Kling 4.0 बनाम Seedance 2.5: एक ही प्रॉम्प्ट, तीन राउंड, आमने-सामने परीक्षण

Kling 4.0 Kuaishou का नया Kling मॉडल है, जो 15 अक्टूबर को जारी हुआ। Seedance 2.5 ByteDance का सबसे नया वीडियो मॉडल है। दोनों एक बार में 30 सेकंड तक बनाते हैं, दोनों आवाज़ के साथ आते हैं और दोनों रेफ़रेंस इमेज लेते हैं। कागज़ पर ये लगभग एक-दूसरे की जगह ले सकते हैं, और ठीक इसी वजह से चुनना मुश्किल है।

हम कोई कुल स्कोर नहीं देना चाहते थे। एक संख्या चुनने में मदद नहीं करती: स्केटबोर्ड का पीछा और डाइनर में शांत बातचीत उलटे जवाबों की ओर इशारा कर सकते हैं। इसलिए Kling 4.0 बनाम Seedance 2.5 का यह परीक्षण सिर्फ़ एक काम करता है। एक ही प्रॉम्प्ट, हर मॉडल पर एक रन, और फिर देखते हैं कि क्या निकलकर आता है।

ZOOOP पर हर मॉडल क्या कर सकता है

पहले सेटिंग्स, ताकि हम बराबरी की तुलना करें। ये वही विकल्प हैं जो ZOOOP पर सचमुच मिलते हैं।

Kling 4.0 (ZOOOP पर Kling V4 के नाम से): 3 से 30 सेकंड, 720p या 1080p, और 16:9, 9:16, 1:1 या 21:9 फ़्रेमिंग। टेक्स्ट-टू-वीडियो में 10 रेफ़रेंस इमेज और एक रेफ़रेंस वीडियो तक ले सकता है। आप शुरुआती फ़्रेम से अंतिम फ़्रेम तक एनिमेट भी कर सकते हैं, या मौजूदा क्लिप को एडिट कर सकते हैं। आवाज़ हमेशा चालू रहती है, उसे बंद करने का कोई स्विच नहीं है।

Seedance 2.5: 4 से 30 सेकंड, 480p, 720p या 1080p, और ऊपर से 4:3, 3:4 और ऑटो फ़्रेमिंग। रेफ़रेंस के मामले में यह कहीं ज़्यादा उदार है: 30 इमेज, 10 वीडियो और 10 ऑडियो क्लिप तक। आवाज़ बंद की जा सकती है।

संक्षेप में, Kling कम इनपुट लेता है पर हर एक को कसकर नियंत्रित करता है। Seedance 2.5 सब कुछ झोंकने देता है और साथ में कम रिज़ॉल्यूशन का सस्ता ड्राफ़्ट स्तर भी जोड़ता है।

हमने कैसे परखा

तीन राउंड, हर राउंड में अंग्रेज़ी का एक प्रॉम्प्ट। Kling 4.0 और Seedance 2.5 दोनों 720p, 5 सेकंड, 16:9 पर चले। पाँच सेकंड छोटे हैं, पर यह देखने के लिए काफ़ी हैं कि कैमरा कैसे चलता है, चेहरा टिकता है या नहीं और आवाज़ तस्वीर के साथ मेल खाती है या नहीं।

हर क्लिप ZOOOP के एआई वीडियो से बनी। कोई चुनिंदा नतीजे नहीं: हर राउंड में हर मॉडल का एक ही रन। नीचे के एनिमेशन में Kling बाईं ओर है और Seedance दाईं ओर।

राउंड 1: गति और ट्रैकिंग शॉट

प्रॉम्प्ट: लाल हुडी पहने एक किशोर स्केटबोर्डर लड़की सुनहरी शाम में शहर की तीखी ढलान पर तेज़ी से उतरती है, कैमरा उसके पीछे नीचे से चलता है, बगल में घूम जाता है, और वह खड़ी डिलीवरी वैन के पास से झुककर निकलती है।

Kling 4.0 ने एक पूरा ट्रैकिंग शॉट दिया। कैमरा पीछे से नीचे की ओर आगे बढ़ता है, उसकी बगल में आ जाता है और वैन दाईं ओर से फिसलकर गुज़रती है, तब भी कहीं कट नहीं होता। गति कुछ शांत है और झुकना छोटा है, पर उसने वही शूट किया जो हमने माँगा था।

Seedance को ज़्यादा तीखी ढलान, सैन फ़्रांसिस्को जैसी दिखने वाली सड़क और कहीं बड़ी हरकत मिली: ट्रक के पास से मुड़ते हुए वह डामर पर हाथ टिकाती है। पेच यह है कि क्लिप की एडिटिंग उसने ख़ुद कर दी, वाइड शॉट से साइड एंगल और फिर पीछे के दृश्य पर कूदते हुए, ट्रेलर की तरह। देखने में शानदार है। बस यह प्रॉम्प्ट वाला एक ट्रैकिंग शॉट नहीं है।

आवाज़ की बात करें तो Kling ने लगातार पहियों की गड़गड़ाहट और हवा दी; Seedance ने बोर्ड की कुछ तेज़ थपकियाँ जोड़ीं।

राउंड 2: एक फ़ोटो, क्या चेहरा टिकता है?

इस राउंड के लिए हमने पहले GPT Image 2 से एक काल्पनिक महिला का हेडशॉट बनाया (धूसर पृष्ठभूमि, सपाट रोशनी, सामान्य भाव) और उसे दोनों मॉडलों को रेफ़रेंस के रूप में दिया। प्रॉम्प्ट: वह काग़ज़ की लालटेनों के नीचे बारिश वाले रात के बाज़ार से गुज़रती है, भुना हुआ सींक कबाब ख़रीदती है, फिर कैमरे की ओर मुड़कर हँसती है।

इस बार नतीजा पलट गया। Kling ने तीन शॉट काटे: पीछे से वाइड व्यू, कंधे के ऊपर से ख़रीदारी और सामने से क्लोज़-अप। Seedance एक ही लगातार हैंडहेल्ड शॉट में बना रहा और उसके सींक कबाब काटने तक उसके पीछे चलता रहा।

तो "Kling लंबे शॉट टिकाता है, Seedance हमेशा काटता है" वाली बात ठीक नहीं बैठती। दोनों मॉडल ख़ुद तय करते हैं कि काटना है या नहीं। अगर आपको एक अटूट शॉट चाहिए तो प्रॉम्प्ट में "one continuous shot" लिख दें।

चेहरे आख़िरी फ़्रेम में सबसे साफ़ दिखते हैं:

Kling 4.0 रेफ़रेंस वाली महिला के लगभग हूबहू क़रीब है: बालों का रंग, झाइयाँ और आँखों का रंग सब मेल खाते हैं। Seedance 2.5 पहचानने लायक़ उसी तरह की इंसान है, पर बारिश से उसके बाल गहरे भूरे हो गए और चेहरा पतला हो गया। निष्पक्ष होकर कहें तो Seedance ने बारिश को कहीं ज़्यादा गंभीरता से लिया, और वह सचमुच भीगी हुई है। Kling की क्लिप में उसके आसपास सबके पास छाता है जबकि उसके अपने बाल सूखे रहते हैं।

राउंड 3: संवाद और आसपास की आवाज़ें

प्रॉम्प्ट: बरसाती रात में सड़क किनारे एक डाइनर। एक बुज़ुर्ग आदमी मेज़ पर एक पुरानी फ़ोटो खिसकाता है और कहता है, "You kept this all these years?" (तुमने इसे इतने सालों तक संभालकर रखा?) सामने बैठी महिला मुस्कुराती है, उसे उठाती है और जवाब देती है, "Of course I did." (बिल्कुल रखा।) बारिश, और प्लेट पर खनकता कॉफ़ी का कप।

दोनों मॉडलों ने दो संवादों का आदान-प्रदान बनाया और दोनों ने दृश्य को काटा। Kling 4.0 एक टू-शॉट से शुरू होता है, फिर फ़ोटो को नीचे देखती महिला पर कट करता है। Seedance 2.5 कॉफ़ी के कप के पास फ़ोटो पर रखे हाथ का इन्सर्ट जोड़ता है और उसकी मुस्कान पर ख़त्म होता है। उसने "all these years" को भी संकेत मान लिया और महिला को उम्रदराज़ बना दिया, जो दृश्य की अच्छी समझ है।

पाँच सेकंड में दो संवाद कसे हुए हैं, और दोनों में दूसरा संवाद क्लिप के ठीक अंत में आता है। संवाद के लिए 8 से 10 सेकंड दें।

हर एक कहाँ लड़खड़ाया

दोनों से चूकें हुईं:

• Kling ने राउंड 2 में "handheld camera following her" को नज़रअंदाज़ कर दिया और फिर भी काट दिया, और बारिश में उसके बाल भी सूखे रखे।
• Seedance ने राउंड 1 के ट्रैकिंग शॉट को कई कटों में तोड़ दिया, और राउंड 2 में चेहरे से भटक गया (बालों का रंग और चेहरे का आकार)।
• Kling में सिर्फ़ 720p और 1080p हैं, सस्ता ड्राफ़्ट स्तर नहीं है, और उसकी आवाज़ बंद नहीं हो सकती। अगर आपको बिना आवाज़ की फ़ुटेज चाहिए तो बाद में उसे हटाना पड़ेगा।
• Seedance मौजूदा वीडियो को 720p तक एडिट करता है, जबकि Kling 1080p तक।

क़ीमत की बात करें तो उसी रिज़ॉल्यूशन और लंबाई पर Kling 4.0 साफ़ तौर पर सस्ता है, और बार-बार आज़माने पर यह जल्दी जुड़ता जाता है।

कौन-सा चुनें

तो Seedance या Kling, दृश्य-दर-दृश्य:

• लंबा, स्थिर, बिना कट वाला शॉट: Kling 4.0। इस परीक्षण में राउंड 1 का ट्रैकिंग शॉट सबसे बड़ा अंतर था, और "one continuous shot" लिखने से यह और पक्का हो जाता है।
• फ़ोटो से लिया गया चेहरा जो वही व्यक्ति बना रहना चाहिए: फिर Kling। रेफ़रेंस मुश्किल से ही भटका।
• दमदार क्लिप जो ख़ुद अपनी एडिटिंग करे: Seedance 2.5। उसे काटना पसंद है, जो मोंटाज और ट्रेलर के लिए ठीक बैठता है।
• ढेर सारे रेफ़रेंस, या ऑडियो क्लिप से तय की गई आवाज़: Seedance 2.5, अपनी 30 इमेज, 10 वीडियो और 10 ऑडियो क्लिप के साथ।
• पहले सस्ती पड़ताल: Seedance में कच्चे प्रयासों के लिए 480p है; Kling प्रति सेकंड सस्ता है, तो 720p पर टेस्ट करना भी नहीं चुभता।
• पहले से मौजूद फ़ुटेज एडिट करना: दोनों कर सकते हैं। 1080p आउटपुट के लिए Kling चुनें और जब बहुत सारी रेफ़रेंस इमेज चाहिए हों तब Seedance।

अपना Kling 4.0 बनाम Seedance 2.5 मुक़ाबला चलाने के लिए दोनों को वही प्रॉम्प्ट दें: Kling 4.0 और Seedance 2.5 के मॉडल पेज पर आप वहीं जनरेट कर सकते हैं। अगर आपके पास पहले से शुरुआती फ़्रेम है तो प्रारंभ / अंत फ़्रेम इस्तेमाल करें; मौजूदा फ़ुटेज बदलने के लिए वीडियो संपादित करें पर जाएँ। दोनों मॉडल एक ही क्रेडिट से चलते हैं, इसलिए दूसरा अकाउंट बनाने की ज़रूरत नहीं।