统一 6 秒
每次请求使用同一目标时长。
研究方法 · 2026 R1
Tovaki 如何在不预选赢家的前提下比较 AI 视频模型
这是四模型计划测试的公开机器可读合同。它先固定生成范围、失败计入方式、评审可见内容与发布门，再允许任何质量结论出现。
已准备，尚未执行2026-08-25 · Tovaki Research
尚未完成供应商生成、人工评分、结果或排名。本页先公开方法，再等待证据。
4个模型接入
6类不同任务
24个首轮单元
3位盲评人
这套基准测量什么？
它检查短视频能否保持人物与物件身份、按正确顺序完成变化、维持可读的镜头地理、表现真实接触与反应，并交付经过完整直接监听的同步声音。它只是六任务的 Tovaki 接入样本，不是供应商通用排行榜。
协议版本承诺
下方摘要覆盖完整私人协议的每一个字节，包括精确提示词、本轮模型名单、权重、重试和发布门。日后披露的文件若摘要相同，可证明协议没有变化；摘要本身不能证明实验已经执行。
SHA-256 · 协议摘要
3efa03ed5fb305054069571bee501e0a06cb247e3334530c9dd7820cff8840d7保持不变的条件
每个任务内，所有候选接收同一创作要求。不能用模型专属提示词或只挑更漂亮的重跑结果修饰差异。
9:16 · Tovaki 720p 档
统一竖屏格式与公开接入分辨率档。
所有单元都使用原生音频
可选音频会开启，强制音频保持开启；静音与有声条件不会混在一起。
每任务一条精确提示词
不为供应商改写，不做隐藏增强，不允许创意性重试。
统一评审代理
保留原始文件；评审只接收同一 H.264/AAC 配方。
任务内独立 A–D
同一个匿名字母不会跨任务永久对应某个模型。
六类任务，而不是一张漂亮画面
任务刻意覆盖明亮、温暖、喜剧、动感、触感、观察与诗意风格，避免一种狭窄审美替代电影制作能力。
- 关系与物件交接
- 对白与倾听反应
- 运动动作地理
- 材质接触与恢复
- 连续运镜与身份
- 明亮超现实因果
八个公开评分维度
评审使用 0–5 分、0.5 步长。权重总计 100；一张漂亮静帧无法掩盖时间、接触、声音或故事因果错误。
提示词遵循
15/100要求的人物、物件、动作、顺序、场景和禁止项都实际出现。
时序稳定
15/100运动发展过程中没有闪烁、突然替换或无法解释的时间断裂。
人物与物件身份
15/100人物和可追踪物件在运动、遮挡前后保持同一身份。
运动与物理接触
15/100接近、接触、受力、转移、释放和物理反馈都清楚可读。
运镜与空间地理
10/100镜头服务事件，人物方向和空间关系保持可理解。
表演与反应
10/100视线、停顿、倾听和反应发生在引发它们的事件之后。
声音完成度
10/100对白与音效可听、同步、空间一致，并经过完整直接监听。
剪辑可用价值
10/100镜头无需遮住关键事件就能完成预定的叙事工作。
匿名盲评流程
冻结并审批
核对协议摘要，并在任何请求前取得具名积分上限审批。
生成并留指纹
记录每次首发、技术失败、重试、实扣积分、时间戳和 SHA-256。
统一代理并监听
每个单元生成一个匿名代理，完整直接监听全部音轨。
匿名评分
三位评审使用不同随机顺序，看不到模型、厂商、价格、元数据或私人映射。
先锁分，再揭盲
身份公开前锁定三份评分卡哈希；锁分后修改会使分析失效。
不好看不是重试理由
每个单元最多重试一次，且只限供应商错误、超时、文件损坏、返回错误时长或分辨率、缺少必要音轨。构图弱、表演怪或故事没有完成，都必须保留为证据。
首轮计划 1620 Tovaki 积分。若每个单元都发生一次允许的技术失败，协议绝对上限为 3240。具名负责人批准前，生成仍未获授权。
公开证据，但不破坏盲测
现在公开
范围、设置、任务类别、评分权重、重试规则、锁分规则、预算上限、发布语言和协议摘要。
锁分后才公开
精确提示词、本轮模型名单、样本哈希、脱敏失败台账、匿名原始评分、实际积分和局限。
持续保密
未经同意的评审个人身份、供应商凭证或令牌，以及复现实验不需要的私人供应商元数据。
发布门
- 当前没有质量结果。成本与技术限制不能代替质量排名。
- 未来任何结论都必须写明“在这组六任务的 Tovaki 接入样本中”。
- 前两名总分差距小于 3/100 时，必须写“本样本无法区分”。
- “最好的 AI 视频模型”“适合所有用途的冠军”和“必爆模型”始终属于禁止主张。
方法论基础
以下来源只影响具体控制项；它们不为 Tovaki 背书，也不会把这项小型接入研究变成对应论文的基准。
VBench: Comprehensive Benchmark Suite for Video Generative Models
拆分时间质量、单帧质量与条件一致性。
TC-Bench: Benchmarking Temporal Compositionality in Text-to-Video and Image-to-Video Generation
测试要求的状态与关系是否按时间完成变化。
Video-Bench: Human-Aligned Video Generation Benchmark
把人工判断绑定到明确维度，并公开综合分的局限。
Artificial Analysis video generation benchmarking methodology
分开有声音条件，并明确固定设置与端点范围。