Kling 4.0 kontra Seedance 2.5: ten sam prompt, trzy rundy, test obok siebie

Kling 4.0 to nowy model Kling od Kuaishou, który ukazał się 15 października. Seedance 2.5 to najnowszy model wideo ByteDance. Oba generują do 30 sekund w jednym przebiegu, oba mają dźwięk i oba przyjmują obrazy referencyjne. Na papierze wyglądają prawie zamiennie, i właśnie dlatego trudno wybrać.

Nie chcieliśmy wystawiać oceny ogólnej. Jedna liczba nie pomaga w wyborze: pościg na deskorolce i cicha rozmowa w barze mogą wskazywać przeciwne odpowiedzi. Dlatego ten test Kling 4.0 kontra Seedance 2.5 robi jedno. Ten sam prompt, jedno uruchomienie na każdym modelu, i patrzymy, co wraca.

Co potrafi każdy model na ZOOOP

Najpierw ustawienia, żeby porównywać to samo z tym samym. To opcje, które ZOOOP faktycznie udostępnia.

Kling 4.0 (na ZOOOP widnieje jako Kling V4): od 3 do 30 sekund, 720p lub 1080p oraz kadry 16:9, 9:16, 1:1 lub 21:9. Tekst na wideo przyjmuje do 10 obrazów referencyjnych i jedno wideo referencyjne. Można też animować od klatki początkowej do końcowej albo edytować istniejący klip. Dźwięk jest zawsze włączony, nie ma przełącznika.

Seedance 2.5: od 4 do 30 sekund, 480p, 720p lub 1080p, a do tego proporcje 4:3, 3:4 i automatyczne. Przy referencjach jest znacznie hojniejszy: do 30 obrazów, 10 filmów i 10 klipów audio. Dźwięk można wyłączyć.

Krótko mówiąc, Kling przyjmuje mniej danych wejściowych, ale kontroluje każdą z nich ściślej. Seedance 2.5 pozwala wrzucić wszystko naraz i dodaje tańszy poziom roboczy w niskiej rozdzielczości.

Jak testowaliśmy

Trzy rundy, w każdej jeden prompt po angielsku. Kling 4.0 i Seedance 2.5 działały w 720p, 5 sekund, 16:9. Pięć sekund to niewiele, ale wystarczy, żeby zobaczyć, jak porusza się kamera, czy twarz się trzyma i czy dźwięk pasuje do obrazu.

Każdy klip powstał w narzędziu Wideo AI w ZOOOP. Bez wybierania najlepszych: jedno uruchomienie na model w każdej rundzie. W animacjach poniżej Kling jest po lewej, a Seedance po prawej.

Runda 1: ruch i ujęcie z podążającą kamerą

Prompt: nastoletnia deskorolkarka w czerwonej bluzie zjeżdża ze stromego miejskiego wzgórza o złotej godzinie, kamera podąża nisko za nią, przechodzi na bok, a ona kuca, mijając zaparkowany van dostawczy.

Kling 4.0 dał jedno kompletne ujęcie z podążającą kamerą. Kamera nisko najeżdża zza jej pleców, dryfuje na bok i ani razu nie tnie, gdy van przesuwa się po prawej. Ruch jest raczej spokojny, a przysiad niewielki, ale nakręcił to, o co prosiliśmy.

Seedance znalazł bardziej strome wzgórze, ulicę podobną do San Francisco i znacznie większy ruch: dziewczyna opiera dłoń o asfalt, zakręcając obok ciężarówki. Haczyk w tym, że sam zmontował klip, przeskakując od planu ogólnego do ujęcia z boku i z tyłu, jak w zwiastunie. Wygląda świetnie. Tylko że to nie jest jedno ujęcie z podążającą kamerą, jak w prompcie.

Co do dźwięku, Kling dał ciągły ryk kółek i wiatr, a Seedance dorzucił kilka ostrych uderzeń deski.

Runda 2: jedno zdjęcie, czy twarz się trzyma?

W tej rundzie najpierw wygenerowaliśmy w GPT Image 2 portret fikcyjnej kobiety (szare tło, płaskie światło, neutralna mina) i podaliśmy go obu modelom jako referencję. Prompt: idzie przez deszczowy nocny targ pod papierowymi lampionami, kupuje szaszłyk z grilla, potem odwraca się do kamery i się śmieje.

Tym razem wynik się odwrócił. Kling zrobił trzy ujęcia: plan ogólny zza pleców, zakup zza ramienia i zbliżenie z przodu. Seedance został w jednym ciągłym ujęciu z ręki, podążając za nią, aż ugryzie szaszłyk.

Więc stwierdzenie „Kling trzyma długie ujęcia, a Seedance zawsze tnie” się nie sprawdza. Oba modele same decydują, czy ciąć. Jeśli potrzebujesz jednego nieprzerwanego ujęcia, wpisz w prompcie "one continuous shot".

Twarze najlepiej widać na ostatniej klatce:

Kling 4.0 jest bardzo bliski kobiecie z referencji: kolor włosów, piegi i kolor oczu się zgadzają. Seedance 2.5 to rozpoznawalnie ten sam typ osoby, ale jej włosy pociemniały od deszczu do ciemnego brązu, a twarz stała się węższa. Żeby być uczciwym, Seedance potraktował deszcz dużo poważniej i kobieta jest naprawdę przemoczona. W klipie Kling wszyscy dookoła mają parasole, a jej własne włosy pozostają suche.

Runda 3: dialog i dźwięki otoczenia

Prompt: przydrożny bar w deszczową noc. Starszy mężczyzna przesuwa po stole stare zdjęcie i mówi: "You kept this all these years?" (Trzymałaś to przez te wszystkie lata?) Kobieta naprzeciwko uśmiecha się, bierze je i odpowiada: "Of course I did." (Oczywiście, że tak.) Deszcz i filiżanka kawy brzęcząca o spodek.

Oba modele zrobiły wymianę dwóch zdań i oba pocięły scenę. Kling 4.0 otwiera ujęciem dwóch osób, po czym tnie na kobietę patrzącą na zdjęcie. Seedance 2.5 dodaje wstawkę z ręką na zdjęciu obok filiżanki kawy i kończy na jej uśmiechu. Potraktował też "all these years" jako wskazówkę i postarzył kobietę, co jest ładnym odczytaniem sceny.

Dwie kwestie w pięć sekund to ciasno i u obu druga kwestia pada tuż na końcu klipu. Do dialogu daj 8 do 10 sekund.

Gdzie każdy się potknął

Oba miały wpadki:

• Kling zignorował "handheld camera following her" w rundzie 2 i mimo to ciął, a do tego zostawił jej włosy suche w deszczu.
• Seedance rozbił ujęcie z podążającą kamerą z rundy 1 na kilka cięć i odpłynął od twarzy w rundzie 2 (kolor włosów i kształt twarzy).
• Kling oferuje tylko 720p i 1080p, nie ma taniego poziomu roboczego, a dźwięku nie da się wyłączyć. Jeśli potrzebujesz niemego materiału, trzeba go potem usunąć.
• Seedance edytuje istniejące wideo w maksymalnie 720p, a Kling do 1080p.

Co do ceny, Kling 4.0 jest wyraźnie tańszy przy tej samej rozdzielczości i długości, co szybko się sumuje, gdy iterujesz.

Który wybrać

Zatem Seedance czy Kling, scena po scenie:

• Długie, stabilne, nieprzerwane ujęcie: Kling 4.0. Ujęcie z podążającą kamerą w rundzie 1 było największą różnicą w tym teście, a "one continuous shot" dodatkowo zwiększa pewność.
• Twarz ze zdjęcia, która ma pozostać tą samą osobą: znów Kling. Referencja prawie nie odpłynęła.
• Dynamiczny klip, który sam się montuje: Seedance 2.5. Lubi ciąć, co pasuje do montaży i zwiastunów.
• Mnóstwo referencji albo głos ustawiony z klipu audio: Seedance 2.5, z jego 30 obrazami, 10 filmami i 10 klipami audio.
• Najpierw tania eksploracja: Seedance ma 480p do szybkich prób; Kling jest tańszy za sekundę, więc testowanie w 720p też nie boli.
• Edycja materiału, który już masz: oba dają radę. Wybierz Kling dla wyjścia w 1080p, a Seedance, gdy potrzebujesz wielu obrazów referencyjnych.

Żeby zrobić własne porównanie Kling 4.0 i Seedance 2.5, podaj ten sam prompt obu modelom: na stronach modeli Kling 4.0 i Seedance 2.5 można generować od razu na miejscu. Jeśli masz już klatkę początkową, użyj narzędzia Klatka początkowa / końcowa; żeby zmienić istniejący materiał, przejdź do Edytuj wideo. Oba modele korzystają z tych samych kredytów, więc nie trzeba zakładać drugiego konta.