一个提示词，六个视频模型，九项实测检查

我们发送的内容

一个提示词，在同一个早晨，从同一个账户，原封不动地发送给六个文本生成视频模型。每个片段均为 16:9 比例，时长 6 秒，使用每个模型的 720p 档位（Hailuo 3 使用其最小的 768p 档位）。声音保持每个模型的默认设置。每个模型运行两次。

A quiet bakery storefront on a cobblestone street in the early morning. Above the door, a dark green wooden sign reads BAKERY in large white capital letters. A red bicycle leans against the wall to the left of the door. Exactly three terracotta potted plants stand in a row to the right of the door. A small round cafe table with an open yellow umbrella stands on the pavement at the right of the frame. A ginger cat walks steadily along the pavement in front of the shop, from the left edge of the frame to the right edge. The camera slowly pushes in toward the door for the whole shot. Soft low sunlight from the left. No people anywhere in the shot. Photorealistic.

模型包括：Seedance 2.5、Kling v3、Veo 3.1、Wan 3.0、Grok Imagine Video 1.5 和 Hailuo 3。场景中故意没有人物，以便每项检查都能通过工具测量，而不是依靠主观判断。

我们如何评分

九项检查，通过或未通过，因此单次运行得分为 9 分满分，模型总分为 18 分满分。其中八项由工具测量。一项是花盆的数量，由人工计数，因为检测器有时会将一个花盆拆分为两个，或将桌上的植物计入。

自行车、雨伞、招牌和布局在片段的前三分之一处进行检查。提示词要求镜头推进，这会在后期裁剪场景边缘，因此如果雨伞在第 4 秒离开画面，并不算失败。

评分

简单的部分对所有人来说都很简单。所有 12 个片段在招牌入画时都正确拼写了 BAKERY，绘制了一辆红色自行车和一把黄色雨伞，在地上摆放了一排三个花盆，并让一只姜黄色猫从左向右走过。失误包括出现了一个没人要求的人物，场景布局方向错误，以及镜头移动方向错误。

每个片段

点击任意片段播放。在你点击之前，内容不会加载。首次运行：

第二次运行，使用相同的提示词和设置：

未通过项的表现

检查项未能发现的问题

评分标准只能看到它测量的内容。这些问题是在我们检查未通过项时发现的，对于某些任务来说，它们比通过或失败更重要。

• 慢有多慢。 提示词要求缓慢推进。从片段的 10% 到 90% 测量，Veo 3.1 的画面分别放大了 1.8 倍和 2.6 倍；其他模型放大了 1.10 到 1.45 倍，除了 Grok 第一次运行的横向移动。根据我们的判断，Veo 的移动并不慢，而且在第二次运行中，招牌离开了画面顶部。
• 无人要求的文字。 12 个片段中有 3 个添加了并非真实单词的文字：Seedance 2.5 第一次运行中的窗户文字，文本识别器在每一帧读出的结果都不同；以及 Veo 3.1 和 Wan 3.0 第二次运行中的菜单板。如果你的画面必须没有文字，请在提示词中说明并检查。
• 打开就是打开。 Grok 的第一次运行显示一把黄色雨伞，在整个片段中保持关闭。我们的检测器能识别雨伞是打开还是关闭，因此这通过了颜色检查。我们只是通过肉眼才发现这个问题。
• 猫的去向。 在 Veo 3.1 的第二次运行中，猫转向镜头并充满画面。它最终仍然位于右侧，因此通过了测试。

你获得的结果

使用 ffprobe 和 ffmpeg 对交付的文件进行测量。每个模型的两次运行在尺寸、帧率和时长上均一致。

有两点值得注意。Hailuo 3 在其 768p 档位返回的视频片段比要求的更长，且码率大约只有其他大多数模型的四分之一。Grok 和 Kling 返回的音轨非常安静，几乎无声；由于提示词并未要求任何声音，因此这是一个需要知晓的事实，而非缺陷。

各模型耗时对比

成本分析

以上费率是直接从价格表中按层级读取的，针对 5 秒片段。我们的片段在 720p 层级运行了 6 秒（Hailuo 3 为 768p），因此每个片段的成本比此处列出的价格高五分之一。在确认渲染之前，价格始终会显示给你。

本测试未涵盖的内容

• 它仅使用一个提示词和一种场景类型：静止的街道、一只动物、缓慢的镜头移动。手部动作、快速动作、对话、多人场景或长片段可能会使模型排名有所不同。
• 其中没有人物，因此无法说明任何模型如何绘制人物。
• 每个模型仅运行两次，样本量较小。两次都通过的模型可能在第三次运行中失败。
• 它在每个模型的 720p 层级运行。更高层级可能会改变细节，在某些模型上，甚至改变结果。
• 检测器、颜色测试和文本读取器可能会出错。我们亲自检查了每一个失误，并在下方发布原始数据。
• 它不评估审美。光线、纹理、猫走路的自然程度以及声音的契合度，需要你自己用眼睛和耳朵去判断。

关于动作，我们进行了单独的测试：在让 AI 人物动作更真实中，基于同一帧画面，在四个模型上测试了站立后空翻。对于需要保持形状的汽车，驾车经过的测试在AI 汽车广告中。

方法与原始数据

物体和人物：使用在 COCO 数据集上训练的 Mask R-CNN，置信度为 0.6（人物为 0.7），在覆盖整个片段的 24 帧上进行检测。文本：使用 macOS Vision 文本识别器，关闭语言校正，在 12 帧上进行检测。相机：在片段 10% 到 90% 的 9 帧之间匹配 SIFT 特征，使用 RANSAC 相似性拟合，并乘以缩放比例。颜色：对于自行车，取其掩码内饱和度最高的 20% 像素；对于雨伞，取其掩码内顶部 40% 区域的中位色相。

在我们工作期间，两项颜色测试发生了变化，我们如实说明，因为这些变化影响了结果。第一次自行车测试统计了遮罩中每个饱和像素，而车架管之间露出的暖色墙面在计数上超过了油漆本身。第一次雨伞测试中，Seedance 2.5 生成的芥末黄雨伞在伞杆后的砖墙背景下失败了。这两项测试都已修正为仅测量目标物体，随后使用最终代码对所有片段重新评分。目视计数与检测器在 12 个片段中的 10 个上匹配；但在两个 Veo 3.1 片段中，检测器还统计了桌上的植物或合并了两个花盆。