周红伟：即梦、可灵、HappyHorse三强测评，谁翻车了？

中国视频生成模型进入“三国杀”时代。在过去半年里字节的即梦Seedance 2.0、快手的可灵3.0、阿里的HappyHorse先后登顶 Artificial Analysis视频模型榜单第一。「AIX财经」用六段统一的提示词对三款模型进行了横向测试——四组古典艺术题材、两组现代落地题材。这六组覆盖了AI视频生成关键的能力维度动作叙事、静态情绪、多人调度、文化符号还原、现代写实质感、商业可用性等。三家模型在叙事密度、镜头语言、文化辨识度上给出了三种完全不同的解法也在不同的环节翻车如中文文字乱码、多人面孔的“克隆人”现象以及对特定文化符号的还原失误等。以下是完整的测试报告。01.测试一赵子龙单骑救幼主提示词0-3秒远景。黄昏战场烟尘弥漫残阳如血。一员白袍银甲的年轻将军单骑自远处疾驰而来白马奔腾红色披风在身后猎猎飞扬。他怀中紧抱一个襁褓婴儿一手紧握长枪。3-6秒中景。镜头跟随推近白袍上已溅有斑斑血迹银甲反射夕阳余晖。他长枪一挑挑落迎面而来的一名敌将动作迅猛如梨花纷飞。四周曹军黑甲红旗如潮水般涌动他穿插其中。6-10秒近景特写。将军回首一望目光坚毅决绝缰绳一带白马长嘶人立他低头看了一眼怀中婴孩随即扬枪策马冲入更深的尘烟之中。镜头定格于他冲入尘雾的背影。整体中国古典战争电影质感冷暖对比强烈——白袍银甲与黄沙血色的对比慢动作与实时动作交错尘土飞扬胶片颗粒感自然光。参考《赤壁》《影》《满城尽带黄金甲》战场镜头美学4K。难点多镜头、多景别、连续叙事高速动作与慢动作交错密集群体交互特定历史风格与画面质感。战争戏是影视拍摄难度最高的场面之一。模型生成单镜头大片感画面并不难难的是连续切换景别还能保持叙事连续——马的颜色变了、披风消失、人物面孔在镜头切换间漂移是这类生成最常见的翻车方式。这段提示词把难度叠在了一起景别从远景到近景节奏实时与慢动作交错赵子龙、白马等多主体调度三层挑战同时存在。任何一层失控画面就垮。视频长坂坡赵子龙即梦版Seedance2.0的执行最完整。白马、银甲、红披风、怀抱襁褓、长枪、敌军红旗、夕阳战场这些提示词里的视觉要素几乎全部命中赵子龙脸颊的伤痕、银甲上的血迹这类细节也按提示词如实生成。最关键的是叙事密度它在10秒内完成了冲入战场—挑落敌将—回首决绝—冲入尘烟的完整动作弧线几乎是对提示词的逐句还原。视频长坂坡赵子龙可灵版可灵3.0单帧画面质感好第5秒那一帧盔甲花纹、披风纹理、群演调度等细节非常充实。但它实际叙事内容只完成了“冲入战场”这一个动作即梦用4秒讲完的事可灵用5秒只讲了一半。视频长坂坡赵子龙HappyHorseHappyHorse在画面风格上偏离了提示词。提示词要求的是《赤壁》《影》一类的实拍电影质感HappyHorse给出的却是3D游戏的CG画风烟尘饱和度过高、写实感偏弱、背景群演面目模糊。在叙事密度上它最弱。02.测试二黛玉焚稿提示词烛光昏暗的卧房内一名病弱的年轻女子林黛玉坐于火盆前手持诗稿缓缓投入火中。火光映照她苍白消瘦的面容纸灰随热气飞起。镜头近景固定极浅景深光影对比强烈。难点静态情绪表演、哀而不伤的复杂情绪传达古典室内空间的光影氛围火焰与纸张的物理表现。视频黛玉焚稿依次是Seedance2.0、可灵3.0、HappyHorse如果说赵子龙考验的是模型的动作能力那黛玉焚稿考验的就是模型的表演能力。它没有剧烈动作、没有复杂场景几乎所有信息都靠一张脸表达。这一组的真正难度在于复杂情绪的层次模型必须在10秒内通过面部微表情而不是动作来传达人物情感的复杂性。Seedance2.0的表演水准接近古装剧的演员特写。视频中的黛玉情绪是克制、压抑的哀。后段有一帧人物含泪带笑、似哭非哭表现出了黛玉“哀而不伤”的复杂感情。可灵3.0把烛光、火盆、淡青色衣襟、深色木结构组成了一个冷暖对比的工整构图。它处理“焚稿”这个动作时给出了一个比即梦更具叙事铺垫的镜头——先凝视诗稿再放入火焰表达黛玉焚稿前的犹豫但人物表演的层次稍弱。HappyHorse开场把火焰直接挡在人物面前后段镜头才切换到人物正面人物眉头微蹙、眼眶泛红、神情哀痛比可灵的人物情绪更有带动性但更像是一种动漫女主式的夸张表达。03.测试三温酒斩华雄提示词温酒斩华雄关羽推帘而入。古代军帐内众将领围坐于桌前神情凝重。帐外远处传来马蹄声与金鼓声。一员红袍长髯的将军掀开帐帘大步而入将手中物件掷于桌上。镜头从帐内众人转向帐门跟随入帐之人转身回到桌前。难点多场景跨越叙事帐内等候-关羽归来关羽人物形象的精确还原多人凝视一人的场面调度暗示性叙事斩华雄不直接展示。视频温酒斩华雄依次是Seedance2.0、可灵3.0、HappyHorse这段提示词要求模型完成一个真正的电影叙事两个空间帐内、帐外、两个时间关羽离去、归来、一组角色关系凝重的众将VS归来的关羽要讲一个事件。主角辨识度也是难点之一。关羽是中国文化里高度符号化的形象青龙偃月刀、长髯过腹、丹凤眼任何一项缺失这个人物就立不住。这一组三家模型都翻车了。Seedance2.0几乎呈现了关羽的所有视觉符号。但视频后半段出现了空间穿模关羽将手中物件原本搁在桌面靠近自己的一侧下一帧却跳到了桌面另一侧身旁众将的视线也随之转向另一边。主体一致性在10秒内出现了断裂。此外提示词中“温酒”这一关键细节即梦完全没有表现。可灵3.0和HappyHorse的关羽辨识度都不足红袍是有的但长髯过腹这些关羽的核心视觉符号缺失。“斩首归来”这一核心动作两家也都没有表现。关羽手中之物被理解为酒壶而不是华雄的首级。动作也变成了“温酒入帐”叙事的核心反转完全消失。值得专门指出的是这一组镜头几乎集中暴露了AI生成多人时的标志性问题几位将军的面孔高度雷同同样的胡须、同样的发型、同样的盔甲这是典型的“克隆人”翻车。04.测试四元妃省亲提示词夜晚的中国古典园林亭台楼阁灯火通明处处悬挂红色宫灯。香烟缭绕花影婆娑。仕女们身着华丽古装在长廊中缓步行走。镜头缓慢横移展现园林全景。柔和暖光中国古典电影美学。难点多元素静态场景调度复杂建筑空间还原群体仕女形态一致性古典园林夜景的光影氛围。视频元妃省亲依次是Seedance2.0、可灵3.0、HappyHorse这组测试考验的是模型的东方美学还原能力它不像战场戏那样靠动作密度赢得视觉刺激而是靠静态画面里的元素精度。飞檐、雕梁、宫灯、长廊、香烟、水面倒影、人物服装这些元素中任何一项出错整个画面就会“塑料化”。Seedance2.0的画面以人物为主体叙事感最强。一队仕女缓步行进于水边长廊服色错落有致发髻整齐统一。镜头从水面倒影开始逐步带出建筑、灯笼、再到行进的队列信息密度层层递进。可灵3.0的建筑更有质感池塘雾气和水面倒影更是接近实拍。但开篇近5秒几乎是建筑空镜人物只在画面边缘晃过直到后半段镜头切换才出现仕女特写。在这组镜头设计上更重场景轻人物。HappyHorse前7秒全是空镜仰拍灯笼、烟雾、阁楼镜头在建筑间游移完全没有人物。到最后2秒才让两位红衣绿裙的仕女缓步入画。虽然后两秒人物的服饰精度、面容质感、回廊光影都可圈可点但整个视频没有表现出省亲主题。05.测试五早高峰地铁提示词早高峰的地铁车厢镜头缓慢横移扫过几位乘客。有人低头看手机有人靠窗打盹有人带着耳机望向窗外。车厢轻微摇晃窗外隧道灯光快速掠过。难点现代城市场景的真实质感多人物群像通勤者状态的精准刻画地铁车厢内部细节。视频早高峰地铁依次是Seedance2.0、可灵3.0、HappyHorse这组测试的是纯现代写实场景任何一处违和如错误的扶手形制、错位的广告牌、不像中国人的面孔、不真实的拥挤密度都会让观众出戏。尤其值得指出的是这组测试具有高度的地域性北上广深的地铁几乎都有自己的车厢风格人群的构成、车厢广告等细节很容易出现错位。Seedance2.0在地域上出现了明显偏移。它的车厢内部精度接近实拍不锈钢扶手、白色拉环、车门、广告位、座椅蓝色、人物姿态也很自然。但问题在于画面整体看起来像韩国地铁广告牌上的疑似韩文、车厢风格、人物面孔都偏韩系。可灵3.0是三家中地域识别最准确的车厢风格、宣传海报、广告LED屏、“禁止吸烟”标识等都是国内地铁的标准配置。可灵的画面同样精度高人物状态也真实。但它的问题是另一个维度的车厢太空旷不像早高峰。HappyHorse是这一组的意外反超者。它最准确还原了早高峰的拥挤感密集的站立通勤者、西装上班族在低头刷手机、戴围巾的中年女士、座位上闭眼休息的乘客。06.测试六林黛玉直播带货提示词现代直播间内一位古装少女林黛玉坐于精美中式书房布景前身着月白色绣花襦裙手持一瓶护肤精华面带浅笑娓娓而谈。她体态柔弱清瘦眉间略带忧郁。背景有书架、瓷瓶、绿植环形补光灯打在她脸上桌前可见弹幕飘过的屏幕剪影。难点古今元素融合的合理性直播间布景的现代真实感古典人物气质的精确还原产品特写的商业可用性直播表演的微表情。视频林黛玉带货依次是Seedance2.0、可灵3.0、HappyHorse这段提示词的难点不在于任何单一元素而在于合不能让观众笑场也不能显得违和。即梦的完成度最高人物辨识度也最准。清雅气质、忧郁眉眼黛玉的人物特征被准确捕捉。同时环形补光灯、苹果笔记本、iPhone取景器、产品礼盒、新中式书房布景也全部到位。人物的口型自然、眼神温和、刺绣细节清晰可见。它让黛玉和直播间在同一个画面里看起来是合理的而不是滑稽的。可灵3.0在镜头视角上做了最大胆的设计。它没有正面拍“穿古装的人在直播”而是给出了一个直播间外的观众视角前景是一台显示着密密麻麻弹幕的屏幕后景才是身着古装的少女在直播。这种视角设计还原了直播间这个空间的层次感没有把它当成一个普通背景。但人物气质偏离了黛玉。HappyHorse人物镜头出现了严重翻车。主播脸部被一块发光的白色光斑遮挡可能是模型把环形补光灯的反射误生成在了人物面部上产品特写镜头中又出现了三只手这是AI生成手部时最常见的物理翻车之一。值得注意的是中文文字生成这个公认的软肋。可灵3.0和HappyHorse模型都给出了带弹幕屏的画面但所有弹幕文字都是糊的乱码。07.结语这六组测试打下来三家模型的水平差距明显。Seedance 2.0是这次测试里综合完成度最高的核心优势在于叙事密度能在10秒内把提示词里的动作弧线基本跑完赵子龙一战几乎是逐句还原黛玉焚稿也给出了哀而不伤的情绪层次。但它并非没有短板温酒斩华雄出现了空间穿模。可灵3.0的单帧质量是三家里最稳的黛玉焚稿的烛光构图、元妃省亲的水面倒影、地铁场景的标识细节每一帧单独截出来都经得住放大看。但在连续叙事上仍有所欠缺有时场景交代充分人物和事件姗姗来迟。HappyHorse作为三家里最新公测的模型它在局部精度与某些场景表现突出但整体稳定性与风格仍有待探索例如在赵子龙测试中给出3D游戏CG风格元妃省亲前七秒全是空镜。需要注意的是不同效果背后各家的收费也有差异。「AIX财经」同时购买了即梦、HappyHorse最高等级会员、可灵铂金会员价格分别为499元、188元和186元生成一段视频三家分别需要330积分、160积分和96积分。另外三家模型存在共同没有解决的问题也代表着当前AI视频生成的天花板。例如没有一家能在画面里稳定生成可读的中文多人面孔一致性也是集体翻车点。