主流 DiT 视频生成模型简单测试-歸藏

非常简单的测试，结果肯定不全面，全是主观看法，如果有其他想法欢迎交流。

Pixverse 的 DiT 模型也发布了，刚好完整的图生视频 DiT 凑齐了三家。

顺手做了一个简单测试，主要分成文生视频和图生视频测试，由于 Gen3 没有图生视频就没有测试。

文生视频的三个提示词分别是：

•宇航员在零重力下漂浮。慢动作。受损的空间站内，碎片漂流。•施展强大咒语的巫师。爆炸。神秘符号在空中旋转。•角色被拉入魔法书中。漩涡。旋转的书页和墨水形成现实。

图生视频的三张图有一张人像、一张动物运动、一个科幻飞船运动。

测试视频在这里：

测试结果

文生视频

我发现 Pixverse 在文生视频上有些实诚，对提示词的响应非常好。

你只要写了它就会生成出来，不像其他几家觉得生成不好就不生成了。比如第一个提示词是宇航员在空间里，Runway 和 Luma 都没生成宇航员。

另外Pixvers对于奇幻和科幻的响应也很好。可灵就别说了，前两个很好。

Pixvers 第二个巫师施法的效果非常好，火焰甚至覆盖了巫师全身类似火焰护盾的效果，luma 直接皮克斯了，runway 也很滑稽。

第三个的提示词是“一个角色被拉进了魔法书里，旋转的页面和墨水形成现实”，属实有些难度，大家都拉了，不过Pixverse和可灵的起码能看。

图生视频

图生视频这里Pixverse的优势是运动幅度非常大，是几家里面最大的，比如飞船那个。 这里面 luma 的问题是亚洲人脸变成了欧洲人，可灵是无法维持老虎那个图片的美学氛围。 Pixverse的问题是运动幅度过大带来的抽卡成功率下降。