مقایسه‌ی ۸ مدل ساخت ویدئو با هوش مصنوعی

در این ویدیو، هشت مدل جدید تولید ویدیو با هوش مصنوعی با یک پرامپت یکسان تست می‌شوند تا نتایجشان مقایسه شود. پرامپت شامل صحنه‌ای در کوچه‌ای باریک در تهران، پسری جوان که روی دیوار نقاشی دایناسور می‌کشد، زنده شدن دایناسور و فرار پسر، نوشتن "رویا" به فارسی روی دیوار و گفتن "یا خدا" توسط دایناسور است. هدف، بررسی توانایی مدل‌ها در رعایت فیزیک، پایبندی به پرامپت، نوشتن و صحبت کردن به فارسی است. برای این تست از پلتفرم هیکس‌فیلد استفاده شده که مدل‌های مختلف تولید ویدیو، عکس، فیلم و صوت را یکجا جمع کرده است. پرامپت به زبان انگلیسی داده شده زیرا مدل‌ها با پرامپت انگلیسی بهتر عمل می‌کنند. مدل‌های تست شده عبارتند از: کلینگ‌فور، سیدنس ۲.۵، سیدنس ۲، مینی‌مکس A3، گراک ۱.۵، ایکس‌آی فلوکس، و جمنای اَمنی ۱.۱. زمان ویدیو ۱۰ ثانیه و نسبت تصویر ۱۶:۹ انتخاب شده است. نتایج نشان می‌دهد که مدل‌ها در اجرای فیزیک و واقع‌گرایی صحنه متفاوت عمل می‌کنند. برخی در تبدیل نقاشی به موجود سه‌بعدی و برخی در اجرای اکشن شخصیت‌ها ضعیف‌تر بودند. توانایی گفتار فارسی در بیشتر مدل‌ها قابل قبول بود، اما در نوشتن متن فارسی روی دیوار، مدل‌ها دقت متفاوتی داشتند. در تست دوم با پرامپت پیچیده‌تر، مدل کلینگ‌فور و جمنای اَمنی عملکرد بهتری در نوشتن متن و طبیعی‌تر بودن صحنه از خود نشان دادند، بخصوص با استفاده از تصویر رفرنس. در نهایت، کیفیت خروجی به پیچیدگی صحنه و میزان جزئیات پرامپت بستگی دارد.