Meilleur générateur de vidéos IA : 45 clips, notés en aveugle

• Testé le 1er novembre 2026
• 5 modèles
• 3 tâches, 3 essais chacune
• 45 clips, 0 échec
• Données brutes incluses

Lire les cinq, en sourdine

Le même prompt pour les cinq. Ceci est l'essai 1 sur 3 pour chaque modèle, nous n'avons donc pas choisi les plus flatteurs. Appuyez sur lecture pour n'importe quel clip.

En bref : si vous voulez un seul modèle pour tout, prenez Kling 4.0, car son pire essai (3.6) a battu le pire essai de tous les autres modèles. Si le prix compte davantage, prenez Wan 3.0, qui égale Kling au global pour $0.60 le clip. Seedance 2.5 se place juste derrière eux et fait jeu égal sur les clips parlés. MiniMax H3 mène sur les scènes à caméra mobile. Déclaration d'intérêt : Hermoso vend l'accès aux cinq modèles, et Seedance 2.5 est notre modèle par défaut. Il n'a remporté aucune tâche seul.

Qui doit utiliser quoi

Un modèle pour tout

Kling 4.0

Le résultat le plus constant du test. Son essai le plus faible a obtenu 3.6, et aucune tâche n'a été un point faible. Il a partagé la première place avec Wan 3.0.

Meilleur rapport qualité-prix

Wan 3.0

À égalité avec Kling au global pour $0.60 les 6 secondes, avec le détail le plus net du test et le meilleur son naturel. MiniMax H3 est moins cher à la seconde, mais a obtenu une note inférieure hors scènes.

Une personne qui parle face caméra

Égalité : Wan 3.0, Seedance 2.5, Kling 4.0

Les trois ont dit la phrase mot pour mot. Wan a donné le plus gros nuage de farine et les avant-bras enfarinés demandés, avec un sourire de publicité sur catalogue. Seedance avait l'air le plus cinématographique, mais il a raté le compte dans un essai sur trois.

Produits avec petits caractères

Kling 4.0, Wan 3.0 de près

Chaque essai de Kling a conservé les trois lignes de l'étiquette, avec une vraie main et un vrai travelling avant. C'est aussi lui qui respectait le mieux le brief. Seedance a fait le meilleur miel du test, dans un essai sur trois.

Une caméra mobile dans une scène animée

MiniMax H3, puis Wan et Kling

Les révélations les plus hautes, avec le cycliste encore dans le cadre à la fin. Il avait aussi 8 secondes là où les autres en avaient 6, ce qui aide un mouvement lent. Wan 3.0 et Kling 4.0 sont dans notre marge d'égalité.

Quand il faut aller vite

Veo 3.1

Terminé en 66 secondes environ à la médiane, contre 156 à 238 pour les autres. Il rend très bien sur une image fixe, mais il a sauté des étapes du brief plus souvent que tout autre, au prix le plus élevé.

Les notes

Chaque clip a reçu une note de 1 à 5 sur six critères, de la part de deux juges aveugles distincts. La note d'une tâche est la moyenne de ses trois essais, donc un mauvais essai compte. Nous avons fixé la règle avant tout rendu : un écart inférieur à 0.3 est une égalité, et l'orange marque la meilleure note ainsi que tout ce qui est à égalité avec elle.

Modèle	Parole	Produit	Scène	Global	Pire essai
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

Le global est la simple moyenne des 45 notes. Si l'on retire complètement l'audio, Kling passe devant Wan tandis que les autres gardent leur rang : 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 est dans la marge d'égalité au global, et son pire essai explique pourquoi nous le classons derrière les deux leaders.

Tâche 1 : une personne qui parle et compte sur ses doigts

Une boulangère annonce une phrase exacte, montre un, deux, puis trois doigts, et tapote un pain pour que la farine se soulève. Elle teste la synchronisation labiale, les mots, l'anatomie de la main et une petite physique, le tout dans un plan fixe. Vainqueur : égalité à trois entre Wan 3.0, Seedance 2.5 et Kling 4.0. Les 15 clips ont dit la phrase mot pour mot. Les doigts départagent le reste : Veo 3.1 n'a jamais atteint trois dans aucun essai, et MiniMax H3 a ouvert une main complète dans deux essais sur trois.

Essai 1Essai 2Essai 3

Lire les cinq, en sourdine

Notes Parole

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

Moyenne de trois essais. L'orange indique la première place ou un écart de 0.3 au plus.

Tâche 2 : un pot de miel avec une étiquette imprimée

Un lent travelling avant sur un pot étiqueté pendant que le miel tombe d'une louche. Elle teste les petits textes, la stabilité des lettres et un liquide épais. L'étiquette est notre propre produit fictif. Vainqueur : Kling 4.0, avec Wan 3.0 dans la marge d'égalité. L'orthographe était presque réglée : 14 clips sur 15 ont donné les trois lignes correctes. Pas le miel. Presque rien ne s'est plié ni enroulé comme demandé, et Veo 3.1 n'a jamais fait de travelling avant dans aucun essai.

Essai 1Essai 2Essai 3

Lire les cinq, en sourdine

Notes Produit

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

Moyenne de trois essais. L'orange indique la première place ou un écart de 0.3 au plus.

Tâche 3 : suivre un cycliste dans un marché sous la pluie

Un plan unique et continu derrière un coursier sous la pluie : un écart autour d'un chariot, un chien qui traverse, un coup de cloche, puis la caméra s'élève au-dessus des parapluies pour montrer toute la rue. Vainqueur : MiniMax H3, avec Wan 3.0 et Kling 4.0 dans la marge d'égalité. Personne n'a réussi tous les temps. Kling et H3 sont restés les plus proches du brief. Wan était le plus net, mais il a remplacé la toile unie par des tentes colorées et des enseignes inventées. Seedance recadrait sans cesse le cycliste, et Veo a perdu le cycliste dans deux essais sur trois.

Essai 1Essai 2Essai 3

Lire les cinq, en sourdine

Notes Scène

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

Moyenne de trois essais. L'orange indique la première place ou un écart de 0.3 au plus.

Selon ce que nous avons noté

Moyennes sur les 45 clips. Le détail sépare le moins ces modèles. Le respect du brief les sépare le plus, et cet écart explique en grande partie le classement.

Le modèle le plus cher est arrivé en dernier

Veo 3.1 coûte quatre fois plus cher par clip que Wan 3.0 et a obtenu la note la plus basse sur chaque tâche, à égalité avec MiniMax H3 sur les clips parlés. Les images fixes sont superbes, avec la farine la plus crédible du test. Le problème, ce sont les étapes : il n'a jamais compté jusqu'à trois, n'a jamais fait de travelling avant sur le miel, et a perdu le cycliste sous la pluie. Si votre plan repose sur une seule idée simple, il peut mieux vous servir que ce test ne le laisse penser. Nos prompts étaient volontairement chargés d'étapes.

L'orthographe est devenue facile, pas les liquides

Nous pensions que l'étiquette serait la partie difficile. Quatorze clips sur 15 ont imprimé correctement les trois lignes, et un seul essai de Veo a ajouté un mot en trop. Le miel qui se plie et s'enroule en tombant est ce que presque tout le monde a raté. La plupart des clips nous ont donné une colonne droite, ou une forme raide qui changeait à peine. Un essai de Seedance 2.5 a réussi, ce qui pose aussi problème : ce n'était qu'un essai sur trois.

À propos de la musique sur certains clips de miel

Nous avions demandé des sons de cuisine et aucune musique. Sur 8 des 15 clips de miel, le modèle a renvoyé presque aucun son, en dessous de -40 dB, et notre chaîne de rendu a ajouté une piste musicale discrète par-dessous : les trois essais de MiniMax H3, deux de Seedance 2.5, deux de Veo 3.1 et un de Wan 3.0. Aucun essai de Kling n'en a eu besoin. Cette musique vient de nous, pas du modèle. Ces clips ont perdu des points sur l'audio à cause du silence, et ils sont signalés dans le tableau brut. Les clips parlés et de scène n'ont pas été touchés.

Comment nous l'avons fait

Nous avons d'abord rédigé les trois prompts et les règles de notation, puis fait tourner un clip pilote pour vérifier la chaîne, et enfin rendu le reste. Le pilote fait partie des 45. Rien n'a échoué, donc rien n'a été relancé ni écarté.

Chaque clip demandait du 16:9 en 720p et 6 secondes, sans contexte de marque ni réécriture du prompt. Deux exceptions : MiniMax H3 a tourné sur 8 secondes car il n'avait pas d'option de 6 secondes, et il livre en 1344x768 au lieu de 1280x720. Wan 3.0 livre à 30 images par seconde, les autres à 24.

Chaque tâche dit la même chose à chaque modèle, écrite selon la recommandation de l'éditeur de ce modèle, car un test équitable ne doit pas faire lire à un modèle le dialecte d'un autre. Kling n'a pas de guide pour la 4.0, nous avons donc utilisé ses habitudes de la 3.0. Veo 3.1 est le modèle complet, pas sa version rapide.

Nous avons envoyé les graines 1101, 2202 et 3303 à Veo 3.1, Wan 3.0 et MiniMax H3. Notre chaîne de rendu ne transmet pas de graine à Seedance 2.5 ni à Kling 4.0, ces essais sont donc trois exécutions indépendantes. Aucun modèle n'a confirmé la graine qu'il a utilisée.

La notation était en aveugle et réalisée par deux juges IA distincts, et non par des personnes. Chaque clip a été réduit à 12 images, du début à la fin, avec un spectrogramme de son, son volume et une transcription, sous un code aléatoire. Aucun juge n'a su quel modèle avait fait un clip avant que ses notes ne soient remises. Les deux juges se sont beaucoup accordés, avec une corrélation de 0.91 entre les clips et un écart moyen de 0.36 point par critère. Les notes de cette page sont leur moyenne, et le chiffre de chaque juge figure dans le CSV.

Certaines vérifications ne demandaient pas de jugement. Une transcription locale a confirmé la phrase exacte sur les 15 clips parlés. La détection de plans n'a trouvé aucune coupe dans aucun clip, bien qu'un essai de Veo 3.1 se lise comme un saut, que nous avons signalé. Les deux juges ont compté séparément les lignes de l'étiquette et se sont accordés sur les 15.

Les prompts, mot pour mot

Copiez l'un de ces prompts. Chaque lien ouvre ce prompt sur ce modèle dans 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.

Ce que ce test ne peut pas vous dire

Trois prompts ne couvrent pas tout, et trois essais par tâche est un petit échantillon. Considérez donc un écart de 0.3 ou moins comme une absence d'écart. Les deux juges étaient des modèles IA qui lisaient des images et des mesures. Personne n'a écouté ces clips à l'oreille : le son a été jugé à partir de transcriptions, de spectrogrammes et du volume. La qualité de la voix est donc le point faible de notre notation, et 12 images peuvent manquer un défaut entre deux. Notre mesure de la synchronisation labiale était approximative et nous ne nous y sommes pas fiés. Elle plaçait Seedance 2.5 et Kling 4.0 au plus près, et Wan 3.0 jusqu'à une demi-seconde à côté. Regardez donc les clips si la synchronisation labiale compte pour vous. L'aveuglement de la notation avait une faille connue : la durée de 8 secondes de MiniMax H3 rendait ses clips reconnaissables, et ces deux secondes supplémentaires l'ont peut-être aidé sur la révélation lente. Tout ce qui ne figure pas dans le tableau, y compris Seedance 2.0 et HeyGen Video, n'a pas été testé. Les modèles et les prix changent vite, et ces résultats datent d'un seul jour.