Veo 3.1 מול Seedance 2.0 מול Kling 3.0: איזה מודל וידאו AI עושה מודעות טובות יותר?

השאלה שאנחנו מקבלים הכי הרבה ממשווקי ביצועים היא גרסה כלשהי של "באיזה מודל וידאו AI כדאי לי להשתמש למודעות?" התשובה הכנה היא שזו השאלה הלא נכונה. אין מודל אחד הכי טוב, והדירוג משתנה כל כמה שבועות כשיוצאות גרסאות חדשות. מה שחשוב הוא להתאים את המודל לשוט. קליפ UGC של מישהו שמדבר למצלמה, סיבוב גיבור של המוצר ויצירת מושן מסוגננת מתגמלים כל אחד מנוע אחר.

אנחנו מנתבים עבודות ל-Veo 3.1, ל-Seedance 2.5 ול-Kling 3.0 בפרודקשן ב-Hermoso, ובוחרים לכל עבודה במקום להמר על מודל אחד. זו נקודת המבט של מי שעושה את זה בפועל: איפה כל מודל באמת מצדיק את מקומו במודעה, על סמך רינדורים שאנחנו משחררים ולא על סמך בנצ'מרקים שפורסמו.

Veo 3.1: אודיו מקורי וסנכרון שפתיים

היתרון הבולט של Veo 3.1 בעבודה על מודעות הוא שהוא מייצר דיבור באופן מקורי, באותו מעבר עם הצילום, כך שהשפתיים והאודיו מגיעים מתהליך אחד. התכונה הזאת לבדה פותרת את הסימן המסגיר העקשן ביותר בווידאו AI: תנועת השפתיים של סרט מדובב, שמקבלים כשמדביקים אודיו TTS על פה שנוצר בנפרד. התפיסה האנושית תופסת את חוסר ההתאמה הזה בלי רחמים, ושום גרייד לא מסתיר אותו.

לכן Veo הוא ברירת המחדל שלנו ברגע שיש פה בפריים שצריך לדבר: המלצות של אנשים שמדברים למצלמה, מייסדים שפונים ישירות לצופה, כל קונספט UGC שבנוי סביב מישהו שמדבר. כשהפורמט הוא אדם שאומר משפט, דיבור מקורי עם סנכרון שפתיים שווה יותר מכל הבדל איכות אחר בין המודלים.

המחיר הוא ש-Veo מפעיל מדיניות תוכן מחמירה יותר. הוא נוטה לחסום יותר מדי סביב שמות מותגים, דמויות של אנשים אמיתיים וכל דבר שקשור לאלכוהול, וזה יכול להחזיר פרומפט שהיה תקין לגמרי. בתהליך שלנו סירוב כזה מפעיל מעבר אוטומטי למודל אחר ולא מבוי סתום. זה עדיין שיקול אמיתי אם השוט נשען על מותג עם שם או על פנים מוכרות.

Seedance 2.0: אודיו מקורי, טייק רציף אחד, עקביות שמבוססת על רפרנס

Seedance 2.0 הוא סוס העבודה שלנו לשוטים שמודעות באמת חיות עליהם: המוצר ביד אמיתית, מסתובב, מונח, נמזג. כשמזינים לו תמונת מוצר אמיתית כרפרנס, הוא מחזיק את הזהות של החפץ האמיתי בצורה מרשימה (צורת הבקבוק, הגיאומטריה של התווית, הצבע המדויק), במקום להמציא בן דוד סביר כמו שפרומפט טקסט בלי רפרנס עושה. בקריאייטיב של DTC ושל מוצרי צריכה, שבו המוצר על המסך חייב להיות המוצר שעל המדף, הנאמנות הזאת מרפרנס לווידאו היא כל הסיפור.

הדבר השני ש-Seedance עושה שמתאים למודעות הוא מרקם. הוא מרנדר גרעיניות משכנעת של צילום ביד במצלמת טלפון: אופי הצילום הקצת לא מושלם והלא זוהר, שנקרא כ-UGC אותנטי ולא כפרסומת מבריקה. כוונו אותו בפרומפט לעור מט ולאור ניטרלי והוא מגיע למראה של "מישהו צילם את זה בטלפון" טוב יותר מהחלופות.

שתי תכונות נוספות משלימות את החבילה. Seedance מייצר אודיו באופן מקורי (קול, אווירת החדר, הצלילים האגביים של הסצנה) באותו מעבר עם הצילום, כך שמודעת UGC יכולה לצאת כבר מדברת, עם אווירה שבאמת מתאימה לחדר, ולא קליפ שקט שמחכה לדיבוב. והוא מחזיק עד חמש עשרה שניות במעבר רציף אחד, וזה חשוב יותר ממה שזה נשמע: טייק אחד אומר אין תפרים בין הרגעים, אין תאורה שנבנית מחדש באמצע המודעה, אין קאט שנוחת באמצע מילה. ל-UGC קצר של חמש עשרה שניות ומטה במעבר אחד, בדרך כלל לשם אנחנו מנתבים, כי הוא מחזיק את המוצר, הגרעיניות והסאונד יחד בטייק נקי אחד. המגבלה העיקרית שלו היא זו שכל המודלים חולקים (ראו תנועה, בהמשך): אל תבקשו ממנו לזרוק או להפיל שום דבר.

Seedance 2.5: שלושים שניות בטייק אחד רציף

ואז Seedance 2.5 הגיע והזיז את התקרה שכל מה שכתוב למעלה נכתב תחתיה. ביקשנו ממנו שלושים שניות. קיבלנו 30.08: טייק רציף אחד, עם סאונד, ואפס קאטים. לא שלושים שניות שהורכבו מקליפים. שלושים שניות שבהן המצלמה פשוט אף פעם לא נעצרה.

לקריאייטיב של מודעות זה עניין גדול יותר ממה ששדרוג במפרט נשמע. חמש עשרה שניות היו התקרה המעשית של טייק אחד שנוצר כל עוד הקטגוריה הזאת קיימת, אז כל דבר ארוך יותר נתפר: מרנדרים את הרגעים בנפרד, מתאימים את האור, מסתירים את החיבורים. התפרים הם המקום שבו מודעת AI מסגירה את עצמה. הגרייד זז בגוון, אווירת החדר נופלת לפריים אחד, השיער של השחקן מתאפס בין הרגעים. מעבר אחד של שלושים שניות מעלים את התפרים כי הוא מעלים את התפירה. פרי-רול מלא, סיפור מוצר שלם, דמו עם התחלה וסוף, כולם יכולים לרוץ כשוט רציף אחד.

הסאונד מגיע יחד איתו. 2.5 מייצר אודיו מסונכרן באותו מעבר עם התמונה (דיאלוג, אווירה, הרעשים האגביים של החדר), והוא פועל כברירת מחדל. המחיר זהה בין אם משאירים את האודיו פועל ובין אם מכבים אותו. הוא גם לוקח תמונה של אדם אמיתי ומנפיש אותו באופן פוטוריאליסטי: תנו לו פנים וזה מי שיהיה מול המצלמה, עם מרקם עור אמיתי, ולא תחליף מסוגנן שלו.

המחיר הוא הרזולוציה. 2.5 מרנדר ב-480p וב-720p, בלי אפשרות ל-1080p, כך שמודעת גיבור שחייבת להסתיים ב-Full HD היא עדיין עבודה של 2.0. וזו בדיוק ההחלטה שהניתוב קיים כדי לקבל: אורך, רזולוציה והאם פנים אמיתיות צריכות להופיע הן שלוש שאלות שונות, והתשובה הנכונה לשלושתן יחד היא לעיתים רחוקות מודל אחד.

Kling 3.0: זהות לפי רפרנס פנים, אותו אדם בכל רינדור

החוזקה המרכזית של Kling 3.0 בעבודה על מודעות היא זהות. תנו לו תמונת רפרנס של פנים והוא מחזיק את האדם הזה, עם אותם תווי פנים ואותה נוכחות, לאורך טייקים ולאורך רינדורים. זה נותן לצוותי ביצועים את מה שהם באמת רוצים משחקני AI: יוצר קבוע. הפנים שהובילו את ה-hook המנצח של השבוע שעבר יכולות להוביל את שלוש הווריאציות של השבוע הזה, כך שהקהל פוגש אדם מוכר ולא זר בכל מודעה. חבר קאסט מנצח הופך לנכס שחוזרים אליו, לא להטלת קובייה חד-פעמית.

שאר החבילה של 3.0 מתאימה גם היא למודעות. כמו Seedance, הוא מייצר אודיו באופן מקורי באותו מעבר עם הצילום. הוא מקבל כל אורך משלוש עד חמש עשרה שניות במקום להיצמד לאורכים קבועים, וכך הטייק מתאים את עצמו לתסריט ולא להפך. וה-image-to-video שעשה את גרסאות Kling הקודמות לפופולריות עדיין מצוין: מתחילים מתמונת סטילס (תמונת מוצר, פריים מפתח, יצירה של המותג) והוא מוסיף תנועה אמינה, תנועות מצלמה ודינמיות מבוקרת, ולא רק דוחף קצת פריים כמעט סטטי.

המקום שבו אנחנו זהירים עם כל מודל, כולל Kling, הוא תנועה בליסטית: חפץ במעוף חופשי אמיתי תחת כוח המשיכה. בקבוק שנזרק נתלה רגע יותר מדי, מסתובב בקצב קבוע, נוחת בלי משקל. זו לא חולשה של Kling דווקא. מסה ותנע עדיין קשים לכל המודלים. התיקון הוא כוריאוגרפיה, לא בחירת מודל. תנו למוצרים להיות מוחזקים, מסובבים, מונחים, נמזגים: תנועות שבהן יד נושאת את החפץ והמודל אף פעם לא צריך לפתור לבד את כוח המשיכה.

אז מי מנצח?

כלל החלטה גס, כמו שאנחנו באמת מיישמים אותו:

• מישהו מדבר למצלמה והקלוז-אפ חשוב → Veo 3.1, בשביל דיבור מקורי עם סנכרון שפתיים.
• מוצר אמיתי, מוחזק או בשימוש, גרעיניות UGC, טייק אחד עד 15 שניות → Seedance 2.5, מעוגן בתמונת מוצר אמיתית.
• מודעה ארוכה בלי אף קאט, עד שלושים שניות → Seedance 2.5, שמחזיק טייק רציף אחד לכל האורך, ב-480p או ב-720p. בתהליך השקה ב-Hermoso. כרגע הניתוב מגיע עד טייק אחד של חמש עשרה שניות ותופר כל דבר ארוך יותר.
• אותן פנים לאורך קמפיין, או תנועה שמתווספת לתמונת סטילס → Kling 3.0, מעוגן ברפרנס פנים.

הסיבה שזה נשאר כלל אצבע ולא חוק היא שהמודלים ממשיכים לעקוף זה את זה. עדכון גרסה יכול לתת למודל אחד חוזקה שפעם הייתה של מודל אחר. בדיוק בגלל זה אנחנו לא מבקשים מהמשתמשים לבחור: Hermoso מנתב כל עבודה למודל שהכי מתאים לשוט, ומכוונן מחדש את הניתוב כשיוצאות גרסאות, כך שהבחירה שלמעלה קורית אוטומטית, לכל רינדור, בלי שתצטרכו לעקוב אחרי יומן שינויים.

ובכל מקרה, בחירת המודל היא החצי הקטן של מודעה טובה. הסימנים שחושפים מודעת AI (עור שעוותי, טקסט תווית משובש, גרייד זהוב וזוהר, פיזיקה שאף חפץ לא מציית לה) הם בעיקר החלטות של תהליך העבודה שמתקבלות לפני שהמודל רץ ואחריו. המודל עצמו הוא לעיתים רחוקות האשם. מחולל מודעות ה-AI של Hermoso בונה את התיקונים האלה פנימה: שכבת ריאליזם נגד ברק, תמונות מוצר אמיתיות שמורכבות לתוך הסצנות, כל הטקסט והלוגואים מורכבים בפוסט ולא מצוירים על ידי המודל, ודיבור מקורי שמור לפיות שמול המצלמה. המודל נבחר בשבילכם, והמקצועיות כבר בפנים.

מתחת לפני השטח, אותו Studio גם חוקר מה כבר מנצח בשוק שלכם בספריות המודעות של Meta, Google ו-LinkedIn וב-TikTok האורגני, כך שהקונספטים מתחילים מבוססים על קריאייטיב מוכח עוד לפני שפריים אחד מרונדר. התוכנית החינמית כוללת מעל 250 קרדיטים חינמיים שניתן להרוויח, בלי כרטיס אשראי, והעלויות המדויקות מוצגות באפליקציה לפני כל רינדור. הדרך המהירה ביותר לסגור את הוויכוח על המודלים היא ליצור מודעה על המוצר שלכם ולשפוט את התוצאה. הניתוב כבר יבחר בשבילכם.

שאלות נפוצות

איזה מודל וידאו AI הכי טוב למודעות?

אין מודל אחד הכי טוב. Veo 3.1 מוביל באודיו מקורי ובסנכרון שפתיים לדיבור מול המצלמה, Seedance 2.0 בנאמנות למוצר על בסיס רפרנס, באודיו מקורי וב-UGC בטייק אחד עד 15 שניות, Seedance 2.5 באורך של טייק אחד (30 שניות שנמדדו בלי אף קאט, עם אודיו מקורי), ו-Kling 3.0 בזהות לפי רפרנס פנים, אותו אדם לאורך רינדורים, וגם ב-image-to-video. הבחירה הנכונה תלויה בשוט, והדירוג משתנה עם כל השקה. Hermoso מנתב כל עבודה למודל שהכי מתאים לה.

כמה ארוך יכול להיות טייק אחד שנוצר ב-AI?

שלושים שניות, ב-Seedance 2.5. ביקשנו שלושים ומדדנו 30.08 בשוט רציף אחד עם אודיו מקורי ובלי קאטים. לפני כן התקרה הייתה חמש עשרה שניות, ולכן מודעות ארוכות יותר נתפרו מכמה קליפים. מעבר אחד אומר שאין תפר להסתיר: אין שינוי בגרייד, אין אווירת חדר שנופלת בין הרגעים. הוא מרנדר ב-480p וב-720p, כך שמודעה שחייבת להסתיים ב-1080p היא עדיין עבודה לטייק קצר יותר.

לאיזה מודל יש את סנכרון השפתיים הטוב ביותר?

מהניסיון שלנו, Veo 3.1, כי הוא מייצר דיבור באופן מקורי באותו מעבר עם הצילום, כך שהשפתיים והאודיו מגיעים מתהליך אחד. תנועת השפתיים המטרידה מגיעה מדיבוב של TTS שנוצר בנפרד על פה מרונדר, אז שמרו את זה לקטעים שבהם לא רואים פה.

איזה מודל שומר על המוצר האמיתי שלי כמו שהוא?

Seedance 2.0 מחזיק היטב את זהות המוצר כשמזינים לו תמונת מוצר אמיתית כרפרנס והחפץ מורכב לתוך הסצנה. פרומפטים בטקסט מתארים קטגוריות, תמונות רפרנס קובעות זהות, ולכן עיגון בתמונה אמיתית עדיף על תיאור המוצר במילים.

איזה מודל שומר על אותו שחקן לאורך קמפיין?

Kling 3.0. תנו לו רפרנס פנים והוא מחזיק את הזהות של האדם לאורך רינדורים, כך שיוצר קבוע יכול להוביל סדרה שלמה של מודעות במקום שפנים חדשות יופיעו בכל מודעה.

למה לסרטוני AI קשה עם חפצים שנזרקים או נופלים?

תנועה בליסטית (חפץ במעוף חופשי תחת כוח המשיכה) היא המקום שבו הפיזיקה של כל המודלים הנוכחיים עדיין נשברת בגלוי, לא משנה באיזה מהם משתמשים. תכננו את הכוריאוגרפיה סביב זה: תנו למוצרים להיות מוחזקים, מסובבים, מונחים או נמזגים, כך שיד נושאת את החפץ והמודל אף פעם לא צריך לפתור לבד את כוח המשיכה.

האם אני צריך לבחור את המודל בעצמי ב-Hermoso?

לא. Hermoso מנתב כל רינדור למודל שהכי מתאים לשוט ומכוונן מחדש את הניתוב כשיוצאות גרסאות חדשות, כך שאתם אף פעם לא צריכים לעקוב אחרי יומן שינויים או לבחור מודל. אתם מתארים את המודעה, והניתוב מטפל בשאר.