최고의 AI 영상 생성기: 클립 45개, 블라인드 채점

• 2026년 11월 1일 테스트
• 모델 5개
• 작업 3개, 작업당 테이크 3개
• 클립 45개, 실패 0개
• 원본 데이터 포함

5개 모두 무음으로 재생

다섯 모델 모두 같은 프롬프트를 썼습니다. 각 모델의 3개 테이크 중 테이크 1이므로, 잘 나온 것만 골라 싣지 않았습니다. 아무 클립이나 재생해 보세요.

요약: 모든 작업에 모델 하나를 쓰고 싶다면 Kling 4.0을 고르세요. 최저 테이크 점수(3.6)가 다른 모든 모델의 최저 점수보다 높았기 때문입니다. 비용이 더 중요하다면 Wan 3.0을 고르세요. 클립당 $0.60으로 종합 점수에서 Kling과 대등했습니다. Seedance 2.5는 그 바로 뒤에 있으며 말하기 클립에서는 두 모델과 같은 점수입니다. MiniMax H3는 카메라가 움직이는 장면에서 앞섰습니다. 공개: Hermoso는 다섯 모델 모두에 대한 접근 권한을 판매하며, Seedance 2.5는 Hermoso의 기본 모델입니다. 그러나 어느 작업에서도 단독 1위는 아니었습니다.

용도별 추천

모든 작업에 한 모델

Kling 4.0

이번 테스트에서 가장 안정적인 결과입니다. 최저 테이크가 3.6점이었고 약한 작업이 없었습니다. 종합 1위에서 Wan 3.0과 공동 1위를 차지했습니다.

최고의 가성비

Wan 3.0

6초에 $0.60으로 종합 점수에서 Kling과 대등했으며, 이번 테스트에서 가장 선명한 디테일과 가장 좋은 자연 사운드를 보였습니다. MiniMax H3는 초당 가격은 더 저렴하지만 장면 외 작업에서 점수가 낮았습니다.

카메라를 보고 말하는 사람

동점: Wan 3.0, Seedance 2.5, Kling 4.0

세 모델 모두 대사를 한 자도 틀리지 않고 말했습니다. Wan은 요청한 대로 가장 큰 밀가루 먼지와 밀가루 묻은 팔을 보여 줬지만 광고 모델 같은 활짝 웃는 표정이었습니다. Seedance는 가장 영화 같았지만 테이크 3개 중 1개에서 손가락 개수를 틀렸습니다.

작은 글씨가 있는 제품

Kling 4.0, Wan 3.0 근소한 차이

Kling의 모든 테이크가 라벨의 세 줄을 정확히 담았고, 실제 같은 손과 자연스러운 푸시인을 보였습니다. 브리프와도 가장 잘 맞았습니다. Seedance는 테이크 3개 중 1개에서 이번 테스트 최고의 꿀을 만들었습니다.

복잡한 장면에서 움직이는 카메라

MiniMax H3, 그다음 Wan과 Kling

가장 높은 공개 장면이 있었고, 마지막까지 라이더가 화면에 남아 있었습니다. 다른 모델이 6초를 쓴 반면 8초를 써서 느린 이동에 유리했습니다. Wan 3.0과 Kling 4.0은 동점 기준선 안에 있습니다.

빨리 필요할 때

Veo 3.1

중앙값 기준 약 66초에 완료되었고, 나머지 모델은 156초에서 238초가 걸렸습니다. 정지 화면은 아주 좋아 보이지만, 브리프의 단계를 다른 어떤 모델보다 자주 건너뛰었고 가격도 가장 높았습니다.

점수

클립마다 두 명의 독립된 블라인드 심사위원이 여섯 가지 기준에 대해 1점에서 5점을 매겼습니다. 작업 점수는 테이크 3개의 평균이므로 나쁜 테이크도 점수에 반영됩니다. 렌더링 전에 규칙을 미리 정했습니다. 차이가 0.3 미만이면 동점이며, 주황색은 최고점과 그 점수에 동점인 모델을 표시합니다.

모델	말하기	제품	장면	종합	최저 테이크
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

종합 점수는 클립 45개 점수의 단순 평균입니다. 오디오를 완전히 빼면 Kling이 Wan을 근소하게 앞지르고 나머지 순위는 그대로입니다: 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 2.5는 종합에서 동점 기준선 안에 있지만, 최저 테이크 때문에 상위 두 모델 뒤에 두었습니다.

작업 1: 말하며 손가락을 세는 사람

제빵사가 정확한 대사를 말하고, 손가락 1, 2, 3을 차례로 보여 주며, 빵을 두드려 밀가루를 날립니다. 고정된 한 샷으로 입 모양 동기화, 단어, 손 구조, 작은 물리 현상을 한꺼번에 테스트합니다. 우승: Wan 3.0, Seedance 2.5, Kling 4.0의 3자 동점. 클립 15개 모두 대사를 한 자도 틀리지 않고 말했습니다. 손가락에서 순위가 갈렸습니다. Veo 3.1은 어떤 테이크에서도 3에 도달하지 못했고, MiniMax H3는 테이크 3개 중 2개에서 손을 완전히 펴 보였습니다.

테이크 1테이크 2테이크 3

5개 모두 무음으로 재생

말하기 점수

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

테이크 3개의 평균입니다. 주황색은 1위이거나 1위와 0.3 이내 차이입니다.

작업 2: 인쇄된 라벨이 있는 꿀 단지

꿀이 국자에서 떨어지는 동안 라벨이 붙은 단지를 천천히 푸시인합니다. 작은 글씨, 글자가 흔들리지 않는지, 점성이 있는 액체를 테스트합니다. 라벨은 우리가 만든 가상의 제품입니다. 우승: Kling 4.0, Wan 3.0은 동점 기준선 안에 있습니다. 철자는 거의 완벽했습니다. 클립 15개 중 14개가 세 줄을 모두 맞혔습니다. 반면 꿀은 그렇지 못했습니다. 요청대로 접히고 감기는 모습은 거의 없었고, Veo 3.1은 어떤 테이크에서도 푸시인하지 않았습니다.

테이크 1테이크 2테이크 3

5개 모두 무음으로 재생

제품 점수

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

테이크 3개의 평균입니다. 주황색은 1위이거나 1위와 0.3 이내 차이입니다.

작업 3: 비 내리는 시장에서 자전거 선수 따라가기

비 속에서 배달 라이더를 따라가는 한 번의 연속 샷입니다. 수레를 피해 휘어지고, 개가 가로지르고, 자전거 벨이 한 번 울린 뒤, 카메라가 우산 위로 올라가 거리 전체를 보여 줍니다. 우승: MiniMax H3, Wan 3.0과 Kling 4.0은 동점 기준선 안에 있습니다. 모든 비트를 제대로 맞춘 모델은 없었습니다. Kling과 H3가 브리프에 가장 가까웠습니다. Wan은 가장 선명했지만 평범한 천막 대신 색깔 천막과 만든 간판을 넣었습니다. Seedance는 라이더를 계속 잘랐고, Veo는 테이크 3개 중 2개에서 라이더를 아예 놓쳤습니다.

테이크 1테이크 2테이크 3

5개 모두 무음으로 재생

장면 점수

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

테이크 3개의 평균입니다. 주황색은 1위이거나 1위와 0.3 이내 차이입니다.

무엇을 채점했는지

클립 45개 전체의 평균입니다. 디테일은 모델을 가장 적게 구분하고, 브리프를 따르는 능력은 가장 크게 구분합니다. 순위가 이렇게 나온 이유의 대부분이 이 차이 때문입니다.

가장 비싼 모델은 마지막에 나옵니다

Veo 3.1은 클립당 가격이 Wan 3.0의 네 배이고, 모든 작업에서 가장 낮은 점수를 받았으며, 말하기 작업에서는 MiniMax H3와 같은 점수입니다. 정지 화면은 아름답고 이번 테스트에서 가장 믿을 만한 밀가루를 보여 줍니다. 문제는 단계입니다. 3까지 세지 못했고, 꿀에 푸시인하지 않았으며, 비 속에서 라이더를 놓쳤습니다. 샷이 단순한 아이디어 하나라면 이 테스트가 보여 주는 것보다 더 잘 맞을 수도 있습니다. 우리 프롬프트는 일부러 단계가 많게 짰습니다.

철자는 쉬웠고, 액체는 그렇지 않았습니다

라벨이 가장 어려울 것으로 예상했습니다. 클립 15개 중 14개가 세 줄을 모두 정확히 인쇄했고, Veo 테이크 하나만 단어가 하나 더 들어갔습니다. 떨어지면서 접히고 감기는 꿀이 거의 모든 모델이 놓친 부분입니다. 대부분의 클립은 곧은 기둥이거나 거의 변하지 않는 딱딱한 모양을 보였습니다. Seedance 2.5 테이크 하나만 제대로 해냈는데, 이것이 문제이기도 합니다. 테이크 3개 중 1개였기 때문입니다.

일부 꿀 클립의 음악에 대하여

우리는 주방 소리를 요청했고 음악은 넣지 말라고 했습니다. 꿀 클립 15개 중 8개에서 모델은 거의 소리를 내지 않았고(-40 dB 미만), 우리 렌더링 경로가 그 아래에 조용한 음악 트랙을 더했습니다. 해당 클립은 MiniMax H3 테이크 3개 전부, Seedance 2.5 2개, Veo 3.1 2개, Wan 3.0 1개입니다. Kling 테이크에는 필요하지 않았습니다. 그 음악은 모델이 만든 것이 아니라 우리가 넣은 것입니다. 이 클립들은 무음 때문에 오디오 점수에서 감점되었으며, 원본 표에 표시해 두었습니다. 말하기 클립과 장면 클립은 건드리지 않았습니다.

테스트 진행 방식

먼저 프롬프트 세 개와 채점 규칙을 작성했고, 파이프라인을 확인하기 위해 시험 클립 하나를 렌더링한 뒤 나머지를 렌더링했습니다. 시험 클립도 45개 중 하나입니다. 실패한 것이 없었으므로 재시도하거나 제외한 클립도 없습니다.

모든 클립은 16:9, 720p, 6초로 요청했고, 브랜드 맥락을 넣거나 프롬프트를 다시 쓰지 않았습니다. 예외는 두 가지입니다. MiniMax H3는 6초 옵션이 없어 8초로 실행했고, 1280x720이 아니라 1344x768로 전달합니다. Wan 3.0은 초당 30프레임으로, 나머지는 24프레임으로 전달합니다.

각 작업은 모든 모델에 같은 내용을 전달하되, 각 모델의 제작사가 권장하는 방식으로 작성했습니다. 공정한 테스트라면 한 모델에 다른 모델의 방언을 쓰게 해서는 안 되기 때문입니다. Kling에는 4.0 가이드가 없어 3.0 사용 습관을 따랐습니다. Veo 3.1은 빠른 버전이 아니라 정식 모델입니다.

Veo 3.1, Wan 3.0, MiniMax H3에는 시드 1101, 2202, 3303을 보냈습니다. 우리 렌더링 경로는 Seedance 2.5와 Kling 4.0에는 시드를 전달하지 않으므로, 그 테이크는 독립된 실행 세 번입니다. 실제로 사용된 시드를 확인해 준 모델은 없었습니다.

채점은 블라인드로 진행했고, 사람이 아닌 두 명의 독립된 AI 심사위원이 맡았습니다. 각 클립은 무작위 코드로 표시된 뒤, 시작부터 끝까지 12개 프레임, 소리의 스펙트로그램, 음량, 대본으로 줄여서 평가했습니다. 점수가 나오기 전까지 심사위원은 어느 모델이 만든 클립인지 알 수 없었습니다. 두 심사위원의 판단은 매우 가까웠습니다. 클립 간 상관계수가 0.91이었고, 기준별 평균 차이는 0.36점이었습니다. 이 페이지의 점수는 두 심사위원의 평균이며, 각 심사위원의 점수는 CSV에 있습니다.

일부 확인은 판단이 필요 없었습니다. 로컬 대본이 말하기 클립 15개 모두에서 정확한 대사를 확인했습니다. 장면 감지로는 어떤 클립에서도 컷이 없었지만, Veo 3.1 테이크 하나는 점프 컷처럼 재생되어 표시해 두었습니다. 두 심사위원이 라벨 줄을 각각 세었고 15개 모두에서 일치했습니다.

프롬프트 전문

아무거나 복사해 사용하세요. 각 링크를 누르면 해당 모델에서 그 프롬프트가 Hermoso에서 열립니다.

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.

이 테스트로 알 수 없는 것

프롬프트 세 개로는 모든 경우를 다룰 수 없고, 작업당 테이크 세 개는 작은 표본이므로 0.3 이하의 차이는 차이가 없는 것으로 보세요. 두 심사위원은 모두 프레임과 측정값을 읽는 AI 모델입니다. 아무도 이 클립을 귀로 듣지 않았습니다. 소리는 대본, 스펙트로그램, 음량으로 판단했으므로 음성 품질이 우리 채점에서 가장 약한 부분이며, 프레임 12장은 그 사이의 글리치를 놓칠 수 있습니다. 립싱크 측정은 거칠었고 우리도 그 결과를 근거로 삼지 않았습니다. 이 측정으로는 Seedance 2.5와 Kling 4.0이 가장 가깝고, Wan 3.0은 최대 0.5초 어긋났습니다. 립싱크가 중요하다면 직접 클립을 보세요. 블라인드 처리에도 알려진 허점이 하나 있었습니다. MiniMax H3의 8초 길이 때문에 그 클립은 알아볼 수 있었고, 추가된 2초가 느린 공개 장면에서 도움이 되었을 수 있습니다. 표에 없는 모델은 Seedance 2.0과 HeyGen Video를 포함해 테스트하지 않았습니다. 모델과 가격은 빠르게 바뀌며, 이 결과는 하루치 테스트입니다.