创作者实测 Kling 4.0:角色一致性、多图转场与风格切换表现
韩国视觉创作者 서오키(@oasis.seo.ai)受可灵邀请实测 Kling 4.0,用三个创作实验检验 Omni Reference、风格转场与角色一致性。她表示 Kling 4.0 能连贯眼神、表情与手势等细微动作,多图衔接时保留原图色调与质感,真人到动画反复切换中角色形态与动作保持稳定,减少了重复生成与后期修补。她也希望 Sound Effects、角色一致性与精细控制继续改进。
韩国视觉创作者 서오키(@oasis.seo.ai)受可灵邀请实测 Kling 4.0,用三个创作实验检验 Omni Reference、风格转场与角色一致性。她表示 Kling 4.0 能连贯眼神、表情与手势等细微动作,多图衔接时保留原图色调与质感,真人到动画反复切换中角色形态与动作保持稳定,减少了重复生成与后期修补。她也希望 Sound Effects、角色一致性与精细控制继续改进。
Podcastle 用同一段 95.9 秒杂乱口播素材实测 5 款 AI 视频编辑器,Async 凭单条提示词完成去填充词、去停顿、删废镜头、清音频、加字幕、生成 B-roll 并转 9:16,成片 62.9 秒,综合表现最佳;Descript 以约 8 分钟完成全流程、删掉 11 个填充词中的 10 个,竖屏重构效果更好。
Topaz AI 并非免费:Topaz Labs 已于 2025 年 9 月终止 Topaz Photo AI 和 Topaz Video AI 的永久授权,桌面版也不再提供试用,改为先付费、48 小时内可申请退款。
LetsEnhance 是乌克兰团队运营的浏览器端 AI 放大工具,Trustpilot 186 条评价获 4.1 分,付费版最高支持 16 倍放大与 512 MP 输出,免费账户仅 10 积分且输出带水印。
Hugging Face 发布 Open TTS Leaderboard,用客观指标评测开源多语言 TTS 与声音克隆模型,单模型评测耗时从数周投票缩短到数小时。
Hedra 按同一任务(10 秒、1080p、原生音频、一张起始帧加文本提示)对比 11 个视频模型的 API 价格,最低为 LTX-2.3 Fast 的 0.60 美元,最高为 Seedance 2.5 的 7.91 美元,相差 13 倍;其中 9 个模型满足该规格,Veo 3.1 最长 8 秒、MiniMax H3 无 1080p 设置,被单列为近似替代。
推荐理由:同一 10 秒 1080p 带音频任务下,11 个视频模型的 API 单价相差 13 倍,并给出可复用的选型与成本核对方法。
语音 AI 评测基准 Real World VoiceEQ 发布,覆盖 40 多个主流闭源与开源语音模型、15+ 评估维度和 60 多项指标,涵盖 ASR、TTS、S2S 与语音理解。该基准基于超 100 万条人工评分构建,含 785,000 条 TTS 评分和 48,000 条 STS 评分。评测显示 TTS 中没有任何系统配置在全部八个能力组均进入前五,语音模型"会说"强于"会听"。
Hugging Face 上开源了长视频理解基准 TimeScope,通过向 1 分钟至 8 小时的视频中插入 5-10 秒的"针"片段,评测模型的局部检索、信息综合与细粒度时序感知三项能力。结果显示,包括 Gemini 2.5-Pro 在内的领先视觉语言模型在真正的长视频时序理解上仍明显吃力,且视频越长性能下降越明显。
Artificial Analysis 推出文生图排行榜与 Image Arena,基于超 45,000 次人类图像偏好投票计算 ELO 分数,覆盖 Midjourney、DALL·E、Stable Diffusion、Playground 等主流开源与闭源模型。
Hugging Face 发布 TTS Arena,一个借鉴 LMSys Chatbot Arena 的文本转语音模型对比工具,用户输入文本、试听两个模型的合成语音后投票选出更自然的一方,结果汇入公开排行榜。