikki viisi ilman ääntä

Sama kehote kaikille viidelle. Tämä on jokaisen mallin otos 1 kolmesta, joten emme valinneet imartelevimpia. Paina toistoa millä tahansa klipillä.

Lyhyt vastaus: jos haluat yhden mallin kaikkeen, valitse Kling 4.0, sillä sen heikoin otos (3.6) voitti kaikkien muiden heikoimmat. Jos hinta on tärkeämpi, valitse Wan 3.0, joka vastasi Klingiä kokonaisuutena hintaan $0.60 klipiltä. Seedance 2.5 on heti niiden perässä ja pärjää puhuvissa klipeissä yhtä hyvin. MiniMax H3 johtaa liikkuvan kameran kohtauksissa. Huomautus: Hermoso myy pääsyn kaikkiin viiteen, ja Seedance 2.5 on oletusmallimme. Se ei voittanut yhtään tehtävää yksin.

Kenelle mikin malli sopii

Yksi malli kaikkeen

Kling 4.0

Testin tasaisin tulos. Sen heikoin otos sai 3.6, eikä yksikään tehtävä ollut heikko kohta. Se jakoi kokonaisvoiton kärjen Wan 3.0:n kanssa.

Paras hinta-laatusuhde

Wan 3.0

Kokonaisuudessaan tasoissa Klingin kanssa hintaan $0.60 kuuden sekunnin klipistä, testin terävin yksityiskohta ja paras luonnollinen ääni. MiniMax H3 on sekuntihinnaltaan halvempi, mutta pisteet jäivät alemmas kohtauksien ulkopuolella.

Henkilö puhumassa kameralle

Tasapeli: Wan 3.0, Seedance 2.5, Kling 4.0

Kaikki kolme sanoivat rivin sanasta sanaan. Wan antoi suurimman jauhopilven ja jauhoiset käsivarret, joita pyysimme, mutta mainoksen hymyllä. Seedance näytti elokuvamaisimmalta, mutta sotki laskennan yhdessä otoksessa kolmesta.

Tuotteet pienellä tekstillä

Kling 4.0, Wan 3.0 lähellä

Jokainen Kling-otos piti kaikki kolme etikettiriviä oikein, mukana aito käsi ja aito lähentyminen. Se myös vastasi briefiä parhaiten. Seedance teki testin parhaan hunajan, yhdessä otoksessa kolmesta.

Liikkuva kamera vilkkaassa kohtauksessa

MiniMax H3, sitten Wan ja Kling

Korkeimmat paljastukset, ja ajaja on yhä kuvassa lopussa. Sillä oli myös 8 sekuntia, kun muilla oli 6, mikä auttaa hitaassa liikkeessä. Wan 3.0 ja Kling 4.0 ovat tasapelirajamme sisällä.

Kun tarvitset sitä nopeasti

Veo 3.1

Valmis noin 66 sekunnissa mediaanina, muiden 156 ja 238 sekunnin välillä. Se näyttää hienolta kuvakaappauksessa, mutta ohitti kehotteen vaiheita useammin kuin kukaan muu, ja hinta oli korkein.

Pisteet

Jokainen klippi sai arvosanan 1 ja 5 väliltä kuudessa kriteerissä kahdelta erilliseltä sokkoarvioijalta. Tehtävän pistemäärä on sen kolmen otoksen keskiarvo, joten heikko otos laskee sitä. Kirjoitimme säännön ennen yhtäkään renderöintiä: alle 0.3 eroa on tasapeli, ja oranssi merkitsee kärkipistettä ja sen kanssa tasapelissä olevia.

Malli	Puhuminen	Tuote	Kohtaus	Kokonaisuus	Heikoin otos
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

Kokonaisuus on kaikkien 45 pistemäärän tavallinen keskiarvo. Jos äänet poistetaan kokonaan, Kling ohittaa Wan 3.0:n hieman, ja muut pysyvät paikoillaan: Kling 4.0 3.88, Wan 3.0 3.85, Seedance 2.5 3.65, MiniMax H3 3.52, Veo 3.1 3.05. Seedance 2.5 on kokonaisuudessaan tasapelirajan sisällä, ja sen heikoin otos on syy, miksi asetamme sen kahden kärkimallin taakse.

Tehtävä 1: henkilö puhuu ja laskee sormillaan

Leipuri sanoo yhden tarkan rivin, näyttää yhden, kaksi ja kolme sormea ja taputtaa leipää niin, että jauhoa nousee. Se testaa huulisynkkaa, sanoja, käden anatomiaa ja pientä fysiikkaa yhdessä lukitussa kuvassa. Voittaja: kolmen mallin tasapeli, Wan 3.0, Seedance 2.5 ja Kling 4.0. Kaikki 15 klippiä sanoivat rivin sanasta sanaan. Sormet jakoivat kentän: Veo 3.1 ei yltänyt kolmeen yhdessäkään otoksessa, ja MiniMax H3 avasi täyden käden kahdessa otoksessa kolmesta.

Otos 1Otos 2Otos 3

Toista kaikki viisi ilman ääntä

Puhuvien klippien pisteet

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

Kolmen otoksen keskiarvo. Oranssi on ensimmäinen sija tai enintään 0.3 sen alle.

Tehtävä 2: hunajapurkki, jossa on painettu etiketti

Hidas lähentyminen etiketoituun purkkiin, kun hunajaa valuu kauhasta. Se testaa pientä tekstiä, sitä pysyykö kirjain paikallaan ja paksua nestettä. Etiketti on meidän keksimämme tuote. Voittaja: Kling 4.0, Wan 3.0 tasapelirajan sisällä. Kirjoitusasu oli lähes ratkaistu: 14 klippiä 15:stä sai kaikki kolme riviä oikein. Hunaja ei ollut. Melkein mikään ei taittunut ja kiertynyt pyydetyllä tavalla, eikä Veo 3.1 lähentynyt yhdessäkään otoksessa.

Otos 1Otos 2Otos 3

Toista kaikki viisi ilman ääntä

Tuotepisteet

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

Kolmen otoksen keskiarvo. Oranssi on ensimmäinen sija tai enintään 0.3 sen alle.

Tehtävä 3: pyöräilijän seuraaminen sateisella markkinalla

Yksi yhtäjaksoinen kuva sateessa kulkevan kuriirin takaa: kaartaminen kärryn ohi, koira ylittää tien, yksi kellon ääni ja sitten kamera nousee sateenvarjojen yli näyttämään koko kadun. Voittaja: MiniMax H3, Wan 3.0 ja Kling 4.0 tasapelirajan sisällä. Kukaan ei osunut kaikkiin iskuihin. Kling ja H3 pysyivät lähimpänä briefiä. Wan oli terävin, mutta vaihtoi tavallisen kankaan värikkäisiin telttoihin ja keksittyihin kylttieihin. Seedance leikkasi ajajan kuvasta jatkuvasti, ja Veo menetti ajajan kokonaan kahdessa otoksessa kolmesta.

Otos 1Otos 2Otos 3

Toista kaikki viisi ilman ääntä

Kohtauspisteet

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

Kolmen otoksen keskiarvo. Oranssi on ensimmäinen sija tai enintään 0.3 sen alle.

Mitä pisteytimme

Keskiarvot kaikista 45 klipistä. Yksityiskohdat erottavat nämä mallit vähiten. Briefin noudattaminen erottaa ne eniten, ja se ero selittää suurimman osan järjestyksestä.

Kallein malli tuli viimeisenä

Veo 3.1 maksaa neljä kertaa niin paljon klipiltä kuin Wan 3.0 ja sai alimman pistemäärän jokaisessa tehtävässä, puheessa tasan MiniMax H3:n kanssa. Kuvat näyttävät upeilta, ja niissä on testin uskottavin jauho. Ongelma on vaiheet: se ei laskenut kolmeen, ei lähentynyt hunajaan koskaan ja hävitti ajajan sateessa. Jos kuvasi on yksi yksinkertainen ajatus, se saattaa palvella sinua paremmin kuin tämä testi antaa ymmärtää. Kehotteemme olivat tarkoituksella täynnä vaiheita.

Kirjoitus helpottui, nesteet eivät

Odotimme, että etiketti olisi vaikein osa. Neljätoista klippiä 15:stä tulosti kaikki kolme riviä oikein, ja vain yksi Veo-otos lisäsi ylimääräisen sanan. Hunaja, joka taittuu ja kiertyy laskeutuessaan, on se, minkä lähes kaikki missasivat. Useimmat klipit antoivat suoran pylvään tai jäykän muodon, joka tuskin muuttui. Yksi Seedance 2.5 -otos osui oikeaan, ja se on myös ongelma: se oli yksi otos kolmesta.

Musiikista joillakin hunajaklipeillä

Pyysimme keittiön ääniä eikä musiikkia. Kahdeksassa 15 hunajaklipistä mallin ääni oli käytännössä olematon, alle -40 dB, ja renderöintipolkumme lisäsi sen alle hiljaisen musiikkiraidan. Näin kävi kaikille kolmelle MiniMax H3 -otokselle, kahdelle Seedance 2.5 -otokselle, kahdelle Veo 3.1 -otokselle ja yhdelle Wan 3.0 -otokselle. Yhdenkään Kling-otoksen ei tarvinnut sitä. Musiikki on meidän, ei mallin. Nämä klipit menettivät pisteitä äänestä hiljaisuuden takia, ja ne on merkitty raakataulukkoon. Puhe- ja kohtausklippeihin ei koskettu.

Miten ajoimme sen

Kirjoitimme kolme kehotetta ja pisteytyssäännöt ensin, ajoimme yhden koeklipin putkiston tarkistamiseksi ja renderöimme sitten muut. Koeklippi on yksi 45:stä. Mikään ei epäonnistunut, joten mitään ei yritetty uudelleen eikä pudotettu pois.

Jokainen klippi pyysi 16:9 ja 720p sekä 6 sekuntia, ilman brändikontekstia ja ilman kehotteen uudelleenkirjoittamista. Kaksi poikkeusta: MiniMax H3 ajettiin 8 sekunnilla, koska sillä ei ollut 6 sekunnin vaihtoehtoa, ja se toimittaa 1344x768 eikä 1280x720. Wan 3.0 toimittaa 30 kuvaa sekunnissa, muut 24.

Jokainen tehtävä kertoo saman asian jokaiselle mallille, kirjoitettuna sillä tavalla, jota kunkin mallin tekijä suosittelee. Reilu testi ei pakota yhtä mallia lukemaan toisen murretta. Klingille ei ole opasta versiolle 4.0, joten käytimme sen 3.0-tapoja. Veo 3.1 on täysi malli, ei pikaversio.

Lähetimme siemenet 1101, 2202 ja 3303 malleille Veo 3.1, Wan 3.0 ja MiniMax H3. Renderöintipolkumme ei välitä siementä Seedance 2.5 -mallille eikä Kling 4.0 -mallille, joten nuo otokset ovat kolme itsenäistä ajoa. Yksikään malli ei vahvistanut käyttämäänsä siementä.

Pisteytys oli sokko, ja sen teki kaksi erillistä tekoälyarvioijaa, ei ihmisiä. Jokainen klippi pelkistettiin 12 kuvaan alusta loppuun, äänen spektrogrammiin, äänenvoimakkuuteen ja transkriptioon satunnaisella koodilla. Kumpikaan arvioija ei nähnyt, mikä malli oli tehnyt klipin, ennen kuin pisteet olivat valmiit. Arvioijat olivat yhtä mieltä läheisesti: korrelaatio klipeissä oli 0.91 ja keskimääräinen ero 0.36 pistettä kriteeriä kohden. Tämän sivun pisteet ovat heidän keskiarvonsa, ja kunkin arvioijan luku on CSV-tiedostossa.

Joitakin tarkistuksia ei tarvinnut arvostelua. Paikallinen transkriptio vahvisti tarkan rivin kaikissa 15 puhuvassa klipissä. Kohtauksen tunnistus ei löytänyt leikkauksia yhdestäkään klipistä, vaikka yksi Veo 3.1 -otos toistuu hyppäyksenä, ja merkitsimme sen. Molemmat arvioijat laskivat etikettirivit erikseen ja täsmäsivät kaikissa 15 klipissä.

Kehotteet sana sanalta

Kopioi mikä tahansa näistä. Jokainen linkki avaa kehotteen tuolla mallilla Hermosossa.

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.

Mitä tämä testi ei kerro

Kolme kehotetta ei kata kaikkea, ja kolme otosta per tehtävä on pieni otos, joten lue enintään 0.3 eron olevan ei ollenkaan ero. Molemmat arvioijat olivat tekoälymalleja, jotka lukivat kuvia ja mittauksia. Kukaan ei kuunnellut näitä klippejä korvin: äänen arvioitiin transkriptioiden, spektrogrammien ja äänenvoimakkuuden perusteella, joten äänen laatu on heikoin kohta pisteytyksessämme. 12 kuvaa voivat myös missata häiriön niiden välistä. Huulisynkkamittarimme oli karkea, emmekä nojanneet siihen. Se asetti Seedance 2.5:n ja Kling 4.0:n lähimmäksi toisiaan ja Wan 3.0:n jopa puoli sekuntia pois, joten katso klipit itse, jos huulisynkka on sinulle tärkeä. Sokkoarviointiin oli yksi tunnettu aukko: MiniMax H3:n 8 sekunnin pituus teki sen klipeistä tunnistettavia, ja nuo kaksi ylimääräistä sekuntia ovat voineet auttaa sitä hitaassa paljastuksessa. Kaikkea, mitä taulukossa ei ole, mukaan lukien Seedance 2.0 ja HeyGen Video, ei testattu. Mallit ja hinnat muuttuvat nopeasti, ja nämä tulokset ovat yhdeltä päivältä.