Vergleich der Einhaltung von KI-Video-Prompts: 6 Modelle, getestet mit denselben Prompts

Wie gut halten sich verschiedene KI-Videomodelle an dieselbe Vorgabe? Dieser Vergleich zur Einhaltung von KI-Video-Anweisungen testet sechs Modelle über GLBGPT: Wan 3.0, Kling 3.0, Seedance 2.5, Grok Imagine, Happy Horse 1.0 und Veo 3.1. Jedes Modell erhält dieselbe Eingabe, sodass Sie sehen können, welches Modell die gewünschten Objekte, Kamerabewegungen, die Reihenfolge der Ereignisse und die Audioanforderungen beibehält.

Jede Hauptkarte verwendet eine festgelegte englische Eingabeaufforderung und mindestens vier Modellausgaben. Die Filmkarte nutzt alle sechs Modelle; die anderen Karten verwenden vier Modelle, die aus demselben Satz von sechs Modellen ausgewählt werden. Wir verwendeten ein 16:9-Bildformat und eine Ausgabeauflösung von 720p und überprüften anschließend die zurückgegebenen Videos und Kontaktabzüge auf sichtbare Abdeckung der Eingabeaufforderung.

Probieren Sie über 100 Top-Modelle auf GlobalGPT aus

Was versteht man unter der Einhaltung von KI-Video-Vorgaben?

Die Genauigkeit der Umsetzung gibt an, inwieweit ein generiertes Video die Details Ihrer Anfrage wiedergibt. Wir haben benannte Objekte, Farben und Muster, Kamerabewegungen, die Reihenfolge der Ereignisse, die Kontinuität der Figuren sowie Vorgaben hinsichtlich Ton und Dialogen überprüft.

Ein Clip kann professionell wirken und dennoch die Vorgabe verfehlen. Er zeigt vielleicht überzeugend Regen, lässt aber die Straßenbahn außer Acht, verwandelt eine schmale weiße Welle in ein anderes Muster, verändert das Gesicht des Schauspielers oder endet vor dem letzten Handlungshöhepunkt. Jede Karte zeigt daher neben den Modellausgaben und den festgestellten Abweichungen den genauen Schwerpunkt der Vorgabe.

Die sechs Modelle in diesem Vergleich

In diesem Artikel wird für alle sechs Modelle dieselbe Zugangsbezeichnung verwendet: GLBGPT. Die Tabelle enthält das gesamte Sortiment; es gibt keinen separaten Modellabschnitt, in dem nur zwei Anbieter vorgestellt werden.

So haben wir die sechs Modelle getestet

Wir haben fünf Prompts eingefroren, bevor wir die Ergebnisse verglichen haben. Das Modell wechselte von Karte zu Karte, während der Prompt, das Seitenverhältnis, die Auflösung, die Dauer und die Audioeinstellungen innerhalb jeder Karte gleich blieben. Eine typische GLBGPT-Anfrage sah wie folgt aus:

{
  "surface": "GLBGPT",
  "model": "seedance-2.5",
  "prompt": "die identische Test-Eingabeaufforderung",
  "aspect_ratio": "16:9",
  "resolution": "720p",
  "duration": 5,
  "audio": false
}

Testkarten zur Überprüfung der Einhaltung von Anweisungen in sechs verschiedenen Modellen

Welches Modell sollten Sie wählen?

Für diesen Vergleich wurden alle sechs Modelle über GLBGPT aufgerufen. Führen Sie Ihre eigene Eingabeaufforderung im selben Arbeitsbereich aus, vergleichen Sie die zurückgegebenen Karten und wählen Sie den Weg, der die Details bewahrt, die Ihr Projekt tatsächlich benötigt.

Endgültiges Urteil zur Einhaltung der Anweisungen

Häufig gestellte Fragen

Welche sechs KI-Videomodelle haben Sie getestet?

Wir haben Wan 3.0, Kling 3.0, Seedance 2.5, Grok Imagine, Happy Horse 1.0 und Veo 3.1 mit GLBGPT getestet.

Wurden bei jeder Eingabe mehr als ein Modell verwendet?

Ja. Jede Haupt-Prompt-Karte enthält mindestens vier Modelle, und die Filmkarte enthält alle sechs. So bleibt jeder Prompt die Vergleichseinheit, anstatt einem Modell einen eigenen Prompt zuzuweisen.

Welches Modell hat die Reihenfolge der filmischen Ereignisse am besten wiedergegeben?

Seedance 2.5 hielt in diesem Durchlauf die Abfolge „Gang in roter Uniform, Drehung zur Kamera und Ankunft des Trams“ in der gewünschten Reihenfolge am deutlichsten ein. Wan 3.0 zeigte in der gepaarten filmischen Umsetzung eine stärkere Abdeckung der Kamera und der Handlung.

Welches Modell hat die feinen visuellen Details am besten wiedergegeben?

Kling 3.0 hat die dünne weiße Welle aus der Keramikgeschichte am wörtlichsten wiedergegeben. Das Ergebnis ist eine Beobachtung auf Aufgabenebene, daher sollten ein Logo, ein Kostüm oder eine Strichzeichnung weiterhin direkt getestet werden.

Wie hat sich Veo 3.1 in dieser Matrix geschlagen?

Veo 3.1 lieferte eine brauchbare Filmdatei und schloss die sichtbaren Bewegungs- und Töpfer-Sequenzen ab, doch die Bewegungsdatei war etwa vier Sekunden lang und die Töpferdatei etwa acht Sekunden, obwohl längere Laufzeiten angefordert worden waren. Diese kürzeren Ergebnisse werden als Ausführungsdetails erfasst und nicht in eine allgemeine Qualitätsbewertung umgerechnet.

Dürfen diese Videos kommerziell genutzt werden?

Die Rechte zur kommerziellen Nutzung hängen vom aktuellen Tarif und den für den Zugangsweg geltenden Bedingungen ab. Bitte überprüfen Sie die aktuellen Bedingungen, bevor Sie bezahlte Kundenaufträge oder Werbematerialien veröffentlichen.

Quellen und Testnachweise

• Vergleich der Einhaltung von Anweisungen in Higgsfield — Hinweis auf die Idee des Vergleichs anhand derselben Eingabeaufforderung.
• GLBGPT-Aufgabenprotokolle und lokale MP4-Ausgaben – Fünf-Prompt-Matrix, 720p, 16:9, mit den auf jeder Karte angezeigten Einstellungen.
• Lokale Kontaktabzüge – dienen zur Überprüfung der Abfolge der Ereignisse, der Kontinuität der Objekte, der Kamerabewegungen und der sichtbaren Details in den zurückgesendeten Clips.