tüm testler
Benchmark · · 6 dk okuma ·

Üç video modeline aynı sahneleri canlandırttım

Wan 2.2, MiniMax H3 ve LTX-2.5’i tek RTX 5090’da aynı üç çizimle denedim: bekleme süreleri, netlik ve hızlandırmanın bedeli.

Kullanılan teknolojiler ve ortam

NVIDIA · donanım

  • Tek RTX 5090 32 GB · 450 W sınırı
  • Threadripper PRO 5955WX
  • 3 başlangıç çizimi · sahne başına 1 deneme

Modeller ve çalıştırıcı

  • Wan 2.2 I2V A14B + LightX2V 4 adım · Diffusers
  • MiniMax H3 FL2VA fp8 + turbo 8 adım · ComfyUI
  • LTX-2.5 22B distilled int8 · ComfyUI
  • 1280×720 16 fps · 1344×768 24 fps · 1280×704 24 fps

Kısa videolarımda kullandığım çizim odasını hareketlendirmek için şimdiye kadar Wan 2.2’yi kullanıyordum. Sonuç fena değildi ama 5 saniyelik bir sahne için tek ekran kartında üç buçuk dakika kadar bekliyordum; bazı sahnelerde görüntü de kayıyor ya da yumuşuyordu. Bu kez yeni çıkan iki modeli, MiniMax H3 ve LTX-2.5’i, aynı sahnelerle Wan’ın yanına koydum.

Merak ettiğim şey basitti: Aynı çizimi ve aynı sahne anlatımını verdiğimde hangisi daha çabuk bitiriyor, hangisi çizimi bozmadan hareket ettiriyor?

Ne yaptım

Videolarda kullandığım üç çizimi başlangıç resmi olarak verdim: defterine yazan çocuk, boş masa ve masada uyuyan iki kedi. Her modelden bu resimden başlayan yaklaşık 5 saniyelik bir klip istedim. Bütün denemeler NVIDIA bilgisayardaki tek bir RTX 5090 üzerinde çalıştı; kartlar o sırada 450 W ile sınırlıydı.

Sahne anlatımı üç modelde aynıydı: çocuk yavaşça yazıyor, duraklıyor, göz kırpıyor; lamba hafifçe titriyor; kediler yavaşça nefes alıyor. Ama her model tarifin biraz farklı bir kalıpta yazılmasını istiyor. Bu yüzden cümleler birebir aynı değil; her sahnenin altında üç modele verdiğim tam metinleri bıraktım. Her sahneyi her modelde bir kez ürettim; yani bunlar seçilmiş en iyi örnekler değil, ilk ve tek denemeler.

Bekleme süresi

En büyük fark burada çıktı. Wan bir klibi 196–226 saniyede, MiniMax H3 145–160 saniyede bitirdi. LTX-2.5 ise 26–34 saniyede hazırdı; Wan’dan altı yedi kat daha hızlı.

5 saniyelik klibin hazırlanma süresi: Wan 196–226 sn, MiniMax H3 8 adım 145–160 sn, H3 4 adım 84 sn, LTX-2.5 26–34 sn

Klipler aynı uzunlukta ama aynı biçimde değil. Wan saniyede 16, H3 ve LTX saniyede 24 kare üretiyor; H3’ün çözünürlüğü de biraz daha yüksek. Yani H3 hem daha kısa sürede bitirdi hem de daha fazla kare çıkardı.

Klipler yan yana

Sayılardan çok videoları izlemek daha açıklayıcı oldu. Aşağıda her sahne için başlangıç resmi ve üç modelin değiştirmeden bıraktığım çıktısı var. Siteye koymak için yalnızca boyutlarını küçülttüm.

Çocuk defterine yazıyor

Başlangıç resmi
Başlangıç resmi
Wan 2.2
MiniMax H3 · 8 adım
LTX-2.5
Çocuk defterine yazıyor — üç modele verdiğim tam tarifler

Wan 2.2

The boy in a dark green sweater writes slowly in his notebook with a pencil, pauses, and blinks naturally. warm hand-drawn textured illustration, amber desk lamp light, olive green walls, rainy night outside the window, cozy, consistent style, gentle natural motion, steady camera

MiniMax H3 (H3 başlangıç resmine <Picture 1> diye atıf yapılmasını bekliyor)

Warm hand-drawn textured 2D illustration with visible paper grain, amber desk-lamp light, olive green walls, cozy night room with a beige CRT computer. Keep the exact drawing style, colors and characters of <Picture 1>; the environment is constant throughout. SHOT 1: The scene opens exactly on <Picture 1>. The boy in the dark green sweater writes slowly in his notebook with a pencil, pauses, and blinks naturally. Steady camera, gentle natural motion, one continuous shot, no cuts, no new objects or people.

LTX-2.5

Warm hand-drawn textured 2D illustration with visible paper grain, amber desk-lamp light, olive green walls, cozy night room with a beige CRT computer, consistent flat illustration style, steady camera. Use the provided start image as the first frame. The boy in the dark green sweater writes slowly in his notebook with a pencil, pauses, and blinks naturally. Gentle natural motion, one continuous shot.

Boş masa, lamba ve ekran

Başlangıç resmi
Başlangıç resmi
Wan 2.2
MiniMax H3 · 8 adım
LTX-2.5
Boş masa, lamba ve ekran — üç modele verdiğim tam tarifler

Wan 2.2

The empty desk at night: the desk lamp flickers softly, dust floats in the warm light, the CRT shows a slowly updating green graph; slow push-in. warm hand-drawn textured illustration, amber desk lamp light, olive green walls, rainy night outside the window, cozy, consistent style, gentle natural motion, steady camera

MiniMax H3 (H3 başlangıç resmine <Picture 1> diye atıf yapılmasını bekliyor)

Warm hand-drawn textured 2D illustration with visible paper grain, amber desk-lamp light, olive green walls, cozy night room with a beige CRT computer. Keep the exact drawing style, colors and characters of <Picture 1>; the environment is constant throughout. SHOT 1: The scene opens exactly on <Picture 1>. The empty desk at night: the desk lamp light flickers softly, dust floats in the warm light, the green CRT screen glows; very slow push-in. One continuous shot, no cuts, no people, no new objects.

LTX-2.5

Warm hand-drawn textured 2D illustration with visible paper grain, amber desk-lamp light, olive green walls, cozy night room with a beige CRT computer, consistent flat illustration style, steady camera. Use the provided start image as the first frame. The empty desk at night: the desk lamp light flickers softly, dust floats in the warm light, the green CRT screen glows; very slow push-in. No people.

Masada uyuyan iki kedi

Başlangıç resmi
Başlangıç resmi
Wan 2.2
MiniMax H3 · 8 adım
LTX-2.5
Masada uyuyan iki kedi — üç modele verdiğim tam tarifler

Wan 2.2

The round gray British Shorthair cat and the black-and-white tuxedo cat sleep on the wooden desk, breathing slowly; an ear twitches and a tail moves a little; rain outside. warm hand-drawn textured illustration, amber desk lamp light, olive green walls, rainy night outside the window, cozy, consistent style, gentle natural motion, steady camera

MiniMax H3 (H3 başlangıç resmine <Picture 1> diye atıf yapılmasını bekliyor)

Warm hand-drawn textured 2D illustration with visible paper grain, amber desk-lamp light, olive green walls, cozy night room with a beige CRT computer. Keep the exact drawing style, colors and characters of <Picture 1>; the environment is constant throughout. SHOT 1: The scene opens exactly on <Picture 1>. The round gray British Shorthair cat and the black-and-white tuxedo cat sleep on the wooden desk, breathing slowly; an ear twitches and a tail moves a little. Steady camera, one continuous shot, no cuts, no new animals or people.

LTX-2.5

Warm hand-drawn textured 2D illustration with visible paper grain, amber desk-lamp light, olive green walls, cozy night room with a beige CRT computer, consistent flat illustration style, steady camera. Use the provided start image as the first frame. The round gray British Shorthair cat and the black-and-white tuxedo cat sleep on the wooden desk, breathing slowly; an ear twitches and a tail moves a little.

Wan ve H3 bu üç sahnede çizimi korudu. Çocuk yazıyor, lamba titriyor, kediler nefes alıyor; odadaki eşyalar yerinde kalıyor. H3’ün görüntüsü bana biraz daha temiz ve akıcı geldi; bunda saniyede 24 kare olmasının da payı var.

LTX-2.5 hızlıydı ama çizgiler belirgin şekilde yumuşadı, küçük ayrıntılar dağıldı. Kedi sahnesinde ben istemediğim halde kamera monitöre doğru yaklaştı. Boş masa sahnesinde yavaş bir yaklaşma istemiştim; LTX bunu diğerlerinden çok daha belirgin yaptı.

Gözle gördüğümü basit bir ölçüyle de kontrol ettim: her karenin keskinliğini başlangıç resmiyle karşılaştırdım. Wan ve H3 başlangıç resmine yakın ya da biraz üstünde kaldı; LTX ise yaklaşık yarısında. Bu kaba bir ölçü, sıkıştırma gürültüsünü de keskinlik gibi sayabiliyor; o yüzden tek başına değil, videolarla birlikte okumak lazım.

Keskinlik, başlangıç resmine oranla: Wan 1,19–1,34, MiniMax H3 1,22–1,58, LTX-2.5 0,45–0,59

Hızlandırmanın bedeli

H3’ü daha da hızlandırmak için adım sayısını 8’den 4’e indirmeyi denedim. Süre 84 saniyeye düştü. Ama tarifte “yeni nesne olmasın” dememe rağmen odanın içi uçuşan baloncuklarla doldu. Bu klip kullanılabilir değildi; 4 adımlı ayarı burada bıraktım. Bu, tek sahnede tek denemeydi.

H3 · 8 adım · 153 sn
H3 · 4 adım · 84 sn

İki klipte de tarif birebir aynı; yalnızca adım sayısı farklı.

İlk ve son kareyi aynı resme sabitlemek

Uzun videolarda beni en çok rahatsız eden şey, klip ilerledikçe sahnenin yavaş yavaş kayması ve sonraki sahneye geçişin zıplamasıydı. Bunun için iki modelde de klibin son karesini başlangıç resmiyle aynı olmaya zorladım.

Boş masa sahnesinde bu belirgin işe yaradı. Klip boyunca görüntünün başlangıç resminden ne kadar uzaklaştığını ölçtüm; ortalama fark Wan’da 12,3’ten 5,3’e, H3’te 19,6’dan 7,5’e indi. Kedi sahnesinde zaten pek kayma yoktu, orada bir fark görmedim.

Çocuk sahnesinde ise H3 tarafında beklemediğim bir şey oldu: Klip başta ve sonda doğru, ama ortalarda çizim soluk, suluboya gibi bir hale geçti ve kenarlarda mürekkep lekesine benzeyen koyu bir çerçeve belirdi. Aynı ayar Wan’da sorun çıkarmadı. Yani bu yöntem işe yarıyor ama her sahnede kendiliğinden güvenli değil; çıkan klibi izlemeden kullanmamak gerekiyor.

Wan · boş masa · sabitlemeli
H3 · boş masa · sabitlemeli
H3 · çocuk · sabitlemeli

Tarifler yukarıdaki sahnelerle aynı; tek fark son karenin de başlangıç resmine sabitlenmesi.

Benim için sonuç

Bu çizim tarzı ve bu üç sahne için şimdilik öne çıkan MiniMax H3 oldu: Wan’dan yaklaşık dörtte bir daha kısa sürede, daha akıcı ve en az onun kadar temiz bir klip verdi. LTX-2.5’in hızı çok cazip ama bu kadar yumuşak bir görüntüyü videoda kullanmak istemem; bir sahnenin kabaca nasıl hareket edeceğini hızlıca görmek için işe yarayabilir. Adım sayısını düşürmek ya da kareleri sabitlemek gibi hızlandırma ve düzeltme ayarlarında ise her klibi izlemeden geçmemek gerektiğini öğrendim.

Bunlar üç sahne ve sahne başına tek deneme. Farklı çizim tarzlarında, gerçek görüntülerde veya daha uzun kliplerde sonuç değişebilir.

Yöntem ve ayrıntılar
  • Donanım: tek RTX 5090 32 GB, güç sınırı 450 W; Threadripper PRO 5955WX. Her klip tek kartta üretildi.
  • Wan 2.2 I2V A14B + LightX2V 4 adım LoRA, fp8 ağırlık; Diffusers ile kalıcı çalışan bir süreçte. 1280×720, 81 kare, 16 fps. Süreler model yükleme hariç; yükleme ayrıca yaklaşık 74 saniye. Başlangıç sayısı (seed) sahneye göre 43, 47, 52.
  • MiniMax H3 FL2VA pruned fp8 + turbo LoRA, 8 adım; ComfyUI. 1344×768, 124 kare, 24 fps. İlk iş model yüklemesini de içeriyor (153 sn). Seed 42. 4 adımlı deneme ayrı turbo LoRA ile, tek sahnede.
  • LTX-2.5 22B distilled int8; ComfyUI resmî şablonu, yarım çözünürlükte üretip 2× büyütme ile iki aşama. 1280×704, 121 kare, 24 fps. Seed 42. Model dosyalarının SHA256 değerleri resmî değerlerle karşılaştırıldı.
  • Seed’ler Wan ile diğerleri arasında farklı; her sahne her modelde bir kez üretildi.
  • Keskinlik: her karenin Laplace varyansı, başlangıç resminin aynı boyuttaki değerine bölünüp ortalaması alındı.
  • Uzaklaşma: her kare 320×180’e küçültülüp başlangıç resmiyle piksel farkının ortalaması (0–255). İstenen hareketi de içerdiği için yalnızca aynı sahnenin klipleri arasında karşılaştırılabilir.
  • Sitedeki videolar 960 piksel genişliğe küçültülüp H.264 ile yeniden sıkıştırıldı; içerikleri değiştirilmedi.
ölçüm → not → yeniden denemediğer test