โมเดลวิดีโอ AI ต่าง ๆ สามารถปฏิบัติตามคำสั่งเดียวกันได้ดีเพียงใด? การเปรียบเทียบการปฏิบัติตามคำสั่งวิดีโอ AI ครั้งนี้ทดสอบหกโมเดลผ่าน GLBGPT: Wan 3.0, Kling 3.0, Seedance 2.5, Grok Imagine, Happy Horse 1.0 และ Veo 3.1 แต่ละโมเดลจะได้รับคำสั่งเดียวกัน เพื่อให้คุณสามารถตรวจสอบได้ว่าโมเดลใดสามารถรักษาวัตถุที่ร้องขอ การเคลื่อนไหวของกล้อง ลำดับเหตุการณ์ และข้อกำหนดด้านเสียงไว้ได้.
ทุกการ์ดหลักใช้คำสั่งภาษาอังกฤษแบบคงที่หนึ่งคำสั่ง และผลลัพธ์จากโมเดลอย่างน้อยสี่ตัว ส่วนการ์ดแบบภาพยนตร์ใช้โมเดลทั้งหกตัว ส่วนการ์ดอื่นๆ ใช้โมเดลสี่ตัวที่เลือกจากชุดโมเดลหกตัวเดียวกัน เราใช้สัดส่วนภาพ 16:9 และความละเอียด 720p จากนั้นตรวจสอบวิดีโอและแผ่นภาพตัวอย่างที่ได้รับมาเพื่อดูว่าคำสั่งถูกครอบคลุมอย่างชัดเจนหรือไม่.
คำตอบด่วน: ไม่มีผู้ชนะที่โดดเด่นในทุกหัวข้อทั้งห้า. Wan 3.0 ให้ภาพจากกล้องที่ชัดเจนที่สุดในการทดสอบการเคลื่อนไหว, คลิง 3.0 ได้รักษาลวดลายของเครื่องปั้นดินเผาไว้อย่างตรงตามต้นแบบที่สุด และ Seedance 2.5 รักษาลำดับการเดิน การหันตัว และการมาถึงของรถรางให้ชัดเจนที่สุด. กร็อก จินตนาการ มีความแข็งแกร่งในด้านกล้องสำหรับตลาด, Happy Horse 1.0 ทำให้ตัวละครและจุดสำคัญของเรื่องยังคงอ่านได้อย่างราบรื่น และ Veo 3.1 ได้ไฟล์ที่ใช้งานได้สำหรับคำสั่งสร้างภาพยนต์ ภาพเคลื่อนไหว และงานเครื่องปั้นดินเผา โดยระยะเวลาที่ส่งกลับมาสำหรับสองคำสั่งหลังนี้สั้นกว่า.
AI Video Prompt Adherence คืออะไร?
“Prompt adherence” คือระดับที่วิดีโอที่สร้างขึ้นรักษาข้อมูลรายละเอียดในคำขอของคุณไว้ได้ เราได้ตรวจสอบวัตถุที่มีชื่อ สีและลวดลาย การเคลื่อนไหวของกล้อง ลำดับเหตุการณ์ ความต่อเนื่องของตัวละคร และข้อจำกัดด้านเสียงหรือบทสนทนา.
คลิปวิดีโออาจดูสมบูรณ์แบบ แต่ยังอาจไม่ตรงกับหัวข้อที่กำหนดได้ เช่น อาจแสดงภาพฝนที่ดูสมจริง แต่กลับขาดภาพรถรางไป หรือเปลี่ยนคลื่นน้ำสีขาวบางๆ ให้กลายเป็นรูปแบบอื่น หรือเปลี่ยนใบหน้าของนักแสดง หรือหยุดก่อนถึงจุดสำคัญสุดท้ายของเรื่องราว ดังนั้น แต่ละการ์ดจึงแสดงจุดเน้นของหัวข้อที่กำหนดไว้อย่างชัดเจน ควบคู่กับผลลัพธ์ของโมเดลและข้อผิดพลาดที่สังเกตได้.
หกแบบที่นำมาเปรียบเทียบในครั้งนี้
ทั้งหกแบบใช้ป้ายระบุการเข้าถึงเดียวกันในบทความนี้: GLBGPT. ตารางนี้แสดงรายชื่อผู้ให้บริการทั้งหมด; ไม่มีส่วนที่แยกออกมาเพื่อแนะนำผู้ให้บริการเพียงสองรายเท่านั้น.
| แบบจำลอง | การเข้าถึง | การรายงานข่าวอย่างรวดเร็วในการเปรียบเทียบนี้ | สิ่งที่การทดสอบด้วยไพ่ตรวจสอบ |
|---|---|---|---|
| Wan 3.0 | GLBGPT | คำสั่งทั้งห้าข้อ | การเคลื่อนไหวของกล้อง, ตัวละคร, การเคลื่อนไหว, เสียง, ลำดับเรื่องราว |
| คลิง 3.0 | GLBGPT | คำสั่งทั้งห้าข้อ | การเคลื่อนไหวของกล้อง, ตัวละคร, การเคลื่อนไหว, เสียง, ลำดับเรื่องราว |
| Seedance 2.5 | GLBGPT | สไตล์ภาพยนตร์, ตัวละคร, บทสนทนา | ลำดับเหตุการณ์, รายละเอียดตัวละคร, ฉากสนทนา |
| กร็อก จินตนาการ | GLBGPT | สไตล์ภาพยนตร์, การเคลื่อนไหว, บทสนทนา | เส้นทางกล้อง, การถ่ายทำฉากแอคชัน, ฉากที่มีผู้พูดสองคน |
| Happy Horse 1.0 | GLBGPT | สไตล์ภาพยนตร์, ตัวละคร, เครื่องปั้นดินเผา | ความต่อเนื่องของตัวละครและการเล่าเรื่องแบบสามจังหวะ |
| Veo 3.1 | GLBGPT | คำขอเกี่ยวกับภาพยนตร์, การเคลื่อนไหว, งานปั้นดินเผา | การกำหนดเส้นทาง, การเคลื่อนไหวของกล้อง, จุดสำคัญของเรื่องราว |
วิธีที่เราทดสอบทั้งหกแบบ
เราได้ล็อกคำสั่งห้าข้อไว้ก่อนที่จะเปรียบเทียบผลลัพธ์ โมเดลมีการเปลี่ยนแปลงจากบัตรหนึ่งไปยังบัตรอีกบัตรหนึ่ง ในขณะที่คำสั่ง อัตราส่วนภาพ ความละเอียด ระยะเวลา และการตั้งค่าเสียงยังคงเหมือนเดิมภายในแต่ละบัตร รูปแบบคำขอ GLBGPT ที่เป็นตัวแทนคือ:
{
"surface": "GLBGPT",
"model": "seedance-2.5",
"prompt": "ข้อความคำสั่งทดสอบที่เหมือนกัน",
"aspect_ratio": "16:9",
"resolution": "720p",
"duration": 5,
"audio": false
}| คำสั่ง | รุ่นที่เปรียบเทียบกันในบัตรเดียวกัน | การตั้งค่าคงที่ |
|---|---|---|
| ภาพยนตร์จากข้อความสู่ภาพเคลื่อนไหว | Wan 3.0 · Kling 3.0 · Seedance 2.5 · Grok Imagine · Happy Horse 1.0 · Veo 3.1 | 5 วินาที · 720p · 16:9 · ไม่มีเสียง |
| ความสม่ำเสมอของตัวละคร | Wan 3.0 · Kling 3.0 · Seedance 2.5 · Happy Horse 1.0 | 5 วินาที · 720p · 16:9 · ไม่มีเสียง |
| การควบคุมการเคลื่อนไหวและกล้องที่ซับซ้อน | Wan 3.0 · Kling 3.0 · Grok Imagine · Veo 3.1 | 5 วินาที · 720p · 16:9 · ไม่มีเสียง |
| บทสนทนาและเสียงต้นฉบับ | Wan 3.0 · Kling 3.0 · Seedance 2.5 · Grok Imagine | 5 วินาที · 720p · 16:9 · ขอใช้เสียงต้นฉบับ |
| เรื่องราวของเครื่องปั้นดินเผาสามจังหวะ | Wan 3.0 · Kling 3.0 · Happy Horse 1.0 · Veo 3.1 | 15 วินาที · 720p · 16:9 · ขอใช้เสียงต้นฉบับ |
บัตรทดสอบการปฏิบัติตามคำสั่งแบบหกแบบ
การทดสอบเสร็จสิ้นแล้ว คำสั่งทั้งห้าข้อด้านล่างนี้ช่วยรักษาความสอดคล้องของการเปรียบเทียบแต่ละครั้ง คำสั่งแต่ละข้อมีโมเดลอย่างน้อยสี่ตัว ส่วนคำสั่งแบบภาพยนตร์ข้อแรกมีโมเดลทั้งหกตัว ระยะเวลาที่ระบบส่งคืนถูกวัดจากไฟล์ MP4 ท้องถิ่นแต่ละไฟล์ ดังนั้น เส้นทางที่สิ้นสุดก่อนกำหนดจะถูกอธิบายว่า "ส่งคืน" แทนที่จะถูกพิจารณาเป็นคะแนนคุณภาพที่ซ่อนอยู่.
คำสั่ง 1 · 6 แบบ · 5 วินาที · 720p · 16:9
แปลงข้อความเป็นวิดีโอแบบภาพยนตร์
ข้อความสำหรับป้อน: ฉากถ่ายแบบติดตาม (tracking shot) ในสไตล์ภาพยนตร์ติดตามผู้หญิงคนหนึ่งที่สวมเสื้อโค้ทยาวสีแดง กำลังเดินผ่านถนนที่เต็มไปด้วยแสงนีออนและเปียกชุ่มไปด้วยน้ำฝนในยามค่ำคืน เธอหันหน้ามาทางกล้องขณะที่รถรางแล่นผ่านด้านหลังเธอ ภาพสะท้อนเคลื่อนที่อย่างเป็นธรรมชาติบนพื้นถนนที่เปียกชุ่ม การเคลื่อนไหวของมนุษย์ที่สมจริง ใบหน้าและเสื้อผ้าที่สอดคล้องกัน ความลึกของสนามภาพที่ตื้น การถือกล้องด้วยมืออย่างมั่นคง และไม่มีการตัดต่อ.
Wan 3.0 GLBGPT
คลิง 3.0 GLBGPT
Seedance 2.5 GLBGPT
กร็อก จินตนาการ GLBGPT
Happy Horse 1.0 GLBGPT
Veo 3.1 GLBGPT · 5.04 วินาที
- วัน: ตามผู้หญิงไป แสดงการเลี้ยว และนำรถรางผ่านฉากหลัง.
- คลิง: รักษาแสงฝนที่สวยงามไว้ได้ แต่ตัวแบบดูค่อนข้างนิ่ง.
- Seedance 2.5: รักษาลำดับการเดินจากด้านหลัง การเลี้ยวที่มองเห็นได้ และการมาถึงของรถราง ตามลำดับที่ขอไว้.
- กร็อก: ยังคงมีภาพของเสื้อสีแดง ฝน ถนนที่มีแสงนีออน และรถราง โดยรถรางกำลังวิ่งผ่านด้านหลังตัวแบบอย่างชัดเจน.
- ม้าสุขสันต์: เริ่มจากด้านหลังผู้หญิง แล้วค่อยๆ นำมุมเลี้ยวและรถรางเข้ามาในภาพ พร้อมกับการซูมเข้าที่ใบหน้าให้ใกล้ขึ้น.
- Veo: ยังคงมีเสื้อสีแดงและบัตรรถรางอยู่ แต่ภาพจากกล้องนี้ดูนิ่งกว่าภาพจาก Wan และ Seedance.
การสังเกตงาน: Seedance 2.5 มีความสอดคล้องของลำดับเหตุการณ์ที่ชัดเจนที่สุด; Wan มีการครอบคลุมกล้อง/การเคลื่อนไหวที่ดีที่สุดในชุดการ์ด 6 รุ่นนี้.
คำสั่งที่ 2 · 4 แบบ · 5 วินาที · 720p · 16:9
ความสม่ำเสมอของตัวละครโดยไม่มีภาพอ้างอิง
ข้อความสำหรับป้อน: ฉากถ่ายต่อเนื่องเดียวของช่างทำนาฬิกาวัยสูงอายุคนเดียวกัน ซึ่งสวมแว่นตากรอบเงินทรงกลม เสื้อกั๊กสีเขียว และมีรอยแผลเล็กเหนือคิ้วซ้าย เขาหยิบนาฬิกาพกขึ้น เดินจากโต๊ะทำงานไปยังหน้าต่าง หันตัวให้กล้องเห็นด้านข้าง แล้วหันกลับมาเผชิญหน้ากับกล้องอีกครั้ง ให้ใบหน้า แว่นตา เสื้อผ้า อายุ และรอยแผลของเขาไม่เปลี่ยนแปลงตลอดทั้งฉาก.
Wan 3.0 GLBGPT
คลิง 3.0 GLBGPT
Seedance 2.5 GLBGPT
Happy Horse 1.0 GLBGPT
- Wan และ Kling: ทำให้ผู้ทำนาฬิกายังคงดูออกได้ แต่ไม่ทั้งสองแบบที่เก็บรักษาแผลเป็นบนคิ้วไว้อย่างชัดเจน.
- Seedance 2.5: รักษาสภาพของช่างทำนาฬิกาวัยสูงอายุ แว่นตา เสื้อกั๊ก และกลไกนาฬิกาที่เคลื่อนจากโต๊ะทำงานไปยังหน้าต่าง; รอยแผลนั้นไม่เห็นได้ชัดเจน.
- ม้าสุขสันต์: ยังคงสวมแว่นตาและเสื้อกั๊กไว้ตลอดการเคลื่อนไหวจากด้านข้างสู่ด้านหน้า; รอยแผลเป็นที่เป็นลักษณะเด่นก็ยังไม่ชัดเจน.
การสังเกตงาน: ทั้งสี่แบบรักษาเอกลักษณ์หลักได้ดีกว่ารายละเอียดใบหน้าที่เล็กที่สุด; ไม่มีการกำหนดผู้ชนะในระดับโมเดล.
คำสั่งที่ 3 · 4 แบบ · 5 วินาที · 720p · 16:9
การเคลื่อนไหวที่ซับซ้อนและการควบคุมกล้อง
ข้อความสำหรับป้อน: นักปั่นจักรยานกำลังแข่งลงเขาผ่านตลาดเมดิเตอร์เรเนียนที่แออัด ขณะที่กล้องเริ่มด้วยมุมต่ำแบบติดตามจากด้านหน้า โค้งไปทางซ้ายของเขาอย่างนุ่มนวล แล้วค่อยๆ ยกขึ้นจนกลายเป็นมุมมองกว้างจากด้านบน ผู้ขายสินค้าก้าวหลบไปข้างๆ ผ้ากันแดดโบกสะบัดตามลม ส้มกลิ้งออกมาจากตะกร้าที่ล้มลง และทุกเหตุการณ์เกิดขึ้นตามลำดับนั้นด้วยหลักฟิสิกส์ที่สมจริง.
Wan 3.0 GLBGPT
คลิง 3.0 GLBGPT
กร็อก จินตนาการ GLBGPT
Veo 3.1 GLBGPT
- วัน: สร้างการเคลื่อนไหวตามแนวหน้าอย่างชัดเจนที่สุด และค่อยๆ เปลี่ยนเป็นมุมมองจากด้านบน.
- คลิง: แสดงภาพตะกร้าที่มีปลายเอียงและส้มที่กลิ้งไปมาได้อย่างชัดเจนยิ่งขึ้น.
- กร็อก: ทำท่าเคลื่อนที่จากด้านหน้าไปด้านข้างแล้วขึ้นด้านบนได้อย่างชัดเจน และทำให้ส้มยังคงมองเห็นได้.
- Veo: ยังคงรักษาภาพของนักปั่นจักรยานและตลาดไว้ แต่ให้ร่มกันแดดเป็นจุดเด่นในภาพช่วงหลัง; ลำดับเหตุการณ์โดยรวมไม่ชัดเจนนัก.
การสังเกตงาน: Wan และ Grok มีพื้นที่ครอบคลุมของเส้นทางกล้องที่กว้างที่สุด; ส่วน Kling มีความละเอียดของสีส้มที่ดีที่สุด.
คำสั่งที่ 4 · 4 แบบ · 5 วินาที · 720p · ขอใช้เสียงต้นฉบับ
บทสนทนาและเสียงต้นฉบับ
ข้อความสำหรับป้อน: ภายในห้องโดยสารรถไฟที่เงียบสงบ ผู้หญิงคนหนึ่งพูดว่า “เราพลาดสถานีสุดท้ายแล้ว” ผู้ชายที่นั่งตรงข้ามเธอตอบว่า “อย่างนั้นเราก็ไปจนถึงสถานีสุดท้ายเลย” ให้เสียงของทั้งสองคนฟังแยกกันชัดเจน ให้แต่ละประโยคสอดคล้องกับผู้พูดที่ถูกต้อง รวมเสียงบรรยากาศรถไฟและเสียงล้อรถไฟที่เบาๆ เข้าไปด้วย และอย่าเพิ่มเพลงเข้าไป.
Wan 3.0 GLBGPT
คลิง 3.0 GLBGPT
Seedance 2.5 GLBGPT
กร็อก จินตนาการ GLBGPT
- ทั้งสี่ฉากในห้องโดยสารรถไฟมีลำโพงสองตัวที่มองเห็นได้.
- Wan และ Kling ได้ส่งคืนแทร็ก AAC สเตอริโอความยาว 5.04 วินาทีในบันทึกที่เก็บไว้; ไฟล์ Seedance และ Grok ใหม่ได้รับการตรวจสอบเพื่อประเมินการครอบคลุมฉาก แต่การจัดสรรคำพูดและตัวผู้พูดอย่างแม่นยำยังจำเป็นต้องผ่านการฟังอย่างละเอียดในสภาพแวดล้อมที่ควบคุมได้.
- Seedance แสดงภาพผู้หญิงและผู้ชายในมุมมองที่แยกกัน; ส่วน Grok แสดงผู้พูดทั้งสองคนในขบวนรถไฟเดียวกันในส่วนใหญ่ของเฟรม.
การสังเกตงาน: จะไม่มีการกำหนดผู้ชนะจนกว่าทั้งสี่แทร็กเสียงจะถูกถอดความและฟังตามขั้นตอนการตรวจสอบเดียวกัน.
คำสั่งที่ 5 · 4 แบบ · 15 วินาที · 720p · ขอใช้เสียงต้นฉบับ
เรื่องราวของเครื่องปั้นดินเผาแบบสามจังหวะที่เข้าคู่กัน
ข้อความสำหรับป้อน: สร้างเรื่องราวแบบภาพยนตร์ที่มีความต่อเนื่องกัน 15 วินาที ผ่านสามฉากที่เชื่อมโยงกัน: ในห้องทำงานเครื่องปั้นดินเผาที่อบอุ่น ช่างฝีมือผู้ใหญ่ที่สวมผ้ากันเปื้อนสีสนิมกำลังปั้นแจกันสีฟ้าสูงบนล้อหมุน; ช่างคนเดียวกันนั้นวาดลวดลายคลื่นสีขาวบางๆ รอบตัวแจกันเดียวกันอย่างระมัดระวัง; แจกันที่เสร็จสมบูรณ์ตั้งอยู่บนโต๊ะไม้ข้างต้นไม้สีเขียวเล็กๆ ขณะที่ช่างยิ้มอยู่เบื้องหลัง ให้คงตัวละครช่างผู้ใหญ่คนเดียวกัน ผ้ากันเปื้อนสีสนิม แจกันสีฟ้า สตูดิโอ และแสงไฟที่อบอุ่นไว้ตลอดทั้งคลิป ใช้การเปลี่ยนฉากอย่างเป็นธรรมชาติ การเคลื่อนไหวของมือที่สมจริง เสียงเครื่องปั้นดินเผาและพู่กันที่นุ่มนวล และไม่มีเสียงบรรยายหรือดนตรี.
Wan 3.0 GLBGPT
คลิง 3.0 GLBGPT
Happy Horse 1.0 GLBGPT
Veo 3.1 GLBGPT
- วัน: ไม่เพียงแต่เสร็จสิ้นขั้นตอนการขึ้นรูป การทาสี และการจัดแสดง แต่ยังขยายคลื่นบางที่ขอให้เป็นลวดลายตกแต่งที่กว้างขึ้นอีกด้วย.
- คลิง: รักษาคลื่นสีขาวที่สังเกตเห็นได้ชัดเจนและส่วนล่างสีสนิมไว้อย่างตรงตามตัวอักษรมากขึ้น.
- ม้าสุขสันต์: รักษาแจกันสีฟ้า คลื่นสีขาว และการจัดแสดงพืชสุดท้ายไว้; การจัดกรอบแบบช่างฝีมือจะเปลี่ยนไปตามจังหวะ.
- Veo: ทำให้กระบวนการทำงานของแจกันและการจัดแสดงขั้นสุดท้ายสมบูรณ์ด้วยคลื่นและพืชที่มองเห็นได้; ความต่อเนื่องของอัตลักษณ์มีความไม่เสถียรมากกว่าความต่อเนื่องของวัตถุ.
การสังเกตงาน: Kling แสดงรายละเอียดของคลื่นสีขาวแบบตรงตัวได้ดีที่สุด; ส่วน Happy Horse และ Veo ถ่ายทอดสามจุดสำคัญของเรื่องราวได้อย่างชัดเจน.
คุณควรเลือกรุ่นไหนดี?
เลือก Wan 3.0 สำหรับ:
- การเคลื่อนไหวของกล้องที่เต็มไปด้วยความทะเยอทะยาน
- การรายงานข่าวอย่างละเอียด
- จุดเริ่มต้นที่แข็งแกร่งสำหรับคำสั่งที่มีองค์ประกอบเคลื่อนไหวมาก
เลือก Kling 3.0 สำหรับ:
- รายละเอียดและลวดลายทางภาพที่ตรงตามตัวอักษร
- กระบวนการทำงานของบทสนทนาตัวละครและการซิงค์ริมฝีปาก
- ฉากถ่ายภาพหลายช็อตแบบกะทัดรัด
เลือก Seedance 2.5 สำหรับ:
- เหตุการณ์ในภาพยนตร์ที่จัดเรียงตามลำดับ
- การเปลี่ยนทิศทางที่เห็นได้ชัดและกิจกรรมเบื้องหลังในหนึ่งบทสรุปสั้นๆ
- คำสั่งที่ลำดับเหตุการณ์มีความสำคัญมากกว่าคะแนนรวม
ลองใช้ Grok, Happy Horse หรือ Veo เมื่อ:
- คุณต้องการการแปลจากกล้องตัวที่สอง
- คุณให้ความสำคัญกับจังหวะเรื่องราวที่อ่านเข้าใจง่ายและการครอบคลุมวัตถุ
- คุณสามารถทดสอบคำสั่งที่แม่นยำก่อนนำไปใช้จริงได้
ในการเปรียบเทียบครั้งนี้ ได้ใช้ GLBGPT เพื่อเข้าถึงทั้งหกโมเดล ลองใช้คำสั่งของคุณเองในพื้นที่ทำงานเดียวกัน เปรียบเทียบผลลัพธ์ที่ได้รับ และเลือกวิธีที่รักษาข้อมูลรายละเอียดที่โครงการของคุณต้องการจริงๆ.
คำตัดสินสุดท้ายเกี่ยวกับความปฏิบัติตามคำแนะนำ
ไม่มีผู้ชนะตามแบบจำลองสากล. การทดสอบด้วย 6 โมเดลนี้ให้ผลลัพธ์ผู้ชนะในระดับงาน: Wan 3.0 สำหรับการครอบคลุมของกล้อง, Kling 3.0 สำหรับลวดลายเครื่องปั้นดินเผาตามคำอธิบายโดยตรง, และ Seedance 2.5 สำหรับลำดับเหตุการณ์ในบทบรรยายแบบภาพยนตร์ Grok Imagine จัดการเส้นทางกล้องในตลาดได้ดี, Happy Horse 1.0 รักษาความชัดเจนของจังหวะตัวละครและเครื่องปั้นดินเผาได้ และ Veo 3.1 ให้ผลลัพธ์การดำเนินการที่หลากหลายตามแต่ละคำสั่ง ผลลัพธ์เหล่านี้อธิบายถึงคำสั่งและรอบการทดสอบเหล่านี้เท่านั้น ไม่ใช่ทุกบทสรุปวิดีโอที่เป็นไปได้.
คำถามที่พบบ่อย
คุณได้ทดสอบโมเดลวิดีโอ AI 6 แบบใดบ้าง?
เราได้ทดสอบ Wan 3.0, Kling 3.0, Seedance 2.5, Grok Imagine, Happy Horse 1.0 และ Veo 3.1 ผ่าน GLBGPT.
ทุกคำสั่งใช้โมเดลมากกว่าหนึ่งตัวหรือไม่?
ใช่ครับ บัตรคำสั่งหลักทุกใบมีโมเดลอย่างน้อยสี่ตัว ส่วนบัตรแบบภาพยนตร์มีโมเดลทั้งหกตัว ซึ่งทำให้แต่ละคำสั่งยังคงเป็นหน่วยเปรียบเทียบ แทนที่จะให้โมเดลหนึ่งตัวมีคำสั่งแยกต่างหาก.
แบบใดที่สอดคล้องกับลำดับเหตุการณ์ในภาพยนตร์ได้ดีที่สุด?
Seedance 2.5 ได้รักษาลำดับการเดินของตัวละครสวมเสื้อสีแดง การหันหน้าสู่กล้อง และการมาถึงของรถราง ตามลำดับที่ขอไว้อย่างชัดเจนที่สุดในการถ่ายครั้งนี้ ส่วน Wan 3.0 แสดงให้เห็นการครอบคลุมกล้องและการเคลื่อนไหวได้ดีขึ้นในผลลัพธ์ภาพยนตร์แบบคู่.
รุ่นใดที่รักษาความละเอียดของภาพได้ดีที่สุด?
Kling 3.0 ได้ถ่ายทอดคลื่นสีขาวบางๆ ในเรื่องราวของเครื่องปั้นดินเผาอย่างตรงตามตัวอักษรที่สุด ผลลัพธ์ที่ได้คือการสังเกตในระดับงาน ดังนั้น โลโก้ เครื่องแต่งกาย หรือคำสั่งวาดเส้น ควรได้รับการทดสอบโดยตรงต่อไป.
Veo 3.1 มีประสิทธิภาพอย่างไรในเมทริกซ์นี้?
Veo 3.1 ได้ส่งไฟล์ภาพยนตร์ที่ใช้งานได้ และเสร็จสิ้นการสร้างการเคลื่อนไหวที่มองเห็นได้และจังหวะการทำเครื่องปั้นดินเผา แต่ไฟล์การเคลื่อนไหวมีความยาวประมาณสี่วินาที และไฟล์การทำเครื่องปั้นดินเผามีความยาวประมาณแปดวินาที ถึงแม้จะได้รับการร้องขอให้มีระยะเวลาที่ยาวนานกว่านั้นก็ตาม ผลลัพธ์ที่สั้นกว่านี้ถูกบันทึกเป็นรายละเอียดการดำเนินการ และไม่ถูกแปลงเป็นคะแนนคุณภาพแบบสากล.
วิดีโอเหล่านี้สามารถใช้ในวัตถุประสงค์เชิงพาณิชย์ได้หรือไม่?
สิทธิในการใช้งานเชิงพาณิชย์ขึ้นอยู่กับแผนปัจจุบันและเงื่อนไขที่แนบมากับช่องทางเข้าถึง โปรดตรวจสอบเงื่อนไขล่าสุดก่อนที่จะเผยแพร่ผลงานของลูกค้าที่ชำระเงินหรือสื่อโฆษณา.
แหล่งข้อมูลและหลักฐานจากการทดสอบ
- การเปรียบเทียบการปฏิบัติตามคำแนะนำของ Higgsfield — แหล่งอ้างอิงสำหรับแนวคิดการเปรียบเทียบด้วยคำสั่งเดียวกัน.
- บันทึกงาน GLBGPT และไฟล์ MP4 ที่สร้างขึ้น — มatriz คำสั่ง 5 รายการ, 720p, 16:9, พร้อมตั้งค่าที่แสดงบนแต่ละการ์ด.
- ใบตรวจสอบท้องถิ่น — ใช้เพื่อตรวจสอบลำดับเหตุการณ์ ความต่อเนื่องของวัตถุ การเคลื่อนไหวของกล้อง และรายละเอียดที่มองเห็นได้ในคลิปที่ส่งกลับมา.
