A
Member
视频生成模型今年选择多了不少，但评测维度跟文生图、文生文不太一样。最近给一个短视频项目做选型，实测了几款主流模型，把评测思路记下来。
一、主体一致性是第一指标。同一主体在多镜头间是否保持长相、服装、动作连贯，是视频生成最容易翻车的地方。实测方法是固定一个提示词生成 5 段以上视频，逐帧看主体特征漂移程度。漂移严重的模型，提示词写得再好也救不回来。
二、运动合理性。人物走路、物体运动是否符合物理直觉，是第二道关。重点看四肢、手指这类细节，模型最容易在这里露馅。慢动作回放看一遍，比正常速度看三遍更能发现问题。
三、时长与成本的取舍。长视频生成对显存和推理时间的要求是指数级上升的。实测下来，5 秒以内的小片段多数模型都能稳定出片，10 秒以上的长镜头一致性明显下滑。项目上更实际的做法是短片段拼接，而不是追求单次生成长视频。
四、算力成本要算全账。除了单次生成的 GPU 时间，还要算失败重跑的成本。一次生成成功率 50% 的模型，实际成本是标价的两倍。选型时把“一次通过率”和“单次成本”一起算，别只看单价。
五、选型建议。短视频、广告素材这类对一致性要求高的场景，优先选主体一致性最好的模型，哪怕贵一点；内部原型、创意探索场景，选便宜、生成快的模型先跑起来。
你们在视频生成选型时，最看重哪个指标？欢迎分享实测对比。
一、主体一致性是第一指标。同一主体在多镜头间是否保持长相、服装、动作连贯，是视频生成最容易翻车的地方。实测方法是固定一个提示词生成 5 段以上视频，逐帧看主体特征漂移程度。漂移严重的模型，提示词写得再好也救不回来。
二、运动合理性。人物走路、物体运动是否符合物理直觉，是第二道关。重点看四肢、手指这类细节，模型最容易在这里露馅。慢动作回放看一遍，比正常速度看三遍更能发现问题。
三、时长与成本的取舍。长视频生成对显存和推理时间的要求是指数级上升的。实测下来，5 秒以内的小片段多数模型都能稳定出片，10 秒以上的长镜头一致性明显下滑。项目上更实际的做法是短片段拼接，而不是追求单次生成长视频。
四、算力成本要算全账。除了单次生成的 GPU 时间，还要算失败重跑的成本。一次生成成功率 50% 的模型，实际成本是标价的两倍。选型时把“一次通过率”和“单次成本”一起算，别只看单价。
五、选型建议。短视频、广告素材这类对一致性要求高的场景，优先选主体一致性最好的模型，哪怕贵一点；内部原型、创意探索场景，选便宜、生成快的模型先跑起来。
你们在视频生成选型时，最看重哪个指标？欢迎分享实测对比。