Transcription
人工智能视频霸权之战正式打响。一方面，有谷歌和字节跳动这样的巨头，它们承诺将永远改变电影制作。另一方面，阿里巴巴推出了一款全新的开源竞争者，它正在努力证明最好的工具可以免费提供给所有人。那么，让我们坦诚相待吧。我们都看过那些看起来完美无瑕的炫酷人工智能视频演示，但当你亲手使用这些工具时，魔法真的还在吗？它们真的能处理我们想要创造的复杂、奇怪和特定的想法吗？这就是我今天将要回答的问题。我现在可以访问地球上最重要的四种文本转视频模型。Quashu 的 Clling 2.1，字节跳动的 Seance Pro，谷歌的 V3，以及阿里巴巴的新开源模型 Juan 2.2。我们将超越基础。我设计了 21 个疯狂的提示词来测试一切。动作场面，精细的物理学，人类情感，甚至这些东西是否真的能写出文字。我们将看到令人瞠目结舌的成功和绝对滑稽的失败。其中一些结果会让你震惊，而最终获胜的模型可能不是你所期望的。如果你想了解当今人工智能视频的真实状况以及你应该在哪里投入你的时间和注意力，那么你来对地方了。让我们开始吧。好了，让我们从第一个提示词开始。一个街舞者在地毯上表演一个快速旋转的 flares 动作。首先，让我们看看 Cling 做了什么。好吧，动作有点慢。不是我们要求的那么高速的 flares，但也不是完全的灾难。角色的大部分身体和四肢都保持得相当好，这是一个不错的开始。但请注意他手臂在旋转结束时的动作。看到了吗？它变得有点摇晃，并且以一种非常不自然的方式变形。这是人工智能在处理复杂快速运动时遇到的经典难题。现在，让我们来看看 Seed Dance Pro 的尝试。哇。好吧，它确实理解了快速旋转的部分。但这就是事情开始分崩离析的地方。运动越快，人工智能就越难保持物理一致性。你在这里真的可以看到这一点。四肢变得非常僵硬。手、脚、腿，在旋转过程中都会出现故障。说实话，这有点一团糟。在连贯性方面，绝对比 cling 有所退步。切换到谷歌的 V3，它带有音频，这是一个不错的亮点，但舞蹈本身很奇怪。它确实很快，但动作完全不自然，就像一个外星人在模仿街舞者一样。这是一个超级奇怪的扭曲旋转，在真正的街舞比赛中你永远不会看到。所以，是的，V3 在这一点上也未能成功。最后，让我们看看开源竞争者 Juan 2.2。嗯，它似乎误解了街舞的意思，以为是休息。他只是盘腿坐着，偶尔抽搐一下。它完全错过了提示词的重点。还值得注意的是，Juan 2.2 目前仅限于 5 秒的剪辑，尽管我敢肯定社区很快就会突破这个限制。所以，第一轮，胜利必须属于 Cling。它并不完美，但它是迄今为止最连贯的尝试。好了，进入我们的下一个挑战。一个芭蕾舞演员在一个宏伟舞台的中央表演一个完美无瑕的连续旋转。让我们从 Cling 开始。我们看到了一个舞台上的芭蕾舞演员，但她并没有表演我们要求的旋转。她只是做了一些简单的轻微动作，然后走过舞台。她很优雅，但她完全忽略了提示词中的主要动作。切换到 Sea Dance，好吧，这比 Cling 有了明显的进步。舞蹈表演本身感觉更有活力。没有主要的肢体问题，这很棒，但她仍然没有做我们要求的连续旋转。也许人工智能在避免旋转，因为它知道这可能会导致瑕疵，但无论如何，这并不完全是我们想要的。仍然比 Cling 的舞蹈好。现在轮到 VO3 了，我认为这一个到目前为止领先。动作感觉更真实，更像一个真正的芭蕾舞演员。优雅感十足。现在，她仍然没有做连续的旋转，但整体动作质量有了明显的提升。而且，只是让你知道，对于所有这些工具，我展示的是生成的第一个视频。没有重拍，没有挑挑拣拣。这是他们原始的第一次尝试表现。最后，这是 Juan 2.2。嘿，它实际上在旋转。我们看到了一个旋转。但人工智能给了我们一个超级近距离的特写，这并不理想。而且如果你仔细看，她的头在身体旋转时保持奇怪的静止，她的腿部有些僵硬。这是对核心动作的一个很好的尝试，但执行有点偏差。这一轮，我将把桂冠颁给 V3。额外的音频和自然流畅的动作，即使没有完美的旋转，也感觉更胜一筹。[音乐]好了，是时候用这个提示词将事情提升到新的高度了。一个跑酷运动员在摩天大楼屋顶之间进行一次奔跑跳跃。这是对物理学和动态动作的巨大考验。让我们先看看 Cling 的尝试，有点奇怪。他没有跳到两栋建筑之间，而是似乎跳到了更高的一栋建筑上。几乎就像他在挑战重力。看看最后一部分。他沿着完全垂直的墙壁跑上去完成最后的跳跃。动作一点也不自然。现在轮到 Sea Dance 了。好吧，这更奇怪了。就像跳跃过程中重力突然关闭一样。他跳起来，然后在空中漂浮。他在空中停留了太久，然后慢慢地向下漂移。它完全失去了速度感和危险感。在物理学方面又一次失败。让我们看看 V3 能否挽救这一点。哇。好吧，这好多了。最初的跳跃和坠落感觉很有分量，也很真实，但之后又变得有点奇怪了。他从地面上弹起来的方式感觉有点太飘了。尽管如此，与前两者相比，Vio 的生成无疑是最令人印象深刻和最具活力的。最后，Juan 2.2 的 5 秒剪辑。慢动作跳跃本身看起来很酷，但我们从未看到第二座摩天大楼。他只是从一栋建筑上跳下来，似乎又落回同一栋建筑上。它遵循了核心动作，但错过了提示词中“两栋建筑之间”的部分。这一轮，胜利绝对属于 V3。额外的音频和更可信的运动感让它远远领先于其他模型。好吧，让我们为我们的第三个提示词滑向斜坡。一个专业的滑雪板运动员从坡道上起飞，在蔚蓝的天空中进行一次回旋踢。首先，Cling 的生成。乍一看，这个慢动作镜头看起来很酷。它捕捉到了空中旋转的画面。但请仔细观察开始部分。在他起飞时，他的四肢瞬间变得狂乱。这是经典的人工智能变形故障，身体会不自然地变形。这很可惜，因为其余的镜头还不错。接下来是 Seed Dance。这个有点奇怪。他跳了起来，但最奇怪的部分是落地。他着陆的斜坡上没有雪，但一旦他的滑雪板接触地面，雪就到处飞溅。这毫无意义。而且，他并没有真正做我们要求的回旋踢，而且一开始就有轻微的肢体问题。表现不佳。现在，让我们来看看 VO3。在这里，你也会注意到旋转方面存在明显问题。似乎只有他的腿在旋转，而他的上半身保持奇怪的僵硬并向前看。这与我们在 Sea Dance 上看到的问题相同。好的一面是，跳跃的物理效果和落地时的重力感看起来相当不错，但那种不自然的旋转是一个重大缺陷。最后是 Juan 2.2。好吧，它只是给了我们动作的中间部分。视频以滑雪板运动员已经在空中开始，并在他落地前结束。我们看不到起飞或落地，所以感觉像一个不完整的片段，而不是一个完整的剪辑。老实说，这个很难。他们都搞砸了。你可以称之为平局，但如果我必须倾向于一方，我会说 V3 稍微好一些，因为整体物理效果感觉更扎实。但我们就称这一轮是平局吧。好了，让我们完全切换一下，进行下一个提示词。一个吸血鬼和一个狼人在哥特式大教堂内的紧张近距离格斗场景。Cling 的版本一开始看起来像一场战斗，但然后狼人突然被一根柱子分散了注意力，只是盯着它。与此同时，吸血鬼利用这个机会悠闲地走开了。这并不是我们期望的激烈战斗。场景就这样熄灭了。让我们看看 Seed Dance 能否带来更多动作。好吧，这比 Cling 相对好一些。战斗比 Cling 的感觉更连贯，即使动作不完全自然。里面有一个有点卡顿的跳跃，但至少他们仍然专注于彼此。这是朝着正确方向迈出的一步。在评论中告诉我你对此的看法。然后是 VO3。好吧，现在我们有话说了。开头的那个拳头很有分量。他最后踢出的那一脚看起来也很不错。与前两者相比，这是迄今为止对格斗场景的最佳诠释。它实际上感觉动作背后有一定的冲击力和意图。让我们看看 Juan 2.2 带来了什么结果。嗯，这更像是一场奇怪的慢动作芭蕾。吸血鬼在整个剪辑中都在空中漂浮，而狼人在下面的地面上蹒跚而行。他们甚至从未接触过。这根本不是一场格斗场景。毫无疑问。胜利绝对属于 V3。它是唯一一个真正实现了动作的。下一个提示词，我们有一个非常奇怪的提示词。一个人类，长着暹罗猫的脸，在一个昏暗的健身房里对着沙袋进行一次激烈、粗犷的训练蒙太奇。所以，这是 Cling 的版本。它给了我们一个超现实的场景，但脸部只有模糊的猫科动物特征。它更像是一个有轻微猫科动物特征的人。看看那些拳头。他并没有真正击中沙袋，更像是轻轻地拍打它。没有力量，没有冲击力。动作一点也不自然。现在，让我们看看 Sea Dance 如何处理这个奇怪的要求。好吧，它在暹罗猫的脸上做得更好。那更有说服力。拳头仍然偏慢，但它们感觉更具意图性。当拳头击中时，你实际上可以看到沙袋做出反应，这比 Cling 的现实主义有了很大的进步。转到 Veo 3，再次带有声音。现在，这家伙在出拳。他很有力地出拳，即使重力沙袋的移动不像你预期的那样，动作看起来也很强大和自然。猫脸非常到位。肌肉发达的身体看起来很棒。这是一个非常扎实的生成，它抓住了提示词中所有奇怪的部分。最后是 Juan 2.2。拳击动作本身在这里实际上相当不错，但沙袋的物理效果完全不对。它看起来就像在打一个巨大的气球，而不是一个重力沙袋。重量感和重力感根本不存在，这破坏了沉浸感。所以，这一轮，积分再次归 Veo 3。它只是比其他任何人都更好地处理了奇异概念、逼真身体和强大动作的结合。好吧，让我们用下一个提示词来变得更奇怪。一个喜剧性的广角镜头，两个拳击手。一个有着蓬松猫脸，另一个有着耷拉的巴塞特猎犬脸，在拳击台上随意地互相绕圈。这是另一个乞求人工智能荒诞的提示词。首先是 Cling。他们把脸做得很好。猫和狗的特征很明显，尽管它们有一种奇怪的柔软、几乎像毛绒玩具的质感，就像它们是活着的填充玩具一样，但它们完全错过了绕圈的指示。它们只是站在原地，无力地挥舞着手臂。这并不是我们要求的动态场景。现在，让我们来看看 Sea Dance。这有点好。这里有实际的动作。它们没有绕圈，但它们正在摆出架势并进行一些轻微的拳击。它肯定比 Cling 的版本更有活力。看到背景中超级逼真的观众与前面奇怪的拳击手形成对比也很有趣。有了明显的进步。轮到 Veo 3 了。好吧，现在我们看到了一些动作。猫脸拳击手精瘦而肌肉发达，而巴塞特猎犬脸的拳击手则滑稽地肥胖。猫实际上击中了几个拳头，动作感觉很有分量。他们身后的观众只是坐着，没有欢呼，这实际上增加了奇怪的喜剧氛围。这很容易是迄今为止最好的。最后是 Juan 2.2。同样，它们没有绕圈，只是进行了一些轻微的拳击，但你必须看看观众。全是猫。人工智能只是决定将整个体育场填满猫科动物观众。这是一个滑稽的幻觉。总的来说，结果还不错。肯定比 Cling 的静态图像好。但要创造一个动态、有趣的场景并遵循提示词，Veo 3 再次获胜。好了，让我们进入一些更神奇的东西。一个像素艺术 3D 动画场景，一个毛茸茸的小生物在森林中发现一个巨大的发光蘑菇。让我们看看 Cling 的诠释。我们看到了这个可爱的 3D 像素艺术生物漫步到场景中。它找到了蘑菇，轻轻地戳了一下，然后火花四溅。它有点遵循了提示词，但它并没有真正发光，而场景的其余部分完全是静态的，这让它感觉有点死气沉沉。这是一个不错的尝试，但并不惊人。接下来是 Sea Dance。这里的场景立刻变得更有活力了。蘑菇本身有一些微妙的动画，小生物走了进来，看着它，触摸它，看起来真的很开心和好奇。但它完全忘记了最重要的一部分，发光蘑菇。所以，虽然动画比 Cling 的好，但它错过了一个关键细节。现在，轮到 Veo 3 了，它有标志性的声音设计，这是它真正闪耀的地方。摄像机运动很棒。它从跟踪我们的小英雄开始，然后拉远，展示了那个巨大、发光的蘑菇的史诗般的揭示。它完美地捕捉到了那种惊奇和发现的感觉。发光效果非常到位。摄像机运动令人愉悦。这是一个完美的执行。让我们看看开源竞争者能做什么。Juan 2.2。哇，它真的使出了浑身解数。这里有一个美丽的摄像机镜头穿过森林，有发光的粒子效果，几乎像萤火虫。我们毛茸茸的角色走了进来，看到巨大的蘑菇时，它有一个可信的惊讶时刻。对于一个开源模型来说，这真的令人印象深刻，并且让 Veo 真正与它竞争。如果 Veo 的结果是 10 分满分，那么这个就是扎实的 9 分。在评论中告诉我你的想法。让我们用下一个提示词完全改变艺术风格。一个史诗般的、宏伟的动漫风格的建立镜头，一个飞翔的城堡穿过体积云。首先，Cling 的生成。我们看到了山中的一座漂浮城堡，但艺术风格更偏向写实而非动漫。城堡本身也是静态的。只有摄像机在移动，城堡没有。这是一个美丽的场景，但它错过了动漫风格。现在，让我们来看看 Sea Dance。这非常非常接近我们所要求的。云彩和城堡具有 3D 动漫独特的风格化外观。城堡实际上正在穿过云层，这给镜头带来了巨大的规模感和运动感。这是一个非常令人印象深刻的结果，比 Cling 的好得多。转到 Veo 3，它有标志性的音乐。这是一个美丽的镜头，但同样，它更偏向奇幻写实风格，而不是纯粹的动漫美学。感觉就像一部真人大片。顶部的旗帜在飘扬是一个不错的亮点，为场景增添了生命力，但 Seance 的版本更符合动漫提示词。最后是 Wan 2.2。这也是对动漫风格的一次伟大尝试，甚至可能比 Veo 更接近。它展示了两个漂浮的结构，但它们是完全静止的，而摄像机从它们旁边移动。它捕捉到了外观，但缺乏城堡本身的运动。所以，对于这个，我将胜利颁给 Sea Dance。它在平衡特定的艺术风格和要求的运动方面做得最好。好吧，下一个提示词是对人工智能理解概念能力的真正考验。一张纸上的鸟的素描，它活了过来，扇动翅膀，飞走了。让我们从 Cling 开始。它完全误解了任务。它没有动画化素描本身。相反，它生成了一只完全逼真的鸟，它停在一张有素描的纸上。真鸟然后飞走了。它完全错过了神奇的活过来这一方面。这是一个失败。翻到 Sea Dance。现在，这非常非常接近我们想要的。它从纸上实际的鸟的素描开始移动，扇动着它插图的翅膀。然后它进行了一个很酷的转变，它从纸上剥离下来，变成一只逼真的鸟，然后飞走了。一个绝佳的诠释，比 Cling 好得多。然后是 Veo 3。老实说，这简直完美。我们看到了纸上的静态素描。然后你看到线条开始微妙地移动。它获得了维度，并神奇地从纸上抬起，完全成型，然后飞走了。这正是提示词所要求的，完全抓住了概念。只是一个令人难以置信的生成。让我们看看 Juan 2.2 能否成功。不幸的是，它犯了和 Cling 一样的错误。它生成的是看起来更像纸上的黑白鸟，而不是素描，然后那只鸟就飞走了。它错过了动画化绘画本身的这个核心概念。所以，这一轮，Veo3 是无可争议的冠军，Sea Dance 获得了非常令人尊敬的第二名。对于我们下一个提示词，我特别想测试摄像机控制，一个跟踪镜头，跟随一只萤火虫在宁静的月光森林中穿梭。首先，Cling 的版本。好吧，Cling 显然认为萤火虫就是字面意义上的着火的苍蝇，这是一个滑稽且略带惊悚的诠释。但抛开这一点不谈，摄像机的跟踪非常出色。它平稳地跟随萤火虫在森林中穿梭。所以，尽管着火的误解，摄像机工作的技术执行确实非常扎实。现在是 Sea Dance，它完全错过了这个提示词的主要重点。根本没有摄像机移动。摄像机被锁定在原地，而这个发光的光球在它周围嗡嗡作响。那月亮是怎么回事？它大得可笑，而且不真实。这个在技术要求上绝对是失败的。让我们看看 Veo 3。正如你所料，它做到了。摄像机平稳而优美地跟踪着萤火虫在树木之间穿梭，创造了一个真正宁静而神奇的镜头。运动感很棒，它完美地捕捉到了提示词的感觉。最后，但同样重要的是，Juan 2.2。对于一个 5 秒的剪辑来说，这令人难以置信。摄像机的跟踪很平稳，气氛很好，而且感觉很有活力。只是一个快速的说明，我正在使用在线平台来生成 Juan 的剪辑，这就是为什么它们目前被限制在 5 秒。但即使有这个限制，这仍然是出色的工作。这一轮，Veo3 再次获胜。但 Clling 和 Juan 都表现出了非常强劲的实力，证明了它们的摄像机跟踪能力确实是可靠的。好吧，下一个提示词是对人工智能理解魔法概念的真正考验。一个画架上的空白画布，上面神奇地出现了一幅充满活力的风景画，一笔一画地绘制出来。让我们看看 Cling 的版本。画笔触碰画布，整个画作就像液体一样瞬间铺展在上面。没有一笔一画的效果。它只是瞬间出现。所以，Cling 完全未能遵循这里的核心指令。现在轮到 Sea Dance 了，这个在视觉上非常令人印象深刻，但它也完全忽略了提示词。不是用画笔，而是整个 3D 树木和植物的景观从屏幕外飞入，然后种植在画布上。这是一个非常酷的效果，但它根本不是我们要求的。轮到 VO3 大放异彩了。看看这个。就是这样。你可以看到画作一节一节地变得生动起来，就像快进的笔触一样。它不是完美的一笔一笔，但它完美地捕捉到了绘画随着时间推移而创作的感觉。一个令人惊叹且令人印象深刻的生成。最后，让我们检查一下开源的 Juan 2.2。这里根本没有画笔。一条发光的线从上到下扫过画布，揭示了它背后的完成画作。这是另一个很酷的魔法效果，但它不是我们想要的笔触生成。毫无疑问。V3 是这一轮的明显获胜者。好了，让我们深入下一个提示词。夜晚，霓虹灯闪烁的城市街道，大雨倾盆，湿漉漉的路面上闪烁着倒影。这是对氛围和灯光的经典测试。首先是 Cling。这是一个相当不错的开端。我们有一个不错的移动摄像机镜头。有霓虹灯闪烁的建筑，你可以清楚地看到水淹街道上的倒影。总的来说，Cling 的生成非常扎实，很好地捕捉了氛围。接下来，我们检查 Sea Dance。它给了我们一个高角度镜头，所以视角不同，这很有趣。雨水效果很重，路面上的霓虹灯倒影看起来很棒。唯一的缺点是镜头完全是静态的。根本没有摄像机移动，这使得它感觉不如 Cling 的镜头有活力，但图像质量本身绝对到位。然后是 VO3。这简直是另一个层次。这是一个低角度镜头，运动感完全自然。你看到汽车在场景中行驶，当它们经过时，你可以看到轮胎溅起的水花。霓虹灯倒影，大雨，动态动作。这是一个 100% 完美的电影级生成。绝对令人惊叹。最后，让我们检查一下开源的 Juan 2.2。这里的雨水感觉有点轻，但水坑里的倒影很完美。看，它还添加了两个人打着伞走过场景。他们的动作非常自然。老实说，这可能是我第二喜欢的。VO3 是明确的第一名，但 Juan 2.2 的结果比 Cling 和 Sea Dance 的都更完整、更逼真。它在保持自己的实力方面一直表现出色，这真的令人印象深刻。好了，让我们进入厨房，进行下一个提示词。一个非常锋利的厨师刀以一次干净、流畅的动作切开一个成熟的番茄的极端特写微距镜头。这是对物理学和细节的巨大考验。Cling 的尝试令人失望。刀在视频的 80% 的时间里都悬停在番茄上方，然后突然进行一次快速切割。我们并没有真正看到番茄的质地或切片的干净分离。这不是一个令人满意的镜头。现在轮到 Sea Dance 了，这个简直太奇怪了。刀切开了番茄，但番茄几乎立即在被切开的地方愈合了。物理效果完全被破坏了。它根本不理解切割物体是如何运作的。Cling 的版本可能很慢，但至少比这个好。Seance 在这一点上真的搞砸了。让我们看看 V3 能否处理。这好多了。我们看到一次缓慢而审慎的切割，你看到那块掉了下来。这是一个不错的生成，声音设计也增添了很多内容，但它仍然感觉不那么完美。它很好，但并不令人惊叹。现在是 Juan 2.2 的 5 秒剪辑。哇，它切出了不止一个，而是两个完美的切片。动作干净利落。物理效果看起来是对的。我认为这实际上比 VO 的结果更好。在一场令人震惊的意外中，开源模型是我这一轮的获胜者。它只是比其他任何人都更好地实现了动作。好吧，让我们继续以食物为主题。从俯视角度看，双手在一个撒满面粉的木制表面上熟练地揉捏面团。又一个艰难的物理学挑战。Cling 的尝试还不错。手在移动。面团正在被揉捏。它传达了大致的意思，但感觉不完全真实。只是一个不错的生成。另一方面，Sea Dance 在这里真的遇到了困难。动作太不自然了。面团似乎有生命，自己移动，独立于双手。这是一个非常奇怪且令人难以置信的剪辑。这是 Sea Dance 在物理学方面的又一次失败。V3 将我们带回现实。这是一个好得多的生成。互动看起来相当不错，尽管如果你仔细看，仍然有面团似乎自己有点不自然地移动的时刻。它比前两者都好，但仍然不完美。然后是 Juan 2.2。哇。简直是哇。在 5 秒内，这简直是完美的。面团在手的压力下真实地压缩和移动的方式完全自然。这不仅仅是胜利。这是一场淘汰赛。它在这一提示词上将 VO3 和其他所有人都远远甩在了后面。积分归开源英雄。接下来，让我们测试一些更微妙的东西。人类情感。提示词是女人在柔和的自然光下真心大笑的抓拍镜头，眼角泛起皱纹。Cling 的结果相当不错。这是一个 10 秒的剪辑，笑声感觉相当真实。你甚至可以看到酒窝的形成。一个非常扎实的生成，捕捉到了提示词的温暖。现在轮到 Sea Dance 了。这个感觉有点平淡。她在微笑，也许在轻声笑，但它缺乏我们要求的真挚的情感动作。它没有 Cling 版本那样的能量，Cling 的版本肯定更好。这是 VO3。这也非常好。与 Cling 不相上下。笑声感觉自然，表情令人信服，音频也起到了推波助澜的作用。我认为这与 Cling 的出色结果大致相当。最后是 Juan 2.2。这又是一个强有力的竞争者。这是一个很好的微妙笑声。也许不是放声大笑，但感觉很真实。我认为对于这一点，除了 Sea Dance 稍微弱一些的尝试之外，Cling、Vio 和 Juan 之间是三方平局。它们都很好地捕捉了自然的人类表情。好了，我们快到了。接下来，一个亲密的特写镜头，一个女人在一个下雨天望着窗外，玻璃上可以看到倒影。这完全是关于微妙和分层。Cling 的尝试还可以。我们透过窗户看到女人，玻璃上有一些水滴，但缺少倒影。这是提示词的关键部分，所以它没有完全成功。Sea Dance 给我们带来了更好的结果。我们现在在室内向外看，但你可以清楚地看到女人在玻璃上的倒影，外面的雨滴，以及当她与窗户互动时倒影的移动方式。这是一个绝佳的生成，比 Cling 的尝试好得多。现在轮到 V3 了。这也很棒，甚至可能比 Sea Dance 更好。女人脸上的倒影很清晰，外面的雨看起来非常逼真，水滴的移动方式感觉非常自然。这是一个美丽、忧郁的镜头。它要么与 Sea Dance 打平，要么略微领先。然后是 Juan 2.2。这是一个有趣的尝试。我们看不到女人的倒影，但我们确实看到了房间里其他东西的倒影，比如灯光。我们看到了雨水和外面的建筑。这是一个高质量的写实镜头。即使它错过了一个具体的细节。我将把 Seance、Vio 和 Juan 称为平局。它们都创造了一个可信的反射场景，而 Cling 则稍显不足。好了，是时候进行终极物理压力测试了。一杯红酒从桌子上掉下来，在白色的地板上摔碎，以超慢动作拍摄。让我们看看 Cling 会做什么。玻璃杯掉了下来，但物理效果完全错误。酒在翻滚时没有自然地洒出来。它在撞击时破碎，但然后神奇地在弹回时重新形成。它尝试了，但逻辑完全被打破了。Sea Dance 的尝试更糟。玻璃杯在地板上，它只是缩小了。然后它接触地面，酒溅了出来，但玻璃杯本身从未破碎。这是对提示词的完全误解。让我们看看 V3。好吧，这是迄今为止最好的，但仍然离完美不远。酒在玻璃杯掉落时开始洒出来，这是好事。你听到破碎的声音，但玻璃杯本身并没有真正破碎。它会卡顿一下，然后又恢复正常。比其他模型好，但仍然不对。然后是 Juan 2.2。视频以玻璃杯已经掉落开始。它撞到地板上。一点酒溅了出来，但玻璃杯没有破碎，大部分酒都留在里面。这是一个干净的镜头，但它完全错过了提示词中的破碎部分。似乎这对任何当前模型来说都太复杂了。我不得不把胜利颁给 VR3，但仅仅因为它是在一堆糟糕的模型中最好的。让我们测试更多的物理效果。这次是水。一个沉重的锚从船上落下， plunging into the water，激起巨大的水花和气泡。首先，Cling。锚在慢动作中落下，击中水面，并产生相当不错的水花。这是一个扎实，如果略显平淡的尝试。慢动作感觉有点不一致，但总的来说，这是一个不错的生成。不算太坏。现在，让我们看看。这也是慢动作，但我认为这比 Cling 更好。锚以一种自然的感觉落下，水花做得非常好。Sea Dance 的一个非常扎实、高质量的生成。接下来是 VO3。这是一个完全的失败。没有船，锚只是轻轻地消失在水中。然后，在它已经消失之后，水面上出现了一个水花。因果关系完全脱节。VO 在这一点上是一个重大失败。最后是开源的 Juan 2.2。这是另一个非常好的。锚在慢动作中落下，水花看起来很棒。这绝对比 Vio 的尝试好得多。这是一个艰难的决定，但我将把胜利颁给 Sea Dance。它将慢动作和逼真的水花结合起来，感觉最抛光和令人信服。在我们倒数第二个提示词之前，对这些人工智能来说又是一个巨大的挑战。它们能处理复杂的文本请求吗？提示词是：一支鹅毛笔神奇地在古老的羊皮纸上用优雅的草书写下“subscribe to AI Quest”这个词。首先是 Cling 的尝试。笔只是潦草地写下一行无法辨认的废话，看起来更像是溢出的墨水而不是写作。它试图写点什么，但不是正确的词，也不是正确的风格。这是一个明显的失败。现在轮到 Sea Dance 了。这很有趣。笔自己移动，但它似乎没有在写任何东西。相反，“subscribe to AI Quest”这些词语神奇地出现在页面上，几乎就像淡入效果。所以，虽然它得到了正确的词语，但它完全错过了笔书写的动作。它比 Cling 好，但仍然是失败。让我们看看 V3 会做什么。一只手出现，拿着笔，画了一条线，然后一堆随机的词语神奇地出现在页面上。而且甚至不是正确的词语。它写的是 bloom 或者类似的东西。这是对提示词的又一次完全失败。最后是开源的 Juan 2.2。这也是一个非常好的。笔画了一条直线，当它经过时，“subscribe to AI”这些词语出现了。拼写不完美，而且它也不是真正地在写，更像是在揭示。但这是迄今为止最接近的尝试。老实说，这个提示词让所有人都失败了。它们都未能用笔写出要求的文本。我不得不称之为四方并列最后一名。它们都无法处理。对于我们最后的终极测试，这些人工智能真的能写东西吗？提示词是用手指在一个布满灰尘的模糊镜子上写下“help”这个词。首先是 Cling。它写了点东西。那里已经有一些字母了，手指只是把它们涂抹成一个圆形的图案。它绝对没有写出“help”。布满灰尘的镜子效果还可以，但它在主要任务上失败了。现在轮到 Sea Dance 了，这个更糟。看起来手指不知怎么地在玻璃里面，它只是在涂鸦一些完全无法辨认的外星人般的字母。这完全不现实，而且完全失败。让我们看看 V3 能否做到。它给了我们一个非常布满灰尘的表面，手指的绘画动作是可信的，但它写出来的只是胡言乱语。它不是“help”，只是一些随机的涂鸦。所以，它在文本测试上也失败了。最后是开源的 Juan 2.2。在一个 5 秒的剪辑中，它出现了，而且它真的做到了。你可以看到手指描绘了字母 H、E、L、P。它不是完美的书法，但它清楚地写着“help”在模糊的表面上。至此，12.2 是明确的、无可争议的获胜者，将所有高预算的闭源模型都抛在了后面。开源的一个巨大胜利。这就是我们 21 个提示词人工智能对决的结束。这是一个庞大的视频，我希望你喜欢这次深入的探讨。我认为最大的惊喜一定是 12.2。虽然 V3 在整体的抛光度和电影感方面经常名列前茅，但开源模型却持续地表现出色，甚至在物理学和文本生成等几个关键测试中击败了所有人。人工智能视频的未来看起来令人难以置信的令人兴奋。你怎么看？哪个模型给你留下了最深刻的印象？在下面的评论中告诉我你最大的收获。如果你喜欢这次马拉松式的比较，别忘了点赞并订阅以获取更多内容。感谢观看，我们下期再见。