Seis segundos
Todas las solicitudes usan la misma duración.
Metodología de investigación · 2026 R1
Cómo comparará Tovaki modelos de vídeo con IA sin elegir antes al ganador
Este es el contrato público y legible por máquinas de una prueba prevista con cuatro modelos. Fija qué se genera, cómo cuentan los fallos, qué ven los revisores y qué debe publicarse antes de permitir una afirmación de calidad.
Preparado, no ejecutado2026-08-25 · Tovaki Research
No se ha completado ninguna generación, puntuación humana, resultado ni clasificación. La metodología se publica antes del resultado.
4integraciones de modelos
6tipos de tareas
24celdas de primera toma
3revisores ciegos
¿Qué mide este benchmark?
Comprueba si tomas cortas conservan personas y objetos, completan un cambio en el orden pedido, mantienen legible la geografía, muestran contacto y reacción, y entregan sonido sincronizado escuchado directamente. Es una muestra de seis tareas en la integración de Tovaki, no un ranking universal de proveedores.
Compromiso de versión del protocolo
El resumen cubre cada byte del protocolo privado, incluidos prompts exactos, lista de modelos, pesos, reintentos y puerta de publicación. Una divulgación posterior con el mismo resumen demuestra que el archivo no cambió; el hash por sí solo no demuestra que se ejecutó la prueba.
SHA-256 · Resumen del protocolo
3efa03ed5fb305054069571bee501e0a06cb247e3334530c9dd7820cff8840d7Lo que permanece fijo
Todos los candidatos reciben la misma exigencia creativa dentro de cada tarea. No se corrigen diferencias con prompts específicos ni eligiendo una repetición más bonita.
9:16 · nivel Tovaki 720p
Un formato vertical y un nivel declarado de integración.
Audio nativo en cada celda
El audio opcional se activa y el audio permanente sigue activo; no se mezclan condiciones mudas y con sonido.
Un prompt exacto por tarea
Sin reescritura por proveedor, mejora oculta ni reintento creativo.
Un proxy de revisión normalizado
Se conservan los originales y todos reciben la misma entrega H.264/AAC.
Etiquetas A–D por tarea
Una letra no identifica permanentemente al mismo modelo entre tareas.
Seis tareas, no una sola imagen bonita
El conjunto cubre deliberadamente trabajo luminoso, cálido, cómico, cinético, táctil, observacional y poético para que una estética estrecha no represente toda la capacidad cinematográfica.
- Relación y entrega de un objeto
- Diálogo y reacción del oyente
- Geografía de acción en movimiento
- Contacto y recuperación de material
- Cámara continua e identidad
- Causalidad surrealista luminosa
Ocho dimensiones visibles
Los revisores puntúan de 0 a 5 en pasos de 0,5. Los pesos suman 100; un fotograma bonito no oculta fallos de tiempo, contacto, sonido o causalidad.
Fidelidad al prompt
15/100Aparecen personas, objetos, acciones, orden, entorno y prohibiciones solicitados.
Estabilidad temporal
15/100El movimiento progresa sin parpadeos, sustituciones ni saltos temporales inexplicables.
Identidad de sujetos y objetos
15/100Las mismas personas y objetos rastreables persisten durante movimiento y oclusión.
Movimiento y contacto físico
15/100Aproximación, contacto, fuerza, transferencia, liberación y respuesta son legibles.
Cámara y geografía
10/100El movimiento revela el evento y mantiene comprensibles dirección y espacio.
Interpretación y reacción
10/100Mirada, pausa, escucha y reacción siguen al evento que las provoca.
Finalización sonora
10/100Voz y efectos son audibles, sincronizados, coherentes en perspectiva y escuchados directamente.
Valor útil de montaje
10/100La toma cumple su función narrativa sin esconder el evento importante.
Flujo de revisión ciega
Congelar y aprobar
Verificar el resumen y obtener un límite de créditos con responsable antes de solicitar nada.
Generar y registrar huellas
Registrar primera toma, fallo técnico, reintento, crédito real, fecha y SHA-256.
Normalizar y escuchar
Crear un proxy anónimo por celda y escuchar directamente todo el audio.
Puntuar a ciegas
Tres revisores usan órdenes distintos sin nombres, proveedores, precios, metadatos ni mapa privado.
Bloquear y revelar
Se bloquean por hash las tres tarjetas antes de revelar identidad; un cambio invalida el análisis.
Un resultado feo no justifica reintentar
Cada celda permite un solo reintento por error del proveedor, timeout, archivo dañado, duración o resolución devuelta incorrecta, o pista de audio obligatoria ausente. Una composición débil, interpretación extraña o historia fallida permanece como evidencia.
Primera pasada prevista: 1620 créditos Tovaki. Techo absoluto si cada celda necesita un reintento técnico permitido: 3240. La generación no está autorizada hasta que un responsable apruebe un límite.
Evidencia pública sin romper la prueba ciega
Público ahora
Alcance, ajustes, categorías, pesos, reintentos, bloqueo, presupuesto, lenguaje de publicación y resumen del protocolo.
Solo tras bloquear puntuaciones
Prompts exactos, lista de modelos, hashes de muestras, fallos redactados, puntuaciones anónimas, créditos reales y limitaciones.
Permanece privado
Identidad personal de revisores sin consentimiento, credenciales o tokens y metadatos privados innecesarios para reproducir el resultado.
Puerta de publicación
- Todavía no hay resultado de calidad. Coste y límites técnicos no sustituyen una clasificación.
- Toda conclusión deberá decir “en esta muestra de seis tareas de la integración de Tovaki”.
- Si los dos primeros difieren menos de 3 puntos sobre 100, deberá decir que no son distinguibles en esta muestra.
- “Mejor modelo de vídeo con IA”, “ganador para todo” y “modelo viral” siguen siendo afirmaciones prohibidas.
Fundamentos metodológicos
Estas fuentes informan controles concretos; no respaldan a Tovaki ni convierten este pequeño estudio en su benchmark.
VBench: Comprehensive Benchmark Suite for Video Generative Models
Separar calidad temporal, calidad de fotogramas y consistencia con la condición.
TC-Bench: Benchmarking Temporal Compositionality in Text-to-Video and Image-to-Video Generation
Probar cambios de estado y relación solicitados a través del tiempo.
Video-Bench: Human-Aligned Video Generation Benchmark
Vincular el juicio humano a dimensiones explícitas y limitaciones.
Artificial Analysis video generation benchmarking methodology
Separar condiciones con audio y declarar ajustes y alcance del endpoint.