Kling 4.0 বনাম Seedance 2.5: একই প্রম্পট, তিন রাউন্ড, পাশাপাশি পরীক্ষা

Kling 4.0 হলো Kuaishou-র নতুন Kling মডেল, যা 15 অক্টোবর প্রকাশিত হয়েছে। Seedance 2.5 হলো ByteDance-এর সর্বশেষ ভিডিও মডেল। দুটোই একবারে 30 সেকেন্ড পর্যন্ত তৈরি করে, দুটোই শব্দসহ আসে এবং দুটোই রেফারেন্স ইমেজ নেয়। কাগজে-কলমে এদের প্রায় একে অপরের বদলি মনে হয়, আর ঠিক সেই কারণেই বেছে নেওয়া কঠিন।

আমরা কোনো সামগ্রিক স্কোর দিতে চাইনি। একটা সংখ্যা বেছে নিতে সাহায্য করে না: স্কেটবোর্ডে তাড়া করার দৃশ্য আর ডাইনারে শান্ত আলাপ উল্টো উত্তরের দিকে নির্দেশ করতে পারে। তাই Kling 4.0 বনাম Seedance 2.5-এর এই পরীক্ষা একটাই কাজ করে। একই প্রম্পট, প্রতি মডেলে একবার চালানো, তারপর দেখি কী ফিরে আসে।

ZOOOP-এ প্রতিটি মডেল কী পারে

আগে সেটিংস, যাতে সমানে সমানে তুলনা হয়। ZOOOP আসলে যে বিকল্পগুলো দেয়, সেগুলোই এখানে।

Kling 4.0 (ZOOOP-এ Kling V4 নামে): 3 থেকে 30 সেকেন্ড, 720p বা 1080p, আর 16:9, 9:16, 1:1 বা 21:9 ফ্রেমিং। টেক্সট-টু-ভিডিওতে 10টি পর্যন্ত রেফারেন্স ইমেজ এবং একটি রেফারেন্স ভিডিও নেয়। শুরুর ফ্রেম থেকে শেষ ফ্রেম পর্যন্ত অ্যানিমেটও করা যায়, কিংবা আগের ক্লিপ এডিট করা যায়। শব্দ সবসময় চালু থাকে, বন্ধ করার কোনো সুইচ নেই।

Seedance 2.5: 4 থেকে 30 সেকেন্ড, 480p, 720p বা 1080p, তার ওপর 4:3, 3:4 এবং অটো ফ্রেমিং। রেফারেন্সের ক্ষেত্রে এটি অনেক বেশি দরাজ: 30টি ইমেজ, 10টি ভিডিও আর 10টি অডিও ক্লিপ পর্যন্ত। শব্দ বন্ধ করা যায়।

সংক্ষেপে, Kling কম ইনপুট নেয় কিন্তু প্রতিটাকে কড়াভাবে নিয়ন্ত্রণ করে। Seedance 2.5 সবকিছু ঢেলে দিতে দেয় এবং সঙ্গে কম রেজোলিউশনের সস্তা খসড়া স্তরও যোগ করে।

আমরা কীভাবে পরীক্ষা করেছি

তিন রাউন্ড, প্রতি রাউন্ডে ইংরেজিতে একটি প্রম্পট। Kling 4.0 এবং Seedance 2.5 দুটোই 720p, 5 সেকেন্ড, 16:9-এ চলেছে। পাঁচ সেকেন্ড ছোট, তবে ক্যামেরা কীভাবে নড়ে, মুখ ঠিক থাকে কি না আর শব্দ ছবির সঙ্গে মেলে কি না দেখার জন্য যথেষ্ট।

প্রতিটি ক্লিপ ZOOOP-এর এআই ভিডিও থেকে বের হয়েছে। বেছে নেওয়া হয়নি: প্রতি রাউন্ডে প্রতি মডেলে একবারই চালানো। নিচের অ্যানিমেশনগুলোতে Kling বাঁয়ে, Seedance ডানে।

রাউন্ড 1: গতি আর ট্র্যাকিং শট

প্রম্পট: লাল হুডি পরা এক কিশোরী স্কেটবোর্ডার সোনালি বিকেলের আলোয় শহরের খাড়া ঢাল বেয়ে ছুটে নামছে, ক্যামেরা নিচু থেকে তার পেছনে পেছনে যাচ্ছে, পাশে ঘুরে যাচ্ছে, আর সে পার্ক করা ডেলিভারি ভ্যানের পাশ দিয়ে নুয়ে বেরিয়ে যাচ্ছে।

Kling 4.0 একটি সম্পূর্ণ ট্র্যাকিং শট দিয়েছে। ক্যামেরা নিচু থেকে পেছন দিয়ে এগিয়ে আসে, তার পাশে ভেসে যায়, আর ভ্যান ডান দিক দিয়ে সরে যাওয়ার সময়ও কোথাও কাট করে না। গতিটা কিছুটা শান্ত আর নুয়ে পড়াটা ছোট, তবে আমরা যা চেয়েছিলাম সেটাই শুট করেছে।

Seedance পেয়েছে আরও খাড়া ঢাল, সান ফ্রান্সিসকোর মতো দেখতে একটা রাস্তা আর অনেক বড় একটা চাল: ট্রাকের পাশ দিয়ে বাঁক নেওয়ার সময় সে ডামারে হাত ছোঁয়ায়। সমস্যা হলো, ক্লিপটা মডেল নিজেই এডিট করে ফেলেছে, ওয়াইড শট থেকে সাইড অ্যাঙ্গেল, তারপর পেছনের দৃশ্যে লাফিয়ে, ট্রেলারের মতো। দেখতে দারুণ। কিন্তু প্রম্পটে চাওয়া একক ট্র্যাকিং শট এটি নয়।

শব্দের দিকে, Kling দিয়েছে টানা চাকার গর্জন আর বাতাস; Seedance যোগ করেছে বোর্ডের কয়েকটা তীক্ষ্ণ চাপড়।

রাউন্ড 2: একটি ছবি, মুখ কি ঠিক থাকে?

এই রাউন্ডের জন্য আমরা আগে GPT Image 2 দিয়ে এক কাল্পনিক নারীর হেডশট বানিয়েছি (ধূসর পটভূমি, সমান আলো, নিরপেক্ষ মুখ) এবং দুটো মডেলকেই রেফারেন্স হিসেবে দিয়েছি। প্রম্পট: সে কাগজের লণ্ঠনের নিচ দিয়ে বৃষ্টিভেজা রাতের বাজারে হাঁটছে, গ্রিল করা শিক কিনছে, তারপর ক্যামেরার দিকে ঘুরে হাসছে।

এবার ফল উল্টে গেল। Kling তিনটি শটে কাট করেছে: পেছন থেকে ওয়াইড ভিউ, কাঁধের ওপর দিয়ে কেনাকাটা আর সামনে থেকে ক্লোজ-আপ। Seedance একটাই টানা হ্যান্ডহেল্ড শটে থেকেছে এবং সে শিকে কামড় দেওয়া পর্যন্ত তার পিছু নিয়েছে।

তাই "Kling লম্বা শট ধরে রাখে, Seedance সবসময় কাটে" কথাটা টেকে না। কাট করবে কি না, দুটো মডেলই নিজে ঠিক করে। অটুট একটা শট চাইলে প্রম্পটে "one continuous shot" লিখুন।

মুখগুলো সবচেয়ে স্পষ্ট দেখা যায় শেষ ফ্রেমে:

Kling 4.0 প্রায় রেফারেন্সের সেই নারীই: চুলের রঙ, ফ্রেকল আর চোখের রঙ সবই মিলে যায়। Seedance 2.5 চেনা যায় এমনভাবে একই ধরনের মানুষ, তবে বৃষ্টিতে তার চুল গাঢ় বাদামি হয়ে গেছে আর মুখ সরু হয়ে গেছে। ন্যায্য কথা বলতে, Seedance বৃষ্টিকে অনেক বেশি গুরুত্ব দিয়েছে, আর সে সত্যিই ভিজে গেছে। Kling-এর ক্লিপে তার চারপাশের সবার হাতে ছাতা, অথচ তার নিজের চুল শুকনো থাকে।

রাউন্ড 3: সংলাপ আর পরিবেশের শব্দ

প্রম্পট: বৃষ্টির রাতে রাস্তার ধারে একটি ডাইনার। এক বয়স্ক পুরুষ টেবিলের ওপর দিয়ে একটা পুরোনো ছবি ঠেলে দিয়ে বলেন, "You kept this all these years?" (তুমি এটা এতগুলো বছর রেখে দিয়েছ?) উল্টো দিকের নারী হেসে সেটা তুলে নেন এবং উত্তর দেন, "Of course I did." (অবশ্যই রেখেছি।) বৃষ্টি, আর পিরিচে ঠুংঠাং করা কফির কাপ।

দুটো মডেলই দুই সংলাপের আদান-প্রদান বানিয়েছে এবং দুটোই দৃশ্য কেটেছে। Kling 4.0 শুরু করে টু-শট দিয়ে, তারপর ছবির দিকে তাকিয়ে থাকা নারীর ওপর কাট করে। Seedance 2.5 কফির কাপের পাশে ছবির ওপর একটা হাতের ইনসার্ট যোগ করে এবং তার হাসিতে শেষ করে। এটি "all these years"-কে ইঙ্গিত ধরে নারীকে বয়স্কও বানিয়েছে, যা দৃশ্যটার সুন্দর পাঠ।

পাঁচ সেকেন্ডে দুটো সংলাপ ঠাসা, আর দুই পক্ষেই দ্বিতীয় সংলাপটা ক্লিপের একেবারে শেষে পড়েছে। সংলাপের জন্য 8 থেকে 10 সেকেন্ড দিন।

কে কোথায় হোঁচট খেয়েছে

দুটোরই ভুল হয়েছে:

• Kling রাউন্ড 2-এ "handheld camera following her" উপেক্ষা করে তবু কাট করেছে, আর বৃষ্টিতেও তার চুল শুকনো রেখেছে।
• Seedance রাউন্ড 1-এর ট্র্যাকিং শট কয়েকটা কাটে ভেঙে দিয়েছে, আর রাউন্ড 2-এ মুখ থেকে সরে গেছে (চুলের রঙ ও মুখের আকার)।
• Kling-এ শুধু 720p আর 1080p আছে, সস্তা খসড়া স্তর নেই, আর তার শব্দ বন্ধ করা যায় না। নিঃশব্দ ফুটেজ লাগলে পরে শব্দ সরাতে হবে।
• Seedance বিদ্যমান ভিডিও এডিট করে সর্বোচ্চ 720p পর্যন্ত, আর Kling 1080p পর্যন্ত।

দামের ক্ষেত্রে, একই রেজোলিউশন আর দৈর্ঘ্যে Kling 4.0 স্পষ্টভাবে সস্তা, আর বারবার চেষ্টা করলে এটা দ্রুত জমে।

কোনটি বেছে নেবেন

তাহলে Seedance না Kling, দৃশ্য ধরে ধরে:

• লম্বা, স্থির, অবিচ্ছিন্ন শট: Kling 4.0। এই পরীক্ষায় রাউন্ড 1-এর ট্র্যাকিং শটই ছিল সবচেয়ে বড় ফারাক, আর "one continuous shot" লিখলে এটা আরও নিরাপদ।
• ছবির মুখ, যেটা একই মানুষ থাকতে হবে: আবার Kling। রেফারেন্স প্রায় নড়েনি।
• ঝাঁঝালো ক্লিপ, যা নিজেই এডিট করে: Seedance 2.5। এটি কাটতে ভালোবাসে, যা মন্তাজ আর ট্রেলারের সঙ্গে মানায়।
• অনেক রেফারেন্স, কিংবা অডিও ক্লিপ থেকে নেওয়া কণ্ঠ: Seedance 2.5, তার 30টি ইমেজ, 10টি ভিডিও আর 10টি অডিও ক্লিপ নিয়ে।
• আগে সস্তায় অনুসন্ধান: Seedance-এ মোটামুটি চেষ্টার জন্য 480p আছে; Kling প্রতি সেকেন্ডে সস্তা, তাই 720p-তে টেস্ট করলেও গায়ে লাগে না।
• হাতে থাকা ফুটেজ এডিট করা: দুটোই পারে। 1080p আউটপুটের জন্য Kling বেছে নিন, আর অনেক রেফারেন্স ইমেজ দরকার হলে Seedance।

নিজের Kling 4.0 বনাম Seedance 2.5 তুলনা চালাতে দুটোকেই একই প্রম্পট দিন: Kling 4.0 আর Seedance 2.5 মডেল পেজেই সরাসরি জেনারেট করা যায়। আপনার কাছে শুরুর ফ্রেম থাকলে শুরু / শেষ ফ্রেম ব্যবহার করুন; বিদ্যমান ফুটেজ বদলাতে যান ভিডিও সম্পাদনা করুন-এ। দুটো মডেল একই ক্রেডিট থেকে খরচ করে, তাই দ্বিতীয় অ্যাকাউন্ট খোলার দরকার নেই।