比較 Kling 4.0、Wan 3.0、MiniMax H3 和 Seedance 2.5 如何呈現同一段咖啡館影片：咖啡師遞出帶有品牌標誌的杯子，顧客喝一口咖啡，然後離開店家。本文提供詳細觀察結果和共用比較工作流程，方便你自行查看生成效果。
如果想依星級評分和影片類型快速選擇模型，請閱讀 Kling 4.0、Wan 3.0、MiniMax H3 與 Seedance 2.5 比較。
1. 測試設定
每個模型都使用相同的文字提示詞和六張參考圖，生成 一段 10 秒、720p 的影片 。文字指令包括緩慢的鏡頭移動、指定的結尾鏡頭角度，以及結尾時雨已經停了。視覺參考中包含一張店面正面圖。
這些結果以每個模型的一次生成為依據，其他次生成的表現可能不同。開啟共用工作流程，比較輸入素材，並完整觀看附帶聲音的影片。
2. 動作與真實感
2.1 動作與節奏
動作與節奏著重每個動作是否以自然的速度展開並完整結束，讓故事顯得完整，而不是倉促推進或中途截斷。
| 模型 | 觀察結果 |
|---|---|
| Kling 4.0 | 短片的動作充滿活力，節奏鮮明，帶有輕快的商業廣告感。 |
| Wan 3.0 | 交接杯子、喝一口、離開的動作依序展開，留出了顧客反應的時間，經過門口的過渡也很清楚。 |
| MiniMax H3 | 從交接杯子到喝一口再到離開，主要情節推進較快。節奏明快，但故事仍然容易理解。 |
| Seedance 2.5 | 杯子滑動和手部互動非常出色。顧客開門和離開的動作尤其自然，物理互動很有說服力。 |
2.2 人物真實感
人物真實感著重身體結構、臉部表情，以及動作或遮擋時的穩定性，影響人物是否自然逼真，或是否出現讓人出戲的變形。
| 模型 | 觀察結果 |
|---|---|
| Kling 4.0 | 特寫中的顧客臉部清晰、表情生動，具有精緻的商業廣告質感。皮膚和頭髮乍看自然，但細節中仍有輕微的合成感。 |
| Wan 3.0 | 最後一個鏡頭中，顧客的臉部有問題：眼睛看起來是閉著的。 |
| MiniMax H3 | 動作過程中有明顯的臉部生成瑕疵。最後一個鏡頭中，門框經過顧客臉部時，遮擋前後的臉看起來不同。門框經過時，室內牆上的標誌也出現明顯瑕疵。 |
| Seedance 2.5 | 沒有明顯的人物生成瑕疵，動作過程中臉部細節保持一致。 |
2.3 手與物體互動
手與物體互動著重抓握、滑動和拿起等動作是否符合真實接觸關係，影響物體是否有實感，還是出現懸浮、提前移動或穿過手指的情況。
| 模型 | 觀察結果 |
|---|---|
| Kling 4.0 | 交接開始時，咖啡師的手還沒接觸杯子，杯子就已經移動，因此推杯子的動作略顯不真實。 |
| Wan 3.0 | 咖啡師滑動杯子，以及顧客拿起、喝一口、離開的過程形成清楚的動作鏈。手和杯子的移動符合常理，但杯子上的細小圖案並不完全穩定。 |
| MiniMax H3 | 顧客接過杯子、喝咖啡、拿著杯子走出店家，動作比較自然。與杯子的互動效果不錯，但細小邊緣和印刷細節附近偶爾會出現畫面瑕疵。 |
| Seedance 2.5 | 手與杯子接觸、拿起、喝一口和握持的動作尤其流暢自然。杯子的移動與顧客的手部和身體動作銜接得很好。 |
3. 指令執行
3.1 運鏡與構圖
運鏡與構圖著重鏡頭移動、畫面構成和焦點是否遵循鏡頭指令，影響觀眾注意力的引導、空間層次和影片的流暢度。
| 模型 | 觀察結果 |
|---|---|
| Kling 4.0 | 提示詞要求鏡頭非常緩慢地移動，但第一個鏡頭移動較快。最後一個鏡頭的構圖也沒有達到要求。 |
| Wan 3.0 | 構圖大多穩定，交接杯子和離開的過程容易看清。室外構圖增加了空間層次，鏡頭移動則相對克制。 |
| MiniMax H3 | 從交接杯子到喝一口再到離開，畫面推進較快。構圖整體穩定，節奏主要來自剪輯和近景，而不是持續的鏡頭移動。 |
| Seedance 2.5 | 準確遵循運鏡提示詞，同時保持畫面的吸引力。 |
3.2 提示詞執行
提示詞執行著重模型如何兼顧文字指令和視覺參考，影響結果能否在保留參考細節的同時，呈現預期的動作與鏡頭角度。
| 模型 | 觀察結果 |
|---|---|
| Kling 4.0 | 最後一個鏡頭遵循了圖片參考，而不是提示詞要求的方向。 |
| Wan 3.0 | 最後一個鏡頭採用了要求的鏡頭角度，但店家外觀設計與提供的參考圖不符。 |
| MiniMax H3 | 完成了交接杯子、喝一口和離開的動作，結尾的陽光也很突出。室外構圖更接近店面正面參考圖，而不是要求的角度。 |
| Seedance 2.5 | 完成了主要動作，並突出呈現左上方的陽光。結尾構圖似乎更多地受到店面正面參考圖影響，而不是文字中的鏡頭角度指令。 |
4. 畫面一致性
4.1 視覺連貫性
視覺連貫性著重人物、服裝和道具在不同鏡頭與角度下是否保持穩定，讓情節連貫，避免身分或細節變化干擾觀看。
| 模型 | 觀察結果 |
|---|---|
| Kling 4.0 | 從櫃檯交接到特寫和室外鏡頭，顧客、服裝和咖啡館都保持了辨識度。杯子貫穿整個故事，但標誌的小細節在不同鏡頭間有所變化。 |
| Wan 3.0 | 從交接杯子、喝一口到離開，人物、咖啡館和杯子保持連貫。室內到室外的轉換很清楚，但部分小字和店面細節出現變化。 |
| MiniMax H3 | 門上的標誌有明顯的連貫性問題：顧客開門時標誌出現在玻璃上，等他走出去時卻消失了。 |
| Seedance 2.5 | 各個鏡頭之間的連貫性始終很穩定。 |
4.2 場景連貫性
場景連貫性著重切換鏡頭後，配置、建築特徵和配色是否保持一致，讓連續鏡頭看起來屬於同一個真實空間。
| 模型 | 觀察結果 |
|---|---|
| Kling 4.0 | 溫暖的咖啡館內景與 DAYBREAK 店面在切換後仍有連貫感，整體保持木質與綠色的視覺風格。 |
| Wan 3.0 | 咖啡館內景與室外店面看起來屬於同一地點，斜角視圖增加了空間層次，同時沒有改變店家的辨識度。 |
| MiniMax H3 | 溫暖的櫃檯區域與 DAYBREAK 店面讓室外鏡頭延續了同一家咖啡館的特徵，但室外光線明顯變亮。 |
| Seedance 2.5 | 咖啡館溫暖的室內配色和 DAYBREAK 品牌元素延續到了室外。鏡頭切換清楚，但正面構圖讓空間銜接感較弱。 |
4.3 光線與天氣
光線與天氣著重照明、陰影和環境變化的一致性，影響場景轉換是否自然，以及影片能否保持預期的氛圍。
| 模型 | 觀察結果 |
|---|---|
| Kling 4.0 | 光線效果不錯，但顧客站在門口時，場景看起來仍在下雨，之後才變成雨剛停的樣子。 |
| Wan 3.0 | 提示詞要求雨已經停了，但最後一個鏡頭中仍在下雨。 |
| MiniMax H3 | 咖啡館溫暖的視覺風格保持一致，結尾光線帶來鮮明的廣告收尾效果。室外比陰天指令所要求的更暖、更亮。 |
| Seedance 2.5 | 整體光線略顯平淡，但比較真實。室內保持暖調，結尾陽光清晰而突出。相較其他部分克制的光線，這束強光帶來了更戲劇化的變化。 |
4.4 品牌與細節
品牌與細節著重標誌、招牌和反射的準確性與穩定性，影響品牌圖形能否保持辨識度，避免變形、模糊或鏡像細節錯誤。
| 模型 | 觀察結果 |
|---|---|
| Kling 4.0 | 杯子、店內和室外招牌上的品牌元素保持得很一致。 |
| Wan 3.0 | 店面品牌整體可辨認，但不同視角下的小字和標誌細節可能改變或變形。 |
| MiniMax H3 | 第一個鏡頭中，玻璃反射裡的門上品牌文字沒有正確鏡像：部分文字反轉了，另一些卻沒有。 |
| Seedance 2.5 | 杯子和店家保留了預期的品牌配色與圖示設計，但印刷小字仍然模糊或變形。 |
4.5 文字連貫性
文字連貫性著重文字是否清晰可讀、拼字正確，並在動作過程中保持穩定，影響標籤和招牌在整段影片中是否始終可用。
| 模型 | 觀察結果 |
|---|---|
| Kling 4.0 | 表現出色，杯子、牆上和店外的文字在整段影片中保持一致。 |
| Wan 3.0 | 表現尚可，牆上和店外的文字保持一致，但杯子上的文字在動作過程中有時略顯模糊。 |
| MiniMax H3 | 牆上和店外的文字還不錯，但杯子上的文字整段都模糊，動作過程中還會出現雜訊。玻璃門上的文字有時也不正確。 |
| Seedance 2.5 | 表現出色，杯子、牆上和店外的文字在整段影片中保持一致。 |
5. 音訊
5.1 音效
音效著重動作聲音是否完整、音量是否適當，以及是否與畫面同步，透過可信的時機和音量增強沉浸感，避免聲音缺漏或出現來源不明的聲音。
| 模型 | 觀察結果 |
|---|---|
| Kling 4.0 | 杯子滑動和手部接觸的聲音過大，顯得不真實。最後一個鏡頭中，開門和關門的聲音也過大。 |
| Wan 3.0 | 音效整體平衡，但缺少一些應有的聲音，例如咖啡師明顯在說話時沒有人聲。喝咖啡的聲音有呈現，效果不錯。 |
| MiniMax H3 | 動作音效細膩、音量適當，包括杯子滑動和喝咖啡的聲音。 |
| Seedance 2.5 | 整體音效非常好，但喝完咖啡後能聽到一聲「啊」，畫面中的顧客卻只是微笑。 |
5.2 背景音樂
背景音樂著重配樂是否符合場景，並在鏡頭切換時保持連貫，影響影片的情緒和流暢度，避免突兀的跳轉或中斷。
| 模型 | 觀察結果 |
|---|---|
| Kling 4.0 | 音樂保持連貫，基調合適。 |
| Wan 3.0 | 音樂本身不錯，但切換到室外時出現了明顯而突兀的切斷或跳轉。 |
| MiniMax H3 | 音樂保持連貫，基調合適。 |
| Seedance 2.5 | 音樂保持連貫，基調合適，也符合場景。 |
6. 成本、速度與輸入上限
| 評比項目 | Kling 4.0 | Wan 3.0 | MiniMax H3 | Seedance 2.5 |
|---|---|---|---|---|
| 輸入上限 | 文字提示詞：8,000 圖片：10 影片：5 | 文字提示詞：20,000 圖片：10 影片：5 音訊：5 | 文字提示詞：7,000 圖片：6 影片：3 音訊：3 | 文字提示詞：30,000 圖片：30 影片：10 音訊：10 |
| 生成時間 | 2.93 分鐘（175.8 秒）。 | 7.98 分鐘（478.7 秒）。 | 3.10 分鐘（185.7 秒）。 | 5.80 分鐘（348 秒）。 |
| 點數成本 | 15/秒 | 16/秒 | 11.3/秒 | 45/秒 |
生成前，請查看所選模型在 CawCut 中的設定和預估點數。
7. 查看工作流程
在 CawCut 中開啟四款模型的比較工作流程，自行查看生成結果。
- 搭配四個生成結果，查看可用的提示詞、參考圖和生成設定。
- 完整播放每段影片並開啟聲音。先依序看完交接杯子、喝一口和離開的過程，再判斷個別細節。
- 查看每段影片約 1.5 秒 時的交接、約 5.5 秒 時的顧客反應，以及約 9.3 秒 時的室外畫面。
- 重複觀看杯子接觸和經過門口的過程。檢查物體是否在手部接觸後才開始移動，以及臉部和標誌在遮擋時是否保持穩定。
- 聆聽切換到室外前後的音訊。比較杯子和開關門的音量、有無缺少或多餘的人聲，以及音樂是否連貫。
- 選擇符合鏡頭主要需求的結果。如果自行比較，盡量保持輸入與設定一致，重要鏡頭要多生成幾次再判斷。
搭配模型評分與推薦，將這些觀察結果用於下一段影片的初步模型選擇。