国海传媒AI系列AI视频模型从实测角度看 AI 视频的能力和效果差异

核心观点与实测结果

第三方评价：

• Artificial Analysis 盲测评分显示，在文生视频赛道，谷歌的 Omni、Happy Horse 1.0 和 CDAVE 2.0 表现最佳；在图生视频赛道，谷歌的 Omni、千问的万 N3.0 和 MiniMax H3 表现最佳。
• SuperCLUE 测评采用不同指标体系，考察视频画面渲染、动态塑造、世界模拟等多方面能力。CDAVE 2.0 在文生视频赛道排名第一，Pixverse V6 在图生视频赛道排名第一。

实测评分体系：

• 视觉能力（流畅度、连贯性、真实度、美感、人物细节）
• 语义理解（物理规律、生活常识、指令遵循度）
• 持续一致性（人物、场景、道具前后稳定性）
• 生成效率（15秒视频生成时间）

实测场景与结论：

1. 重力和惯性运动场景：

   • 多数模型在运动画面流畅性上表现较好，但物理规律理解不足。
   • 谷歌 Omni、Runway 的 Gen-4.5 和 CDAVE 2.5 表现相对较好，但仍有物理常识和指令遵循问题。
   • 结论：模型尚未真正掌握物理因果关系，影响动作大片、工业仿真等复杂场景应用。

2. AI真人短剧场景：

   • CDAVE 2.5、Happy Horse 3.0 和 Omni C-S2.5 表现最佳，在人物表情、场景细节和情节完整性上表现突出。
   • 共性问题：剧情执行不完整，细节遗漏（如折叠信件、挂断电话等）。
   • 结论：AI短剧已具备可用镜头质感，但导演能力不足，提高指令执行率是规模化生产的关键。

3. AI动漫级短剧场景：

   • CDAVE 2.0、Happy Horse 1.0 和 Pixverse 表现最佳，在画面精美度、连贯性和人物细节上表现优异。
   • 结论：动漫视频物理和皮肤细节要求较低，真人运动场景更易达到高完成度。

新模型测评：

• CDAVE 2.5：能维持30秒内人物场景一致性，执行多镜头指令，表现分镜脚本生成能力。
• MiniMax H3：在人物场景细节、长提示词理解和商业化画面质感上表现优异，能处理人物、产品、口播结合的商业内容。

行业总结：

• AI视频基础视觉能力已较好，多数模型能生成连贯流畅且具审美质量的画面。
• 模型形成场景化分工：谷歌 Omni 在综合稳定性上更均衡，CDAVE 2.5 在真人短剧和长提示词叙事中表现全面，MiniMax H3 在真人视觉和长视频画质上表现强，Happy Horse 等在动漫场景中表现突出。
• 共性问题：物理规律、指令执行影响制作成本（API单价、抽卡率）。
• 未来趋势：模型竞争将从单段视频生成转向完整生产工作流，需稳定控制角色、产品和场景，理解分镜因果关系并支持局部修改。