Kling 4.0・Wan 3.0・MiniMax H3・Seedance 2.5 の詳細比較

カフェのシーンでの詳しい結果を通じて CawCut の4つの動画モデルを比較し、共有ワークフローで生成結果を自分で確認できます。

2026年10月30日 更新 · 12 分で読める

このページの内容

同じカフェ動画を Kling 4.0、Wan 3.0、MiniMax H3、Seedance 2.5 がどう表現したかを比較します。バリスタがブランドロゴ入りのカップを渡し、客が一口飲んでから店を出るシーンです。この記事では詳しい結果と共有の比較ワークフローを紹介しており、生成結果を自分で確認できます。

星評価や動画の用途から手早く選びたい場合は、Kling 4.0・Wan 3.0・MiniMax H3・Seedance 2.5 の比較をご覧ください。

1. テスト条件

各モデルで同じテキストプロンプトと6枚の参照画像を使い、 10秒・720p の動画を1本ずつ生成しました 。文章の指示には、ゆっくりとしたカメラの動き、最後のショットのカメラアングル、終盤には雨がやんでいることが含まれています。参照画像には店舗を正面から見た画像も含まれていました。

今回の結果は各モデルで1回ずつ生成したもので、別の生成では異なる結果になる場合があります。共有ワークフローを開いて入力素材を比較し、音声付きで動画全体を視聴してください。

2. 動作とリアリティ

2.1 動作とテンポ

動作とテンポでは、一つひとつの動作が自然な速さで進み、最後まで描かれるかを確認し、展開が急ぎすぎたり途中で途切れたりせず、まとまりのあるストーリーになるかを見ます。

モデル結果
Kling 4.0動きに活力があり、テンポもよく、軽快なコマーシャルのような印象です。
Wan 3.0カップの受け渡し、一口飲む動作、退店が順番に進み、客の反応を見せる余裕もあります。出入口を通る場面へのつながりも明確です。
MiniMax H3カップの受け渡しから一口飲んで退店するまで、主な展開が素早く進みます。テンポは速めですが、ストーリーは理解できます。
Seedance 2.5カップを滑らせる動きと手の動作が非常に優れています。特に、客がドアを開けて店を出る動作は自然で、物理的な動きにも説得力があります。

2.2 人物のリアリティ

人物のリアリティでは、体の構造、表情、動きや遮蔽時の安定性を確認し、人物が自然に見えるか、気になる変形が生じないかを見ます。

モデル結果
Kling 4.0クローズアップでは客の顔が鮮明で表情も豊かで、洗練されたコマーシャルのように見えます。肌や髪は一見自然ですが、細部にはわずかな合成感があります。
Wan 3.0最後のショットで客の顔に問題があり、目を閉じているように見えます。
MiniMax H3動いているときに顔の生成上の乱れがはっきり見られます。最後のショットでドア枠が客の顔の前を通ると、その前後で顔が違って見えます。ドア枠が通る際には、店内の壁のロゴにも目立つ乱れが生じます。
Seedance 2.5人物に目立つ生成上の乱れはなく、動いている間も顔の細部が一貫しています。

2.3 手と物の接触

手と物の接触では、握る、滑らせる、持ち上げるといった動作が実際の接触と合っているかを確認し、物に実体感があるか、浮いたり早く動き出したり指をすり抜けたりしないかを見ます。

モデル結果
Kling 4.0受け渡しの始めに、バリスタの手が触れる前からカップが動き出すため、押す動作がやや不自然に見えます。
Wan 3.0バリスタがカップを滑らせ、客が取り上げて一口飲み、店を出る流れが明確です。手とカップの動きは自然ですが、カップの小さなデザイン要素は完全には安定していません。
MiniMax H3客がカップを受け取り、飲み、持って店を出る動作は比較的自然です。カップとの接触もよく表現されていますが、細い輪郭や印刷部分の周辺には時折映像の乱れが見られます。
Seedance 2.5手がカップに触れ、持ち上げ、一口飲み、持ち続ける動作が特に自然です。カップの動きが客の手や体の動作とうまく連動しています。

3. 指示への対応

3.1 カメラと構図

カメラと構図では、動き、画面構成、ピントが撮影指示にどれだけ従っているかを確認し、視線の誘導、空間の奥行き、動画の滑らかさへの影響を見ます。

モデル結果
Kling 4.0プロンプトでは非常にゆっくりしたカメラの動きを求めていますが、最初のショットは速く動きます。最後のショットの構図も指定と異なります。
Wan 3.0構図はおおむね安定しており、受け渡しや退店の動作が分かりやすくなっています。屋外の構図には奥行きがあり、カメラの動きは比較的控えめです。
MiniMax H3受け渡しから一口飲んで退店するまで、展開が素早く進みます。構図はおおむね安定しており、継続的なカメラの動きよりも編集や近い画角でテンポを作っています。
Seedance 2.5カメラのプロンプトに正確に従いながら、見栄えのよいショットに仕上がっています。

3.2 プロンプトへの忠実さ

プロンプトへの忠実さでは、文章の指示と参照画像をどう両立するかを確認し、参照素材の細部を保ちながら意図した動作やカメラアングルを実現できるかを見ます。

モデル結果
Kling 4.0最後のショットは、プロンプトで指定した方向ではなく参照画像に従っています。
Wan 3.0最後のショットは指定されたカメラアングルになっていますが、店の外観デザインは提供した参照画像と一致しません。
MiniMax H3受け渡し、一口飲む動作、退店を実行し、最後の日差しも強く表現しています。屋外の構図は指定の角度よりも、店舗を正面から見た参照画像に近くなっています。
Seedance 2.5主な動作を実行し、左上から差し込む日差しを目立たせています。最後の構図は、文章で指定したカメラアングルよりも、店舗を正面から見た参照画像の影響が強いように見えます。

4. 映像の一貫性

4.1 見た目の連続性

見た目の連続性では、ショットや角度が変わっても人物、服装、小道具が安定しているかを確認し、人物の見た目や細部の変化に気を取られず、流れを追えるかを見ます。

モデル結果
Kling 4.0カウンターでの受け渡し、クローズアップ、屋外のショットを通じて、客、服装、カフェが同じものとして認識できます。カップもストーリー全体に登場しますが、ロゴの小さな細部はショット間で変化します。
Wan 3.0受け渡し、一口飲む動作、退店を通じて、人物、カフェ、カップの連続性が保たれています。屋内から屋外への切り替わりは明確ですが、小さな文字や店舗の細部には変化があります。
MiniMax H3ドアのロゴに明確な連続性の問題があります。客がドアを開ける間はガラスに表示されていますが、外に出ると消えてしまいます。
Seedance 2.5ショット全体を通して連続性が非常に安定しています。

4.2 場所の連続性

場所の連続性では、カットが変わっても配置、建築の特徴、配色が一貫しているかを確認し、連続するショットが同じ実際の場所につながって見えるかを見ます。

モデル結果
Kling 4.0温かみのある店内と DAYBREAK の店構えにカットをまたいだつながりがあり、木と緑を基調とする全体的なスタイルが共通しています。
Wan 3.0カフェの店内と外観が同じ場所に見え、斜めの視点が店の特徴を変えずに奥行きを加えています。
MiniMax H3温かみのあるカウンターと DAYBREAK の外観によって、屋外でも同じカフェの印象が保たれていますが、外の光は明らかに明るくなっています。
Seedance 2.5カフェの温かい室内の配色と DAYBREAK のブランド表現が屋外にも引き継がれています。カットの切り替わりは明確ですが、正面の構図では空間的なつながりがやや弱くなっています。

4.3 光と天候

光と天候では、照明、影、環境の変化に一貫性があるかを確認し、場面の移り変わりが自然で、意図した雰囲気を保てるかを見ます。

モデル結果
Kling 4.0光の見え方は良好ですが、客が出入口にいる間はまだ雨が降っているように見え、その後に雨上がりの状態へ変わります。
Wan 3.0プロンプトでは雨がやんでいることを求めていますが、最後のショットでも雨が降っています。
MiniMax H3カフェの温かい見た目が一貫し、最後の光が印象的な広告らしい締めくくりを作っています。屋外は曇天という指示よりも暖かく、明るくなっています。
Seedance 2.5全体の光はやや控えめですが、現実的に見えます。屋内は温かい色調を保ち、最後の日差しは明確で目立ちます。ほかの場面の抑えた光に比べて、この強い光線がより劇的な変化を生んでいます。

4.4 ブランドと細部

ブランドと細部では、ロゴ、看板、反射の正確さと安定性を確認し、変形やぼやけ、鏡像の誤りがなく、ブランドの図柄を認識できる状態が保たれるかを見ます。

モデル結果
Kling 4.0カップ、店内、屋外の看板でブランド表現が非常に一貫しています。
Wan 3.0店舗のブランドはおおむね認識できますが、小さな文字やロゴの細部は視点によって変化したり変形したりします。
MiniMax H3最初のショットでは、ガラスの反射に映るドアのブランド文字が正しく反転していません。文字の一部だけが反転し、ほかは反転していません。
Seedance 2.5カップと店舗には意図したブランドカラーとアイコンのデザインが保たれていますが、小さな印刷文字はぼやけたり変形したりしています。

4.5 文字の連続性

文字の連続性では、文字が読みやすく、つづりが正しく、動きの中でも安定しているかを確認し、動画全体でラベルや看板が使える状態を保てるかを見ます。

モデル結果
Kling 4.0非常に良好で、カップ、壁、店の外の文字が動画全体で一貫しています。
Wan 3.0おおむね良好で、壁や店の外の文字は一貫していますが、カップの文字は動くと少しぼやけることがあります。
MiniMax H3壁や店の外の文字は問題ありませんが、カップの文字は動画全体でぼやけ、動くとノイズも見られます。ガラスのドアの文字も誤っていることがあります。
Seedance 2.5非常に良好で、カップ、壁、店の外の文字が動画全体で一貫しています。

5. 音声

5.1 効果音

効果音では、動作に必要な音があり、音量が適切で、画面の動きと同期しているかを確認し、音の欠落や不自然な音を避けながら、納得できるタイミングと音量で没入感を高められるかを見ます。

モデル結果
Kling 4.0カップを滑らせる音と手が触れる音が大きすぎて、不自然に感じます。最後のショットのドアの開閉音も大きすぎます。
Wan 3.0効果音のバランスはおおむね良好ですが、必要な音が一部ありません。例えば、バリスタが明らかに話しているのに声が聞こえません。一口飲む音はあり、よくできています。
MiniMax H3カップを滑らせる音や一口飲む音など、動作の音が控えめでバランスよく入っています。
Seedance 2.5効果音は全体的に非常によくできていますが、客は画面では微笑むだけなのに、一口飲んだ後に「ああ」という声が聞こえます。

5.2 BGM

BGM では、曲がシーンに合い、カットをまたいで一貫しているかを確認し、唐突な切り替わりや途切れを避けて、動画の感情や流れを支えられるかを見ます。

モデル結果
Kling 4.0音楽は一貫しており、雰囲気も合っています。
Wan 3.0音楽自体は良好ですが、屋外に切り替わる際にはっきりとした不自然な途切れや飛びが生じます。
MiniMax H3音楽は一貫しており、雰囲気も合っています。
Seedance 2.5音楽は一貫しており、雰囲気もよく、シーンに合っています。

6. コスト・速度・入力上限

評価項目Kling 4.0Wan 3.0MiniMax H3Seedance 2.5
入力上限テキストプロンプト：8,000
画像：10
動画：5		テキストプロンプト：20,000
画像：10
動画：5
音声：5		テキストプロンプト：7,000
画像：6
動画：3
音声：3		テキストプロンプト：30,000
画像：30
動画：10
音声：10
生成時間2.93 分（175.8 秒）。7.98 分（478.7 秒）。3.10 分（185.7 秒）。5.80 分（348 秒）。
クレジット消費15/秒16/秒11.3/秒45/秒

生成を始める前に、選択したモデルの設定とクレジットの見積もりを CawCut で確認してください。

7. ワークフローを見る

CawCut で4モデルの比較ワークフローを開き、生成結果を自分で確認してください。

  1. 4つの生成結果と合わせて、利用可能なプロンプト、参照画像、生成設定を確認します。
  2. 各動画を音声付きで最後まで再生します。細部を判断する前に、受け渡し、一口飲む動作、退店を順番に見てください。
  3. 各動画の約 1.5 秒 の受け渡し、約 5.5 秒 の客の反応、約 9.3 秒 の屋外の場面を確認します。
  4. カップへの接触と出入口を通る場面を繰り返し再生します。手が触れてから物が動くか、遮られたときにも顔やロゴが安定しているかを確認してください。
  5. 屋外へのカットの前後を聞き比べます。カップやドアの音量、声の不足や余計な声、音楽の連続性を比較してください。
  6. ショットの主な要件を満たす結果を選びます。自分で比較する場合は、入力と設定をできるだけそろえ、重要なショットは複数回生成して確認してください。

モデルの評価とおすすめも参考にして、今回の結果を次の動画のモデル選びに役立ててください。

関連記事

Kling 4.0・Wan 3.0・MiniMax H3・Seedance 2.5 の比較動画生成クレジット

よくある質問

カフェのシーンでの詳しい結果を通じて CawCut の4つの動画モデルを比較し、共有ワークフローで生成結果を自分で確認できます。

はい。各モデルで同じテキストプロンプトと6枚の参照画像を使い、10秒・720p の動画を1本ずつ生成しました。

共有ワークフローで動画全体を再生し、動き、物理的な接触、連続性、音声を確認してください。カップの受け渡しや出入口を通る場面を繰り返し見て、接触のタイミングや顔の安定性を確認しましょう。

共有の比較ワークフロー https://app.cawcut.com/s/w/nFqQFhML を開くと、利用可能な入力素材と生成結果を確認できます。

人物の一貫性や物理的な動作に優れていましたが、小さな文字にはぼやけや変形が残り、最後のカメラアングルは店舗の参照画像に影響されていました。また、表に記載した1秒あたりのクレジット消費は最も多くなっています。

ドア枠が顔の前を通る前後で客の顔が変わらないか、ガラスのロゴが消えずに表示されるか、反射が正しいか、天候の変化やドアの開閉音の大きさは適切かを確認してください。

生成にかかる時間は毎回異なる場合があります。動画を作り始める前に、CawCut で現在のクレジットの見積もりとモデルの設定を確認してください。