Как мы сравниваем
Для выбора модели важны пять параметров:
- Длительность клипа за одну генерацию.
- Разрешение.
- Звук: создаётся ли он вместе с видео.
- Референсы: сколько изображений, видео и аудио можно загрузить, чтобы сохранить персонажа и голос.
- Режимы: видео из текста, из фото, по первому и последнему кадру, редактирование готового видео.
Kling O3
- Разработчик: Kuaishou
- Длительность: 3-15 с
- Разрешение: 720p, 1080p, 4K
- Звук: есть
- Референсы: несколько изображений, редактирование видео
Модель от Kuaishou. Клипы длятся от 3 до 15 секунд, разрешение доходит до 4K в старших режимах. Звук создаётся вместе с видео. Есть мульти-шот: несколько планов и ракурсов внутри одной генерации. Отдельная сильная сторона Kling O3 - редактирование. Можно загрузить готовое видео и изменить в нём объект, персонажа или направление света, сохранив остальную сцену. Референсные изображения помогают удержать внешность героя при движении камеры.
Seedance 2.5
- Разработчик: ByteDance
- Длительность: 4-30 с
- Разрешение: 480p, 720p, 1080p
- Звук: есть
- Референсы: до 50 файлов (30 изображений, 10 видео, 10 аудио)
Модель от ByteDance. Длина клипа от 4 до 30 секунд, разрешение до 1080p, частота 24 кадра в секунду. Звук генерируется вместе с изображением. 4K модель не поддерживает. Главное отличие Seedance 2.5 - число референсов. Один запрос принимает до 30 изображений, 10 видео и 10 аудиофайлов, всего до 50 материалов. Есть режимы первого и последнего кадра, редактирования и продления видео.
Wan 2.7
- Разработчик: Alibaba
- Длительность: 2-30 с
- Разрешение: 480p, 720p, 1080p
- Звук: есть
- Референсы: до 10 изображений, 5 видео, 5 аудио, документы и ссылки
Модель от Alibaba. Клипы от 2 до 30 секунд, разрешение от 480p до 1080p, 30 кадров в секунду. Звук включён по умолчанию. Референсы: до 10 изображений, 5 видео и 5 аудиофайлов. Wan 3.0 умеет строить видео по документу или ссылке на веб-страницу. Можно загрузить презентацию, PDF или адрес статьи и получить ролик по их содержанию. На август 2026 Alibaba обозначает API модели как preview.
MiniMax H3
- Разработчик: MiniMax
- Длительность: 5-15 с
- Разрешение: до 2K
- Звук: стерео
- Референсы: изображения, видео и аудио
Модель от MiniMax, в линейке Hailuo известна как Hailuo 3.0. Клипы от 5 до 15 секунд, разрешение до 2K, 24 кадра в секунду, стереозвук создаётся в том же проходе. Модель принимает изображения, видео и аудио как референсы и работает с первым и последним кадром. Подходит для коротких кинематографичных клипов, где важно высокое разрешение.
Промт для всех генераций использовался одинаковый, без дополнительных референсов: The person in the photo looks at the camera. At 0-3 seconds: they slowly turn their head toward the camera, blink naturally and smile, a light breeze moves their hair, the camera makes a slow push-in. At 3-6 seconds: they say in a calm voice: «Hello, this is a test», natural lip movement, the camera begins a slow orbit around them. At 6-8 seconds: they hold a soft smile and look ahead, the orbit continues smoothly. Soft natural light, shallow depth of field, realistic motion, soft room tone and subtle ambient sound, no cuts, face and clothing stay consistent with the photo
Какую модель взять под задачу
- Длинный ролик одним куском, до 30 секунд: Seedance 2.5 или Wan 3.0.
- Максимальное разрешение: Kling O3 (до 4K) или MiniMax H3 (до 2K).
- Много референсов для персонажа, голоса и движения: Seedance 2.5.
- Правка уже снятого видео: Kling O3 или Seedance 2.5.
- Сцена из нескольких планов: Kling O3.
- Ролик по документу или статье: Wan 3.0.
- Видео о себе по одной фотографии: любая из четырёх. Выбор зависит от того, как модель держит лицо, поэтому сначала проведите тест из следующего раздела. Подробности о съёмке есть в статье «Как снять видео о себе с помощью ИИ».



