Нейросеть для создания видео: один запрос и 10 моделей

Дали десяти нейросетям одно описание: рыжий кот запрыгивает на подоконник, поворачивает голову к камере, за окном идёт снег. Пять секунд, широкий кадр. Ничего не отбирали — все ролики ниже, включая неудачные.

Видео дороже картинки в десятки раз, поэтому вопрос «стоит ли переплачивать» здесь острее всего. Ответ оказался неожиданным.

Цена не предсказывает ни качество, ни скорость

Один и тот же пятисекундный ролик обошёлся в двенадцать раз дороже у одной модели, чем у другой. И дороже — не значит лучше:

• Единственная модель, которая показала настоящий прыжок, оказалась второй с конца по цене — почти самой дешёвой в подборке.
• Самая дорогая в подборке нарисовала кота, который уже лежит на подоконнике: движение из запроса просто пропущено.
• Модель, рисовавшая дольше всех — семь с половиной минут, — обошлась в восемь раз дешевле самой дорогой. Долго — не значит дорого, и наоборот.

Если строить ожидания по прайсу, промахнётесь. Единственный способ выбрать — посмотреть, что модель делает с вашей задачей.

Отдельная тонкость: у видео цена не фиксированная. Она зависит от разрешения и длительности, и разброс внутри одной модели доходит до двадцати раз. Ролик 480p на пять секунд и 1080p на десять — это очень разные деньги, хотя модель одна.

Время: от 48 секунд до 7,5 минут

Это главное отличие видео от картинок. Картинку модель рисует за 5–30 секунд, и разницу между «быстро» и «медленно» почти не замечаешь. С видео иначе: одни модели отвечают за минуту, другие заставляют ждать больше семи.

Практический вывод: подбирать формулировку на быстрых моделях. Если каждая проба стоит семи минут, за час вы успеете восемь попыток — этого мало, чтобы нащупать нужное описание. На быстрой модели столько же проб уложится в десять минут, а финальный кадр можно отрисовать медленной.

Что модели понимают одинаково, а что нет

Кота, окно и снег нарисовали все — базовую сцену модели собирают надёжно. Расходятся они в движении, и разброс тут больше, чем можно было ожидать.

• Прыжок показала одна модель. Кот пригибается на полу, летит в воздухе — этот кадр видно отдельно — и приземляется на подоконник. Ровно то, что просили.
• Часть моделей заменила прыжок ходьбой: кот сидит на полу, потом идёт по подоконнику. Действие выполнено, но не то, которое описано.
• Часть пропустила действие вовсе: кот уже лежит на подоконнике с первого кадра, и всё «движение» — это поворот головы к камере.

Вывод для запроса: глагол модели трактуют вольно, и чем короче описание, тем свободнее. Если движение важно, разбейте его на шаги — не «запрыгивает», а «пригибается, отталкивается, взлетает, приземляется на подоконник». Тогда шансы получить именно прыжок заметно выше.

Три модели не отдали ролик вовсе

Об этом стоит сказать честно, потому что с видео такое случается чаще, чем с картинками. У одной модели поставщик отвечал «все провайдеры недоступны» на всех попытках; ещё две сгенерировали ролик, но ссылку на готовый файл выдали закрытую — скачать его не смог бы никто.

Мы убрали их из каталога, чтобы вы не платили за то, чего не получите. Оставшиеся десять проверены этим самым прогоном.

Сколько это стоит и как считается

Видео тарифицируется иначе, чем текст: за секунды ролика, а не за слова. Пятисекундный ролик у разных моделей обходится очень по-разному, и у нас это входит в лимит подписки — отдельной платы за ролик нет.

Именно поэтому важно знать, какая модель справляется с вашей задачей: перебор на дорогой модели съедает месячный лимит за несколько попыток, на дешёвой — почти не заметен.

Как попробовать самому

Все модели из сравнения работают в ТвойГПТ по одной подписке: российская карта, без VPN, переключение между нейросетями в один клик.

Начните с быстрой и дешёвой модели — подберите формулировку, посмотрите, как она понимает движение. Когда описание готово, имеет смысл прогнать его на более дорогой и сравнить.

Первая неделя бесплатно — карта не нужна.