实测对比：文生视频演示惊艳但易崩，图生视频更实用
EntireBig7258 · reddit · 2026-08-06
作者基于近期的测试经验指出，文生视频和图生视频虽然常被混为一谈，但两者的实际表现和面临的问题截然不同。
- 文生视频：视觉效果往往最惊艳，但也最不可靠。因为模型需要从零开始凭空捏造几何结构和运动轨迹，物理规律和物体恒常性很容易崩溃。在使用 Runway 测试时，几秒内就出现了面部扭曲和肢体畸变。
- 图生视频：看起来无聊但相对可用。由于受限于原图已有的几何结构，前一两秒通常能保持稳定。使用 APOB AI 测试时，面部最初能锁定，但几秒后表情一致性也会下降，需要通过剪辑截取可用片段。
作者总结道，这两种模式目前都未完全成熟，只是以不同且可预测的方式出错，了解所用模式有助于预判可能出现的失败类型。
「多模态」频道最新
- Latent Space DJ 发布：支持本地实时生成 AI 音乐混音 — multimodalart · 2026-08-06
- 多模型编排击败 ElevenLabs：企业级 AI 配音工作流实践 — markjeffrey · 2026-08-06
- 用 Claude 搭建 Discord 批量视频放大机器人 — beechinour · 2026-08-06
- 开发者成功实现 H3 图像 LoRA 训练并开源方法 — Pyros-SD-Models · 2026-08-06
- Mistral Voxtral TTS 延迟低至 70ms，但未完全开源 — shashib · 2026-08-06
- H3 视频生成 4 步 Turbo LoRA 初见成效 — Parking_Baby_57 · 2026-08-06