Legjobb AI videógenerátor: 45 klip, vakon pontozva

• Tesztelve: 2026. november 1.
• 5 modell
• 3 feladat, feladatonként 3 felvétel
• 45 klip, 0 hibás
• Nyers adatok mellékelve

Mind az ötöt lejátszása, némán

Ugyanaz a prompt mind az ötnél. Mindegyik modell 3 felvételéből ez az 1., így nem a szebbeket válogattuk ki. Bármelyik klipet lejátszhatod.

A rövid válasz: ha egy modellt szeretnél mindenre, a Kling 4.0-t válaszd, mert legrosszabb felvétele (3.6) jobb volt, mint bármelyik másik modell legrosszabbja. Ha inkább az ár számít, a Wan 3.0 válaszd, amely összességében egyenrangú volt a Klinggel, klipenként $0.60-ért. A Seedance 2.5 közvetlenül mögöttük áll, és a beszélő klipeknél azonos szintű. A MiniMax H3 a mozgó kamerás jeleneteknél vezet. Közzététel: a Hermoso mind az öt modellhez hozzáférést árul, és a Seedance 2.5 az alapértelmezett modellünk. Egy feladatot sem nyert meg egyedül.

Kinek melyik való

Mindenre egy modell

Kling 4.0

A teszt legstabilabb eredménye. Legalacsonyabb felvétele 3.6 pontot kapott, és egyik feladat sem volt gyenge pont. Összességében a Wan 3.0-val holtversenyben az első helyen végzett.

Legjobb ár-érték

Wan 3.0

Összességében egyenrangú a Klinggel, 6 másodpercért $0.60-ért, a teszt legélesebb részletrajzolásával és a legjobb természetes hangzással. A MiniMax H3 másodpercenként olcsóbb, de a jeleneteken kívül alacsonyabbra pontozott.

Beszélő ember a kamera előtt

Holtverseny: Wan 3.0, Seedance 2.5, Kling 4.0

Mindhárman szó szerint mondták a mondatot. A Wan adta a legnagyobb lisztfelhőt és a kért lisztes karokat, reklámszerű vigyorral. A Seedance úgy nézett ki leginkább, mint a film, de az egyik három felvételből elrontotta a számolást.

Termékek apró betűs szöveggel

Kling 4.0, a Wan 3.0 szorosan követi

Minden Kling-felvétel mindhárom címkesort helyesen tartotta, valódi kézzel és valódi közelítéssel. Ez illett leginkább a briefhez is. A Seedance készítette a teszt legjobb mézét, három felvételből egyben.

Mozgó kamera egy zsúfolt jelenetben

MiniMax H3, utána a Wan és a Kling

A legmagasabb felfedések, a lovas a végén is a kockában van. Nyolc másodperce volt, míg a többieknek hat, ami segít a lassú mozgásnál. A Wan 3.0 és a Kling 4.0 a holtverseny-sávunkon belül van.

Ha gyorsan kell

Veo 3.1

A medián szerint kb. 66 másodperc alatt készült el, a többi 156 és 238 másodperc között volt. Állóképen nagyszerű, de a briefben szereplő lépéseket többször hagyta ki, mint bárki más, és a legmagasabb áron.

A pontszámok

Minden klip 1-től 5-ig kapott pontot hat szempontra, két különálló vak bíráló részéről. Egy feladat pontszáma a három felvétel átlaga, így a rossz felvétel is beleszámít. Még a renderelés előtt megírtuk a szabályt: 0.3 alatti különbség holtverseny, a narancssárga pedig a legjobb pontszámot és az azzal holtversenyben lévőket jelöli.

Modell	Beszéd	Termék	Jelenet	Összesen	Legrosszabb felvétel
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

Az összesített pontszám a 45 pontszám egyszerű átlaga. Ha a hangot teljesen kivesszük, a Kling kicsit megelőzi a Wan-t, a többiek helyükön maradnak: Kling 4.0 3.88, Wan 3.0 3.85, Seedance 2.5 3.65, MiniMax H3 3.52, Veo 3.1 3.05. Összesítve a Seedance 2.5 a holtverseny-sávon belül van, de legrosszabb felvétele miatt a két vezető mögé soroltuk.

1. feladat: egy ember beszél és ujjain számol

Egy pék kimond egy pontos mondatot, megmutat egy, kettő, majd három ujjat, és megpaskolja a kenyeret, hogy a liszt felszálljon. Egyetlen rögzített képen teszteli az ajakszinkront, a szavakat, a kéz anatómiáját és a finom fizikát. Győztes: holtverseny három modell között: Wan 3.0, Seedance 2.5 és Kling 4.0. Mind a 15 klip szó szerint mondta a mondatot. Az ujjak szétválasztották a mezőnyt: a Veo 3.1 egyetlen felvételen sem jutott el a háromig, a MiniMax H3 pedig két felvételen teljes kézzel indított.

1. felvétel2. felvétel3. felvétel

Mind az ötöt lejátszása, némán

Beszéd pontszámai

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

Három felvétel átlaga. A narancssárga az első helyet vagy attól 0.3-on belüli pontszámot jelöli.

2. feladat: egy mézes üveg nyomtatott címkével

Lassú közelítés egy címkézett üvegen, miközben méz hullik egy merítőkanálból. Kis szöveget, a betűk mozdulatlanságát és a sűrű folyadékot teszteli. A címke a saját, kitalált termékünk. Győztes: Kling 4.0, a Wan 3.0 a holtverseny-sávon belül. A helyesírás majdnem megoldott volt: 15 klipből 14 mindhárom sort helyesen adta vissza. A méz nem: szinte semmi nem hajtogatódott és tekeredett úgy, ahogy kértük, a Veo 3.1 pedig egyetlen felvételen sem vett közelítő beállítást.

1. felvétel2. felvétel3. felvétel

Mind az ötöt lejátszása, némán

Termékek pontszámai

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

Három felvétel átlaga. A narancssárga az első helyet vagy attól 0.3-on belüli pontszámot jelöli.

3. feladat: egy kerékpáros követése esős piacon

Egyetlen, megszakítás nélküli felvétel egy futár mögött esőben: kanyar egy kocsi körül, egy kutya átszalad, egy csengőhang, majd a kamera az esernyők fölé emelkedik, hogy megmutassa az egész utcát. Győztes: MiniMax H3, a Wan 3.0 és a Kling 4.0 a holtverseny-sávon belül. Senki nem találta el az összes ütemet. A Kling és a H3 állt legközelebb a briefhez. A Wan volt a legélesebb, de a sima sátorponyvát színes sátrakra és kitalált táblákra cserélte. A Seedance folyton levágta a lovast, a Veo pedig három felvételből kétszer egészen elvesztette.

1. felvétel2. felvétel3. felvétel

Mind az ötöt lejátszása, némán

Jelenet pontszámai

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

Három felvétel átlaga. A narancssárga az első helyet vagy attól 0.3-on belüli pontszámot jelöli.

Mit pontoztunk

Átlagok mind a 45 klipre. A részletesség választja szét legkevésbé ezeket a modelleket. A briefet követés választja szét a legjobban, és ez a különbség a legnagyobb oka a rangsor kinézetének.

A legdrágább modell került az utolsóra

A Veo 3.1 klipenként négyszer annyiba kerül, mint a Wan 3.0, és minden feladaton a legalacsonyabb pontot kapta, a beszédnél pedig a MiniMax H3-mal azonos. Az állóképei gyönyörűek, a teszt leghihetőbb liszttel. A gond a lépésekkel van: soha nem számolt háromig, soha nem közelített a mézre, és esőben elvesztette a lovast. Ha a képed egyetlen egyszerű ötletből áll, lehet, hogy jobban jársz vele, mint ahogy ez a teszt sugallja. A promptjaink szándékosan teliek voltak lépésekkel.

A helyesírás könnyű lett, a folyadékok nem

A címkét tartottuk a legnehezebb résznek. 15 klipből 14 mindhárom sort helyesen nyomtatta ki, és csak egy Veo-felvétel tett hozzá egy idegen szót. A méz, amely landoláskor hajtogatódik és tekeredik, az, amit szinte mindenki elrontott. A legtöbb klip egyenes oszlopot adott, vagy merev formát, amely alig változott. Egy Seedance 2.5-felvétel helyesen csinálta, ami egyben a probléma is: három felvételből egy volt.

A zenéről néhány mézes klipen

Konyhai hangokat kértünk, zene nélkül. A 15 mézes klip 8-ánál a modell alig adott hangot, -40 dB alatt, és a renderelési útvonalunk halk zenei sávot tett alá: a MiniMax H3 mindhárom felvételénél, a Seedance 2.5 kettőnél, a Veo 3.1 kettőnél és a Wan 3.0 egynél. A Kling felvételeinél egyikhez sem kellett. Ez a zene a miénk, nem a modellé. Az ilyen klipek a csend miatt hangpontot vesztettek, és a nyers táblázatban meg vannak jelölve. A beszélő és jelenetklipeket nem érintette.

Hogyan futtattuk

Először megírtuk a három promptot és a pontozási szabályokat, lefuttattunk egyetlen próbaklipet a folyamat ellenőrzésére, majd rendereltük a többit. A próba a 45 közül az egyik. Semmi nem hibásodott meg, így semmit nem kellett újrapróbálni vagy eldobni.

Minden klip 16:9-et és 720p-t kért, 6 másodpercben, márkakontextus és promptátírás nélkül. Két kivétel: a MiniMax H3 8 másodpercen futott, mert nem volt 6 másodperces opciója, és 1344x768-at ad 1280x720 helyett. A Wan 3.0 30 képkocka/másodperccel, a többi 24-gyel szállítja.

Minden feladat ugyanazt mondja minden modellnek, abban a formában, ahogy az adott gyártó ajánlja, mert egy tisztességes teszt nem kényszeríti az egyik modellt a másik nyelvjárásán olvasni. A Klingnek nincs útmutatója a 4.0-hoz, ezért a 3.0 szokásait használtuk. A Veo 3.1 a teljes modell, nem a gyors változat.

Az 1101, 2202 és 3303 magokat küldtük a Veo 3.1, a Wan 3.0 és a MiniMax H3 modelleknek. A renderelési útvonalunk nem ad magot a Seedance 2.5-nek vagy a Kling 4.0-nak, így azok felvételei három független futás. Egyik modell sem erősítette meg a használt magot.

A pontozás vak volt, és két különálló MI-bíráló végezte, nem emberek. Minden klipet 12 képkockára bontottunk az elejétől a végéig, hangspektrogramot, hangerőt és átiratot készítettünk, véletlen kóddal. Egyik bíráló sem látta, melyik modell készítette a klipet, amíg a pontszámok meg nem születtek. A két bíráló szorosan egyezett: a klipek közötti korreláció 0.91, a szempontonkénti átlagos eltérés 0.36 pont. Az oldalon szereplő pontszámok az ő átlaguk, és minden bíráló számai a CSV-ben vannak.

Néhány ellenőrzés nem igényelt ítélkezést. Egy helyi átirat megerősítette a pontos mondatot mind a 15 beszélő klipen. A jelenetdetektálás egyetlen klipen sem talált vágást, bár egy Veo 3.1-felvétel ugrásként játszódik le, ezt megjelöltük. Mindkét bíráló külön megszámolta a címkesorokat, és mind a 15 klipen egyezett.

A promptok, szó szerint

Bármelyiket átmásolhatod. Minden link megnyitja az adott promptot az adott modellen a Hermoso alkalmazásban.

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.

Amit ez a teszt nem mond meg

Három prompt nem fed le mindent, feladatonként három felvétel pedig kis minta, ezért a 0.3 vagy annál kisebb különbséget úgy olvasd, mintha nem is lenne különbség. Mindkét bíráló MI-modell volt, amely képkockákat és mérési adatokat olvasott. Senki nem hallgatta meg fül alapján ezeket a klipeket: a hangot átiratok, spektrogramok és hangerő alapján ítéltük meg, így a hangminőség pontozásunk leggyengébb része, és a 12 képkocka elrejthet egy hibát a képkockák között. Az ajakszinkron-mérésünk durva volt, és nem támaszkodtunk rá. A Seedance 2.5-öt és a Kling 4.0-t állította a legközelebb egymáshoz, a Wan 3.0-nál pedig akár fél másodperces eltérést mutatott, ezért ha az ajakszinkron fontos neked, nézd meg a klipeket. A vakteszt egy ismert hiányossága: a MiniMax H3 8 másodperces hossza felismerhetővé tette a klipjeit, és lehet, hogy az extra két másodperc segített neki a lassú felfedésnél. A táblázatban nem szereplő dolgokat, köztük a Seedance 2.0-t és a HeyGen Video-t, nem teszteltük. A modellek és az árak gyorsan változnak, ezek az eredmények pedig egyetlen napról származnak.