In che misura i diversi modelli di IA per la creazione di video seguono lo stesso prompt? Questo confronto sulla fedeltà alle istruzioni video dell'IA mette alla prova sei modelli tramite GLBGPT: Wan 3.0, Kling 3.0, Seedance 2.5, Grok Imagine, Happy Horse 1.0 e Veo 3.1. Ciascun modello riceve lo stesso prompt, in modo da poter verificare quale di essi rispetta gli oggetti richiesti, i movimenti della telecamera, l’ordine degli eventi e i requisiti audio.
Ogni scheda principale utilizza un prompt fisso in inglese e almeno quattro output dei modelli. La scheda cinematografica utilizza tutti e sei i modelli; le altre schede utilizzano quattro modelli selezionati dallo stesso insieme di sei modelli. Abbiamo utilizzato un formato 16:9 e un output a 720p, quindi abbiamo esaminato i video restituiti e i provini per verificare la copertura visibile del prompt.
Risposta rapida: Non c'è un vincitore assoluto che si distingua in tutte e cinque le prove. Wan 3.0 ha fornito le riprese più nitide nei test di movimento, Kling 3.0 ha mantenuto il motivo ceramico nel modo più fedele possibile, e Seedance 2,5 ha mantenuto la sequenza cinematografica del camminare, della svolta e dell'arrivo del tram in un ordine ben definito. Grok Imagine era molto forte nel settore delle fotocamere commerciali, Happy Horse 1.0 ha reso i personaggi e gli snodi narrativi di facile comprensione, e Veo 3.1 ha restituito file utilizzabili per i prompt "cinematico", "movimento" e "ceramica", con durate più brevi per gli ultimi due.
Che cos’è l’aderenza ai prompt video basati sull’intelligenza artificiale?
L'aderenza al prompt indica in che misura un video generato rispetta i dettagli specificati nella richiesta. Abbiamo verificato la presenza di oggetti specificati, colori e motivi, i movimenti della telecamera, l'ordine degli eventi, la continuità dei personaggi e i vincoli relativi all'audio o ai dialoghi.
Un filmato può sembrare ben realizzato e tuttavia non rispondere al prompt. Potrebbe mostrare una pioggia convincente ma tralasciare il tram, trasformare una sottile onda bianca in un motivo diverso, modificare il volto dell’attore o interrompersi prima del momento culminante della storia. Ogni scheda mostra quindi l’esatto punto focale del prompt accanto ai risultati del modello e agli errori osservati.
I sei modelli oggetto di questo confronto
In questo articolo, tutti e sei i modelli utilizzano la stessa etichetta di accesso: GLBGPT. La tabella riporta la gamma completa; non esiste una sezione dedicata ai modelli che presenti solo due fornitori.
| Modello | Accesso | Copertura immediata in questo confronto | Cosa valutano i test |
|---|---|---|---|
| Wan 3.0 | GLBGPT | Tutte e cinque le domande | Movimenti di macchina, personaggi, azione, audio, sequenza narrativa |
| Kling 3.0 | GLBGPT | Tutte e cinque le domande | Movimenti di macchina, personaggi, azione, audio, sequenza narrativa |
| Seedance 2,5 | GLBGPT | Scena cinematografica, personaggio, dialogo | Sequenza degli eventi, descrizione dei personaggi, scene di dialogo |
| Grok Imagine | GLBGPT | Cinematografia, movimento, dialoghi | Percorso della telecamera, inquadratura dell'azione, scena con due personaggi |
| Happy Horse 1.0 | GLBGPT | Cinematografico, personaggi, ceramica | Continuità dei personaggi e struttura narrativa in tre fasi |
| Veo 3.1 | GLBGPT | Richiesta cinematografica, movimento, ceramica | Accettazione del percorso, movimenti della telecamera, momenti chiave della storia |
Come abbiamo testato i sei modelli
Abbiamo congelato cinque prompt prima di confrontare i risultati. Il modello variava da scheda a scheda, mentre il prompt, le proporzioni, la risoluzione, la durata e le impostazioni audio rimanevano invariati all’interno di ciascuna scheda. Una struttura rappresentativa delle richieste GLBGPT era la seguente:
{
"surface": "GLBGPT",
"model": "seedance-2.5",
"prompt": "lo stesso prompt di prova",
"aspect_ratio": "16:9",
"resolution": "720p",
"duration": 5,
"audio": false
}| Prompt | Modelli a confronto nella stessa scheda | Impostazioni fisse |
|---|---|---|
| Trasformazione cinematografica da testo a video | Wan 3.0 · Kling 3.0 · Seedance 2.5 · Grok Imagine · Happy Horse 1.0 · Veo 3.1 | 5 secondi · 720p · 16:9 · senza audio |
| Coerenza dei caratteri | Wan 3.0 · Kling 3.0 · Seedance 2.5 · Happy Horse 1.0 | 5 secondi · 720p · 16:9 · senza audio |
| Controllo complesso del movimento e della telecamera | Wan 3.0 · Kling 3.0 · Grok Imagine · Veo 3.1 | 5 secondi · 720p · 16:9 · senza audio |
| Dialoghi e audio originale | Wan 3.0 · Kling 3.0 · Seedance 2.5 · Grok Imagine | 5 secondi · 720p · 16:9 · audio originale richiesto |
| La storia della ceramica in tre tempi | Wan 3.0 · Kling 3.0 · Happy Horse 1.0 · Veo 3.1 | 15 secondi · 720p · 16:9 · audio originale richiesto |
Schede di verifica dell’aderenza al protocollo con sei modelli
TEST COMPLETATI I cinque prompt riportati di seguito raggruppano i rispettivi confronti. Ogni prompt ha almeno quattro modelli; il primo prompt cinematografico ne ha tutti e sei. La durata restituita viene misurata a partire da ciascun file MP4 locale, quindi un percorso che termina in anticipo viene descritto come “restituito” anziché essere considerato come un punteggio di qualità nascosto.
Prompt 1 · sei modelli · 5 secondi · 720p · 16:9
Trasformazione cinematografica da testo a video
Prompt: Una ripresa cinematografica in carrellata segue una donna con un lungo cappotto rosso che cammina di notte lungo una strada illuminata dai neon e bagnata dalla pioggia. Si volta verso la telecamera mentre un tram le passa alle spalle, con i riflessi che si muovono in modo naturale sul pavimento bagnato. Movimenti umani realistici, volti e abiti coerenti, profondità di campo ridotta, ripresa a mano libera controllata, senza tagli.
Wan 3.0 GLBGPT
Kling 3.0 GLBGPT
Seedance 2,5 GLBGPT
Grok Imagine GLBGPT
Happy Horse 1.0 GLBGPT
Veo 3.1 GLBGPT · 5,04 s
- Wan: segue la donna, mostra la svolta e accompagna il tram attraverso lo sfondo.
- Kling: mantiene un'illuminazione suggestiva tipica dei giorni di pioggia, ma il soggetto risulta relativamente statico.
- Seedance 2.5: mantiene la camminata vista da dietro, la svolta visibile e l'arrivo del tram nell'ordine richiesto.
- Grok: mantiene il cappotto rosso, la pioggia, la strada illuminata dai neon e il tram, con quest’ultimo che attraversa chiaramente lo sfondo dietro il soggetto.
- Happy Horse: Inizia con un'inquadratura alle spalle della donna, per poi passare alla svolta e al tram con un primo piano più ravvicinato.
- Veo: mantiene il cappotto rosso e l'abbonamento al tram, ma la ripresa è più statica rispetto a quella di Wan e Seedance.
Osservazione delle attività: il modello Seedance 2.5 presenta la corrispondenza più chiara tra gli eventi; Wan offre la copertura più completa in termini di riprese e azioni in questa scheda che comprende sei modelli.
Prompt 2 · quattro modelli · 5 secondi · 720p · 16:9
Coerenza dei personaggi senza un'immagine di riferimento
Prompt: Un'unica ripresa continua dello stesso anziano orologiaio con occhiali rotondi argentati, un gilet verde e una piccola cicatrice sopra il sopracciglio sinistro. Prende in mano un orologio da tasca, si allontana dal banco da lavoro verso la finestra, si gira di profilo, poi si riporta di fronte alla telecamera. Il volto, gli occhiali, l’abbigliamento, l’età e la cicatrice devono rimanere invariati per tutta la durata della ripresa.
Wan 3.0 GLBGPT
Kling 3.0 GLBGPT
Seedance 2,5 GLBGPT
Happy Horse 1.0 GLBGPT
- Wan e Kling: mantengono riconoscibile l'orologiaio, ma nessuna delle due riproduce chiaramente la cicatrice sul sopracciglio.
- Seedance 2.5: conserva l'orologiaio anziano, gli occhiali, il gilet e il movimento dal banco da lavoro alla finestra; la cicatrice non è chiaramente visibile.
- Happy Horse: mantiene gli occhiali e il gilet durante il movimento dal profilo alla vista frontale; anche la cicatrice caratteristica non è ben visibile.
Osservazione dei compiti: tutti e quattro conservano l’identità principale meglio rispetto al più piccolo dettaglio facciale; non è stato assegnato alcun vincitore a livello di modello.
Prompt 3 · quattro modelli · 5 secondi · 720p · 16:9
Movimenti complessi e controllo della telecamera
Prompt: Un ciclista sfreccia in discesa attraverso un affollato mercato mediterraneo, mentre la telecamera inizia con una ripresa frontale in controcampo, si sposta dolcemente verso il suo lato sinistro e sale fino a offrire un'ampia inquadratura dall'alto. I venditori si fanno da parte, le tende di stoffa ondeggiano al vento, le arance rotolano fuori da un cesto rovesciato e ogni evento si svolge in quell'ordine, con una fisica realistica.
Wan 3.0 GLBGPT
Kling 3.0 GLBGPT
Grok Imagine GLBGPT
Veo 3.1 GLBGPT
- Wan: offre la traiettoria frontale più nitida e passa a una visuale dall'alto.
- Kling: mostra in modo più chiaro il cesto ribaltato e le arance che rotolano.
- Grok: esegue un movimento fluido dalla parte anteriore a quella laterale e poi verso l’alto, mantenendo le arance ben visibili.
- Veo: mantiene il ciclista e il mercato, ma lascia che le tende da sole dominino le inquadrature successive; la sequenza completa degli eventi risulta meno chiara.
Osservazione dell'attività: Wan e Grok offrono la copertura più ampia del percorso della telecamera; Kling è il migliore per quanto riguarda i dettagli arancioni.
Prompt 4 · quattro modelli · 5 secondi · 720p · audio originale richiesto
Dialoghi e audio originale
Prompt: All’interno di uno scompartimento tranquillo del treno, una donna dice: “Abbiamo perso l’ultima fermata”. Un uomo seduto di fronte a lei risponde: “Allora andiamo fino in fondo”. Mantieni distinte le due voci, sincronizza ogni battuta con il parlante corretto, includi un leggero sottofondo ambientale del treno e il rumore delle ruote, e non aggiungere musica.
Wan 3.0 GLBGPT
Kling 3.0 GLBGPT
Seedance 2,5 GLBGPT
Grok Imagine GLBGPT
- In tutte e quattro le scene ambientate in uno scompartimento ferroviario erano visibili due persone che parlavano.
- Wan e Kling hanno restituito tracce AAC stereo della durata di 5,04 secondi nei record salvati; i nuovi file Seedance e Grok sono stati esaminati per verificare la copertura delle scene, ma l’assegnazione esatta delle battute e dei parlanti richiede ancora un ascolto controllato.
- Seedance mostra la donna e l'uomo in inquadrature separate; Grok mantiene entrambi i protagonisti nella stessa composizione per la maggior parte dei fotogrammi.
Osservazione dell'attività: non verrà proclamato alcun vincitore finché le quattro tracce audio non saranno state trascritte e ascoltate secondo lo stesso protocollo di valutazione.
Prompt 5 · quattro modelli · 15 secondi · 720p · audio originale richiesto
La storia delle ceramiche a tre motivi coordinati
Prompt: Crea una storia cinematografica coerente della durata di 15 secondi, articolata in tre scene collegate tra loro: in un accogliente laboratorio di ceramica, un artigiano adulto che indossa un grembiule color ruggine modella un alto vaso blu su un tornio; lo stesso artigiano dipinge con cura un sottile motivo ondulato bianco attorno allo stesso vaso; il vaso finito è appoggiato su un tavolo di legno accanto a una piccola pianta verde, mentre l’artigiano sorride sullo sfondo. Mantenere per tutta la durata del filmato lo stesso artigiano adulto, il grembiule color ruggine, il vaso blu, l’atelier e l’illuminazione calda. Utilizza transizioni naturali tra le scene, movimenti realistici delle mani, suoni delicati del tornio e del pennello, senza narrazione né musica.
Wan 3.0 GLBGPT
Kling 3.0 GLBGPT
Happy Horse 1.0 GLBGPT
Veo 3.1 GLBGPT
- Wan: completa la modellatura, la verniciatura e l’esposizione, ma allarga l’onda sottile richiesta trasformandola in un motivo decorativo più ampio.
- Kling: mantiene in modo più fedele la caratteristica onda bianca e il grembiule color ruggine.
- Happy Horse: mantiene il vaso blu, l’onda bianca e la composizione finale di piante; l’inquadratura artigianale cambia a ogni battuta.
- Veo: completa il percorso del vaso e la sua presentazione finale con un’onda visibile e una pianta; la continuità identitaria è meno stabile rispetto alla continuità oggettiva.
Osservazioni sul compito: Kling è il più efficace nel rappresentare i dettagli letterali dell’onda bianca; Happy Horse e Veo illustrano chiaramente i tre momenti salienti della storia.
Quale modello scegliere?
Scegli Wan 3.0 per:
- Movimenti di macchina ambiziosi
- Copertura più approfondita della vicenda
- Un ottimo punto di partenza per prompt con un elevato contenuto di movimento
Scegli Kling 3.0 per:
- Dettagli visivi e motivi letterali
- Flussi di lavoro relativi ai dialoghi dei personaggi e alla sincronizzazione labiale
- Scene compatte a scatti multipli
Scegli Seedance 2.5 per:
- Eventi cinematografici ordinati
- Una svolta evidente e un'azione in secondo piano in un unico breve
- Prompt in cui l'ordine degli eventi è più importante di un punteggio complessivo
Prova Grok, Happy Horse o Veo quando:
- Vuoi una seconda interpretazione della telecamera
- Ti interessano gli sviluppi narrativi chiari e la copertura completa degli argomenti
- È possibile testare il prompt esatto prima della messa in produzione
Per questo confronto, tutti e sei i modelli sono stati consultati tramite GLBGPT. Esegui il tuo prompt nello stesso spazio di lavoro, confronta le schede restituite e scegli il percorso che conserva i dettagli di cui il tuo progetto ha effettivamente bisogno.
Verdetto finale sull’adesione alle istruzioni
Non esiste un modello vincente universale. Questo test su sei modelli individua i vincitori a livello di compito: Wan 3.0 per la copertura della telecamera, Kling 3.0 per il motivo letterale delle ceramiche e Seedance 2.5 per l’ordine degli eventi nel brief cinematografico. Grok Imagine ha gestito bene il percorso della telecamera nel mercato, Happy Horse 1.0 ha mantenuto chiari i momenti salienti relativi ai personaggi e alle ceramiche, mentre Veo 3.1 ha prodotto risultati di esecuzione contrastanti tra i diversi prompt. Questi risultati descrivono specificatamente tali prompt e esecuzioni, non ogni possibile brief video.
Domande frequenti
Quali sei modelli video basati sull’intelligenza artificiale hai testato?
Abbiamo testato Wan 3.0, Kling 3.0, Seedance 2.5, Grok Imagine, Happy Horse 1.0 e Veo 3.1 tramite GLBGPT.
Ogni prompt ha utilizzato più di un modello?
Sì. Ogni scheda di prompt principale contiene almeno quattro modelli, mentre la scheda cinematografica ne contiene tutti e sei. In questo modo ogni prompt rimane l'unità di riferimento, invece di assegnare a un singolo modello un prompt separato.
Quale modello ha rispettato al meglio la sequenza degli eventi cinematografici?
In questa ripresa, Seedance 2.5 ha mantenuto la camminata in giacca rossa, la svolta verso la telecamera e l’arrivo del tram nell’ordine più chiaro richiesto. Wan 3.0 ha mostrato una copertura più efficace della telecamera e dell’azione nel risultato cinematografico abbinato.
Quale modello ha riprodotto al meglio i dettagli visivi più sottili?
Kling 3.0 ha riprodotto in modo estremamente fedele la sottile onda bianca della storia della ceramica. Il risultato è un’osservazione a livello di compito, pertanto un logo, un costume o un prompt di disegno al tratto dovrebbero comunque essere testati direttamente.
Come si è comportato il modello Veo 3.1 in questa matrice?
Veo 3.1 ha restituito un file cinematografico utilizzabile e ha completato le sequenze relative al movimento visibile e alla ceramica, ma il file relativo al movimento durava circa quattro secondi e quello relativo alla ceramica circa otto secondi, nonostante fossero state richieste durate maggiori. Questi risultati più brevi sono registrati come dettagli di esecuzione e non vengono convertiti in un punteggio di qualità universale.
Questi video possono essere utilizzati a fini commerciali?
I diritti di utilizzo commerciale dipendono dal piano attualmente in vigore e dai termini relativi al percorso di accesso. Verifica i termini in vigore prima di pubblicare lavori realizzati per clienti a pagamento o materiale pubblicitario.
Fonti e prove sperimentali
- Confronto sull'aderenza alle indicazioni a Higgsfield — riferimento all'idea del confronto tra prompt identici.
- Record delle attività GLBGPT e output MP4 locali — matrice a cinque prompt, 720p, 16:9, con le impostazioni indicate su ciascuna scheda.
- Schede di controllo locali — utilizzate per verificare la sequenza degli eventi, la continuità degli oggetti, i movimenti della telecamera e i dettagli visibili nelle clip restituite.
