可灵4.0与即梦Seedance 2.5对比：30秒直出视频实测

以下是视频口播的自动转写，可能有错字。

一边是可灵4.0，一边是即梦 c dance 2.5，现在他们都能直接生成一段30秒的视频了。你怎么又拍我呀？好看嘛！好看嘛！老板，这个兔子灯怎么卖呀？20块一个，20块一个，乖得很嘛！哈哈哈！你要吃吗？要啊！要啊！看完这组对照，我相信你心里一定已经有答案了。

趁着可灵4.0刚刚上线，我就想把同一段提示词以及同一组人物和场景参考图，从提示词遵循、主体一致性、动态表现和画面质感这四个维度，看一看面对第一视角的连续互动场景，谁的生成效果会更真实。首先是人物一致性，从效果来看，对于目前的SOTA视频模型来说，已经不是什么难事了。

我给两边提供了同一张人物三视图，作为女主的长相和穿着的统一参考。两边都保留了这个角色的主要特征，人物在不同镜头里的形象也比较稳定，这一项两边的表现都不错。那场景的还原度呢？我给的这张参考图，重点是两侧密集的花灯和暖色光线。我想保留的就是这种温暖又有烟火气的感觉。

看即梦 c-dance 2.5，从开场到兔子灯旁边的这几个镜头，花灯的暖色和周围的明暗关系都比较接近参考图。人物身上的光也和环境保持了统一。可灵4.0这边，人物近景的光线更亮，也更偏白。参考图里的那种柔和和暖色氛围，就没有很好的保留下来。所以这组镜头里，即梦 c-dance 2.5对原图氛围的还原更到位。

提示词里我特别强调了一个要求，全程都是男友的第一人称视角，也就是我们始终站在男友的位置，看着女孩和自己互动。即梦 c-dance 2.5的这一段，全程保持着男友手持拍摄的视角，女孩与镜头的互动也很自然，有一种面对面相处的代入感。但可灵4.0到了最后，镜头却切到了两个人，视角突然变成了旁。

旁观者，前面那种面对面的互动感也被打断了。还有递栗子的这个小互动，我想让女主先把那袋栗子递过去，等男友伸手要拿时，再故意收回来逗他一下。但可灵4.0没有完成递过去又收回来的动作，故意逗他一下的互动也没有表现出来。再看女主凑近镜头的这几秒，提示词里我写了靠近时短暂失焦，退回后又恢复清晰。

即梦 c dance 2.5，女孩靠近和退回时，画面的虚实也跟着变化，很像真实拍摄时，镜头随着人物距离重新对焦。这种细节我觉得处理的很细腻。可林斯达林这边就缺少了这种自然的虚实过渡，动作就显得生硬了一些。最后看看画面质感。其实从前面的一系列对比里，已经可以看出即梦 c dance 2.5把暖色光影和柔和的景深结合的比较自然，让这段视频有了一种温暖细腻的电影感。

整体评测下来，即梦 c dance 2.5依旧是我。我心中的 ai 视频王者，它对提示词的执行更到位，人物互动和整体的光影氛围也更接近我想要的效果。单看模型每秒的生成价格，可灵会稍微便宜一些，但差距很小。但真正做片子，还要把重试和返工的成本算进去。

越接近一次生成就能用，后面花的时间和积分也就越少。即梦 c-dance 2.5在这组结果里，对关键要求的完成度更高。如果因此少做了几次，实际的成本反而会更低。好了，今天节目就到这里，我们下期再见，拜拜。