Najlepszy generator wideo AI: 45 klipów, ocenionych w ciemno

• Przetestowano 1 listopada 2026
• 5 modeli
• 3 zadania, po 3 próby każde
• 45 klipów, 0 nieudanych
• Surowe dane w komplecie

Odtwórz wszystkie pięć, wyciszone

Ten sam prompt dla wszystkich pięciu. To próba 1 z 3 dla każdego modelu, więc nie wybieraliśmy tych ładniejszych. Kliknij odtwarzanie na dowolnym klipie.

Krótka odpowiedź: jeśli chcesz jednego modelu do wszystkiego, wybierz Kling 4.0, bo jego najsłabsza próba (3.6) pobiła najsłabszą próbę każdego innego modelu. Jeśli liczy się cena, wybierz Wan 3.0, który ogólnie dorównał Klingowi przy $0.60 za klip. Seedance 2.5 plasuje się tuż za nimi i jest na tym samym poziomie w klipach z mówiącą osobą. MiniMax H3 prowadzi w scenach z ruchomą kamerą. Ujawnienie: Hermoso sprzedaje dostęp do wszystkich pięciu, a Seedance 2.5 jest naszym domyślnym modelem. Nie wygrał żadnego zadania w pojedynkę.

Kto czego powinien używać

Jeden model do wszystkiego

Kling 4.0

Najbardziej stabilny wynik testu. Jego najniższa próba dostała 3.6, a żadne zadanie nie było słabym punktem. Razem z Wan 3.0 zajął pierwsze miejsce w ogólnej klasyfikacji.

Najlepszy stosunek ceny do jakości

Wan 3.0

Na równi z Klingiem ogólnie, przy $0.60 za 6 sekund, najostrzejszy detal w teście i najlepszy naturalny dźwięk. MiniMax H3 jest tańszy za sekundę, ale wypadł gorzej poza scenami.

Osoba mówiąca do kamery

Remis: Wan 3.0, Seedance 2.5, Kling 4.0

Wszyscy trzej powiedzieli kwestię słowo w słowo. Wan dał największy obłok mąki i oprószone mąką ramiona, o które prosiliśmy, z uśmiechem jak z reklamy. Seedance wyglądał najbardziej jak film, ale w jednej próbie z trzech pomylił liczenie.

Produkty z drobnym drukiem

Kling 4.0, Wan 3.0 blisko

Każda próba Klinga zachowała wszystkie trzy linie etykiety, z prawdziwą dłonią i prawdziwym najazdem kamery. Najlepiej też odpowiadał na brief. Seedance zrobił najlepszy miód w teście, w jednej próbie z trzech.

Ruchoma kamera w zatłoczonej scenie

MiniMax H3, potem Wan i Kling

Najwyższe odsłonięcia, a jeździec wciąż w kadrze na końcu. Miał też 8 sekund, gdy inne miały 6, co pomaga przy powolnym ruchu. Wan 3.0 i Kling 4.0 mieszczą się w naszej linii remisu.

Gdy potrzebujesz szybko

Veo 3.1

Gotowe w około 66 sekund w medianie, wobec 156 do 238 dla reszty. Na zdjęciu wygląda świetnie, ale częściej niż ktokolwiek pomijał kroki z briefu, a przy tym kosztował najwięcej.

Wyniki

Każdy klip dostał od 1 do 5 w sześciu kryteriach od dwóch niezależnych oceniających w ciemno. Wynik zadania to średnia z trzech prób, więc słaba próba się liczy. Zasadę spisaliśmy przed renderowaniem: różnica poniżej 0.3 to remis, a pomarańczowy oznacza najwyższy wynik i wszystko, co z nim remisuje.

Model	Mowa	Produkt	Scena	Ogółem	Najsłabsza próba
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

Ogółem to zwykła średnia z 45 ocen. Gdy wyłączymy dźwięk, Kling nieznacznie wyprzedza Wana, a reszta zachowuje miejsca: 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 mieści się w linii remisu w ogólnej klasyfikacji, a jego najsłabsza próba tłumaczy, dlaczego plasuje się za dwoma liderami.

Zadanie 1: osoba mówiąca i liczy na palcach

Piekarz wypowiada jedno dokładne zdanie, pokazuje najpierw jeden, potem dwa, potem trzy palce i klepie bochenek tak, że mąka się unosi. Sprawdza synchronizację ust, słowa, anatomię dłoni i drobną fizykę w jednym statycznym ujęciu. Zwycięzca: remis trzech modeli: Wan 3.0, Seedance 2.5 i Kling 4.0. Wszystkie 15 klipów powiedziało kwestię słowo w słowo. Palce rozdzieliły stawkę: Veo 3.1 nigdy nie dotarł do trzech w żadnej próbie, a MiniMax H3 w dwóch z trzech pokazał pełną dłoń.

Próba 1Próba 2Próba 3

Odtwórz wszystkie pięć, wyciszone

Wyniki mowy

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

Średnia z trzech prób. Pomarańczowy oznacza pierwsze miejsce lub miejsce w odległości 0.3 od niego.

Zadanie 2: słoik miodu z nadrukowaną etykietą

Powolny najazd na oznakowany słoik, gdy miód spływa z łyżki. Sprawdza drobny tekst, czy litery stoją w miejscu i gęstą ciecz. Etykieta to nasz własny, zmyślony produkt. Zwycięzca: Kling 4.0, z Wan 3.0 w linii remisu. Pisownia była prawie opanowana: 14 z 15 klipów miało wszystkie trzy linie poprawnie. Miód nie. Prawie nic nie składało się i nie zwijało tak, jak zamówiono, a Veo 3.1 w żadnej próbie nie wykonał najazdu.

Próba 1Próba 2Próba 3

Odtwórz wszystkie pięć, wyciszone

Wyniki produktu

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

Średnia z trzech prób. Pomarańczowy oznacza pierwsze miejsce lub miejsce w odległości 0.3 od niego.

Zadanie 3: podążanie za rowerzystą przez deszczowy targ

Jedno nieprzerwane ujęcie za kurierem w deszczu: skręt wokół wózka, przebiegający pies, jeden dzwonek, a potem kamera wznosi się nad parasolami, by pokazać całą ulicę. Zwycięzca: MiniMax H3, z Wan 3.0 i Kling 4.0 w linii remisu. Nikt nie trafił w każdy punkt. Kling i H3 trzymały się briefu najbliżej. Wan był najostrzejszy, ale zamienił zwykłe płótno na kolorowe namioty i zmyślone szyldy. Seedance ciągle ucinał jeźdźca, a Veo w dwóch z trzech zgubił jeźdźca całkowicie.

Próba 1Próba 2Próba 3

Odtwórz wszystkie pięć, wyciszone

Wyniki sceny

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

Średnia z trzech prób. Pomarańczowy oznacza pierwsze miejsce lub miejsce w odległości 0.3 od niego.

Co oceniliśmy

Średnie ze wszystkich 45 klipów. Szczegółowość najmniej różnicuje te modele. Trzymanie się briefu różnicuje najbardziej, i ta różnica w dużej mierze tłumaczy, dlaczego ranking wygląda tak, jak wygląda.

Najdroższy model przyszedł na końcu

Veo 3.1 kosztuje za klip cztery razy więcej niż Wan 3.0 i miał najniższy wynik w każdym zadaniu, na równi z MiniMax H3 przy mowie. Kadry na zdjęciach wyglądają pięknie, z najbardziej wiarygodną mąką w teście. Problem to kroki: nigdy nie policzył do trzech, nigdy nie najechał na miód i zgubił jeźdźca w deszczu. Jeśli twoje ujęcie to jeden prosty pomysł, może lepiej ci posłuży, niż sugeruje ten test. Nasze prompty były celowo pełne kroków.

Pisownia stała się łatwa, ciecze nie

Spodziewaliśmy się, że etykieta będzie najtrudniejszą częścią. Czternaście z 15 klipów wydrukowało wszystkie trzy linie poprawnie, a tylko jedna próba Veo dodała jedno obce słowo. Miód, który się składa i zwija, gdy spada, to coś, czego prawie wszyscy nie zrobili. Większość klipów dała nam prostą kolumnę albo sztywny kształt, który prawie się nie zmieniał. Jedna próba Seedance 2.5 to wykonała, co też jest problemem: to była jedna próba z trzech.

O muzyce w niektórych klipach z miodem

Prosiliśmy o dźwięki kuchni i bez muzyki. W 8 z 15 klipów z miodem model zwrócił prawie brak dźwięku, poniżej -40 dB, a nasza ścieżka renderowania dodała pod spodem cichą ścieżkę muzyczną: wszystkie trzy próby MiniMax H3, dwie Seedance 2.5, dwie Veo 3.1 i jedną Wan 3.0. Żadna próba Klinga jej nie potrzebowała. Ta muzyka jest nasza, nie modelu. Te klipy straciły punkty w dźwięku za ciszę i są oznaczone w surowej tabeli. Klipów z mówiącą osobą i scenami nie ruszaliśmy.

Jak to przeprowadziliśmy

Najpierw napisaliśmy trzy prompty i zasady oceniania, potem wyrenderowaliśmy jeden klip pilotażowy, by sprawdzić potok, a resztę dopiero potem. Pilot to jeden z 45. Żaden nie zawiódł, więc nic nie ponawiano ani nie odrzucono.

Każdy klip zamawiał 16:9 w 720p i 6 sekund, bez kontekstu marki i bez przepisywania promptu. Dwa wyjątki: MiniMax H3 działał przez 8 sekund, bo nie miał opcji 6-sekundowej, i dostarcza 1344x768 zamiast 1280x720. Wan 3.0 dostarcza 30 klatek na sekundę, reszta 24.

Każde zadanie mówi to samo każdemu modelowi, napisane tak, jak poleca producent danego modelu, bo uczciwy test nie zmusza jednego modelu do czytania dialektu innego. Kling nie ma przewodnika dla 4.0, więc użyliśmy nawyków z 3.0. Veo 3.1 to pełny model, a nie jego szybka wersja.

Wysłaliśmy ziarna 1101, 2202 i 3303 do Veo 3.1, Wan 3.0 i MiniMax H3. Nasz potok renderowania nie przekazuje ziarna do Seedance 2.5 ani Kling 4.0, więc te próby to trzy niezależne uruchomienia. Żaden model nie potwierdził użytego ziarna.

Ocenianie było w ciemno i wykonali je dwaj oddzielni oceniający AI, a nie ludzie. Każdy klip zredukowano do 12 klatek od początku do końca, spektrogramu jego dźwięku, głośności i transkrypcji, pod losowym kodem. Żaden oceniający nie widział, który model zrobił klip, dopóki nie wpisano ocen. Obaj oceniający zgodzili się bardzo blisko, z korelacją 0.91 między klipami i średnią różnicą 0.36 punktu na kryterium. Wyniki na tej stronie to ich średnia, a ocena każdego oceniającego znajduje się w CSV.

Niektóre sprawdzenia nie wymagały osądu. Lokalna transkrypcja potwierdziła dokładną kwestię we wszystkich 15 klipach z mówiącą osobą. Wykrywanie scen nie znalazło cięć w żadnym klipie, choć jedna próba Veo 3.1 wygląda jak skok, więc ją oznaczyliśmy. Obaj oceniający liczyli linie etykiety osobno i zgodzili się we wszystkich 15.

Prompty, słowo w słowo

Skopiuj dowolny z nich. Każdy link otwiera ten prompt na danym modelu w 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.

Czego ten test nie powie

Trzy prompty nie obejmują wszystkiego, a trzy próby na zadanie to mała próbka, więc różnicę 0.3 lub mniejszą traktuj jak brak różnicy. Oboma oceniającymi były modele AI, które czytały klatki i pomiary. Nikt nie słuchał tych klipów na ucho: dźwięk oceniano na podstawie transkrypcji, spektrogramów i głośności, więc jakość głosu jest najsłabszym punktem naszej oceny, a 12 klatek może przeoczyć usterkę między nimi. Nasz pomiar synchronizacji ust był przybliżony i nie opieraliśmy się na nim. Najbliżej siebie ustawił Seedance 2.5 i Kling 4.0, a Wan 3.0 odbiegał nawet o pół sekundy, więc jeśli synchronizacja ust jest dla ciebie ważna, obejrzyj klipy. Ocena w ciemno miała jedną znaną lukę: 8-sekundowa długość klipów MiniMax H3 sprawiała, że były rozpoznawalne, a te dodatkowe dwie sekundy mogły mu pomóc przy powolnym odsłonięciu. Wszystko, czego nie ma w tabeli, w tym Seedance 2.0 i HeyGen Video, nie zostało przetestowane. Modele i ceny zmieniają się szybko, a te wyniki pochodzą z jednego dnia.