Taban çözünürlükte kısa bir klip için: Wan 3.0 2.000 krediden (5 sn), MiniMax H3 2.080 krediden (8 sn), Gemini Omni 1.1 2.200 krediden (10 sn). Saniye başına bakarsanız varsayılan ayarında üçünün en ucuzu Omni'dir.

Hangisi karakteri planlar arasında sabit tutar?

Üçü de referans medya alır. Wan 3.0 ses dahil 20 dosyaya kadar kabul eder; H3 görsel, klip ve sesle 12 dosyaya kadar alır; Omni görsel ve kısa klip alır, ses almaz.

Hangisi sonradan düzenlenebilir?

Omni 1.1'in LUVI'de bir video düzenleme modu var, Wan 3.0'ın da var (2.7 hattı); H3'ün yok, yeniden üretirsiniz.

MiniMax H3, Gemini Omni 1.1 ve Wan 3.0 karşılaştırması: üç sesli video modeli, üç ayrı prompt dili

Üçü de görüntüyle sesi tek geçişte üretir, üçü de prompt'u farklı okur: H3 alanlara bölünmüş bir belge ister, Omni tek plan şartı taşıyan kısa bir tarif ister, Wan toplama formülü ister. Fiyatlar, sınırlar ve her birini bozan tek kural.

Eylül'de bir hafta içinde LUVI'ye üç video modeli geldi ve üçü aynı manşeti paylaşıyor: ses görüntüyle birlikte üretiliyor, diyalog da dahil. Paylaşmadıkları şey prompt dili. Her biri için, üreticinin kendi belgelerinden yola çıkarak bir prompt rehberi yazdık; bu karşılaştırma o çalışmanın yan ürünüdür.

Rakamlar

LUVI'de taban fiyat. H3, 8 saniye için 2.080 krediden (H3 Max 1.216). Omni 1.1 Flash, 10 saniye için 2.200 krediden. Wan 3.0, 5 saniye için 2.000 krediden (Prime 2.800).
Yerel çözünürlükler. H3: 480P, 768P, 2K. Omni: 360p, 720p; 1080p ve 4K Google'ın kendi upscale katmanıdır. Wan: 480p, 720p, 1080p.
Klip süresi. H3: 4 ila 15 sn. Omni: 3 ila 10 sn, 40 saniyeye kadar uzatılabilir. Wan: 30 saniyeye kadar.
LUVI'deki modlar. H3: metin, görsel, referans. Omni: metin, görsel, referans, düzenleme, uzatma. Wan: metin, görsel, referans.
Diyalog dilleri. H3: 11 dil (Türkçe aralarında yok). Omni: İngilizce değerlendirildi, diğer diller çalışabilir. Wan: Çince ve İngilizce.
Referans medya. H3: en fazla 9 görsel, 3 klip, 3 ses; toplam 12 dosya. Omni: görseller ve en fazla 3 kısa klip; ses yok. Wan: en fazla 10 görsel, 5 klip, 5 ses; 20 dosya.

MiniMax H3: prompt neden bir belge?

H3 kısa bir tarif değil, adları belli üç alan ister: integrated_multimodal_description, overall_soundscape, non_diegetic_music. Üçünü de her seferinde ister. Bir ses alanını boş bırakırsanız model susmaz, uydurur. Kamera, on iki kesin fiil ve dört niteleyiciden kurulan düz yazıdır ("The camera pushes in with small amplitude at slow speed toward…"); kesmeler milisaniyeye kadar zaman damgalıdır ("[Shot 2] At 00:03.500, the camera cuts to…"); diyalog, dilini belirten bir etiketin içinde durur: <d>[English] I get off at the next station.</d>. Bir özel ad (bir ünlü, bir film, bir marka) isteğin tamamını engeller. Eski Hailuo hattının köşeli parantezli kamera komutları burada ölü sözdizimidir.

En iyi olduğu iş: diyaloglu, senaryolu çok planlı sahneler ve yüzle sesi aynı anda kilitleyen referans paketleri.

Gemini Omni 1.1: kısa tarif neden tek plan şartı taşımalı?

Omni'nin mizacı tam tersidir: 45 kelimelik düz bir tarif ideal prompt'tur, dünyanın geri kalanını model tamamlar. Tuzak şurada: Omni varsayılan olarak keser; göl kıyısında bir plan isteyin, tek planın üç plana bölünmüş montajını alabilirsiniz. Tek planlık her prompt'un ilk cümlesinde bir süreklilik şartı olmalıdır ("In a single unbroken scene…"). Ses, "Sound design:" ifadesinin ardından kendi cümlesinde durur; müzik ayrıca istenir; diyalog iki nokta üst üsteyle yazılır ve tırnak kullanılmaz, çünkü tırnak sözleri ekran yazısı olarak karenin içine kazır. Negatif alan yoktur; dışlamalar cümle sonuna eklenen kısa parçalardır ("No dialogue. No text overlay on screen."). Düzenlemeler tek bir cümlecik artı "Keep everything else the same." ile yapılır.

En iyi olduğu iş: hızlı, ucuz, doğal görünen klipler; konuşarak düzenleme; elinizdeki bir klibi uzatma.

Wan 3.0: toplama formülü nedir?

Alibaba prompt'u bir formül olarak yayımlar ve model onu o sırayla okur: Varlık + Sahne + Hareket; sonra Estetik kontrol + Stilizasyon; sonra Ses (konuşma = replik + duygu + ton + hız + tını + aksan; efekt = kaynak + eylem + ortam; müzik = eser + stil); sonra çok plan: "Shot 1 [0–3 s] … Shot 2 [4–6 s] Hard cut transition, fixed camera…". Yüklenen medyaya adıyla hitap edilir ve isim gibi kullanılır: "The cat in Image 1 plays in the room in Image 2." Kendi yapılmayacaklar listesi kısa ve ezberlemeye değer: adıyla gerçek kişi yok, tek klipte hızlı sahne değişimi yok, tam metne ya da kelimesi kelimesine dudak senkronuna dayanan plan yok.

En iyi olduğu iş: uzun klipler (30 sn), ses içeren karma referans paketleri ve Çince diyalog.

Her birini bozan kural

H3: bir ses alanını atlayın. Sessizlik değil, uydurulmuş ses alırsınız.
Omni: süreklilik şartını unutun. Kesmeler alırsınız.
Wan: gerçek bir kişinin adını yazın. İstek başarısız olur.

Hangisini seçmeliyim?

Kadrosu sabit bir diyalog sahnesi: H3. Hızlı bir taslak ya da var olan bir şeyin düzenlemesi: Omni. Uzun bir klip ya da içinde ses olan bir referans paketi: Wan 3.0. Üç rehber de model sayfalarında duruyor: MiniMax H3, Gemini Omni, Wan; Çalışma Alanı, rehber anahtarı açıkken bunları kendisi uygular. Yukarıdaki kredi fiyatlarının nasıl oluştuğunu krediler nasıl çalışır yazısında bulabilirsiniz.