MiniMax H3 / Seedance 2.5
21 组 · 同 prompt · 本地草稿档21 組 · 同 prompt · 本地草稿檔21 組 · 同一プロンプト · ローカル下書き21 cases · same prompt · local draft tier21 条字节官方 Seedance 示例 prompt，一字不改，在我们的 MiniMax H3（海螺）本地产线重跑。左官方，右 H3。21 條字節官方 Seedance 示例 prompt，一字不改，在我們的 MiniMax H3（海螺）本地產線重跑。左官方，右 H3。ByteDance 公式の Seedance サンプルプロンプト 21 本を一字も変えず、ローカルの MiniMax H3（海螺）で再生成。左が公式、右が H3。21 official ByteDance Seedance example prompts, unchanged, re-run on our local MiniMax H3 (Hailuo) pipeline. Official on the left, H3 on the right.
H3 侧全部在一台 NVIDIA DGX Spark（GB10，128 GB 统一内存）上生成：ComfyUI 跑开源权重，外面包一层批处理队列，单机串行、带热保护。本页 28 条 H3 视频（21 组，其中 7 组有 A/B 两版）合计占用约 3.2 小时队列；整个评测从 8 月 20 日建线到 9 月 4 日上线，两周。单机边际成本低，稀缺的是队列时间。详见页底技术备注。H3 側全部在一台 NVIDIA DGX Spark（GB10，128 GB 統一記憶體）上生成：ComfyUI 跑開源權重，外面包一層批處理佇列，單機串行、帶熱保護。本頁 28 條 H3 影片（21 組，其中 7 組有 A/B 兩版）合計佔用約 3.2 小時佇列；整個評測從 8 月 20 日建線到 9 月 4 日上線，兩週。單機邊際成本低，稀缺的是佇列時間。詳見頁底技術備註。H3 側はすべて NVIDIA DGX Spark（GB10、128 GB ユニファイドメモリ）1 台で生成。ComfyUI でオープンウェイトを動かし、外側にバッチキューを一層。単機・直列・熱保護つき。本ページの H3 動画 28 本（21 組、うち 7 組は A/B の 2 版）でキュー占有は約 3.2 時間。評価全体は 8 月 20 日のライン構築から 9 月 4 日の公開まで 2 週間。単機の限界費用は低く、希少なのはキュー時間。詳細はページ末尾の技術メモ。Everything on the H3 side was generated on a single NVIDIA DGX Spark (GB10, 128 GB unified memory): ComfyUI running the open weights, wrapped in a batch queue — one machine, serial, thermally guarded. The 28 H3 clips on this page (21 cases, 7 with A/B runs) used about 3.2 hours of queue time. The whole evaluation took two weeks, from standing up the pipeline on Aug 20 to publishing on Sep 4. Marginal cost per render is low; the scarce resource is queue time. Details in the technical notes at the bottom.
H3 这边全部是草稿档（0.5MP、4 或 8 步、单 seed），不是精修结果——这是在测边界，不是在秀最佳成绩。评分 1–5：5 = 与官方相当或更好，1 = 完全没做到。H3 這邊全部是草稿檔（0.5MP、4 或 8 步、單 seed），不是精修結果——這是在測邊界，不是在秀最佳成績。評分 1–5：5 = 與官方相當或更好，1 = 完全沒做到。H3 側はすべて下書き設定（0.5MP、4 または 8 ステップ、単一 seed）で、仕上げ済みではありません。限界を測るのが目的で、最高成績を見せるものではありません。評価 1–5：5 = 公式と同等以上、1 = 全く達成できず。Everything on the H3 side is draft tier (0.5MP, 4 or 8 steps, single seed), not a polished result — this probes boundaries, it does not showcase best-case output. Score 1–5: 5 = on par with or better than official, 1 = not achieved at all.
BytePlus ModelArk 官方 prompt guide（Seedance 1.0 / 1.5 / 2.5）与官方 brochure，每条都配有官方 demo 视频。15–21 号原文写 30 秒，H3 上限 15 秒，所以各跑两版：A 版原文逐字未改，B 版只把时长数字缩到 15s。BytePlus ModelArk 官方 prompt guide（Seedance 1.0 / 1.5 / 2.5）與官方 brochure，每條都配有官方 demo 影片。15–21 號原文寫 30 秒，H3 上限 15 秒，所以各跑兩版：A 版原文逐字未改，B 版只把時長數字縮到 15s。BytePlus ModelArk 公式プロンプトガイド（Seedance 1.0 / 1.5 / 2.5）と公式パンフレット。各プロンプトに公式デモ動画があります。15–21 番は原文が 30 秒指定、H3 の上限は 15 秒のため 2 版を生成：A 版は原文そのまま、B 版は秒数のみ 15s に短縮。BytePlus ModelArk official prompt guides (Seedance 1.0 / 1.5 / 2.5) and the official brochure; every prompt ships with an official demo video. Cases 15–21 specify 30 s, and H3 caps at 15 s, so each has two runs: A = verbatim, B = only the duration numbers shortened to 15 s.
15 秒内单镜叙事 · 多镜头切换（需盯人物一致性）· 参考图锁定人物/产品 · 风格化 · 写实材质光影 · 布料与头发物理 · 多人严格同步 · 英/中对白逐字 · 首尾帧分段串接长片15 秒內單鏡敘事 · 多鏡頭切換（需盯人物一致性）· 參考圖鎖定人物/產品 · 風格化 · 寫實材質光影 · 布料與頭髮物理 · 多人嚴格同步 · 英/中對白逐字 · 首尾幀分段串接長片15 秒以内の単一ショット · カット割り（人物の一貫性は要確認）· 参照画像による人物/製品固定 · スタイル化 · 写実的な質感と光 · 布と髪の物理 · 複数人の厳密な同期 · 英/中セリフの正確再現 · 首尾フレーム連結による長尺Single-shot stories up to 15 s · multi-shot cuts (watch character consistency) · reference-locked characters/products · stylised looks · photoreal materials & lighting · cloth & hair physics · strict multi-dancer sync · word-perfect EN/ZH dialogue · long pieces by chaining first/last frames
画面内任何文字必成乱码，且 no logos 无效、会拉进真实品牌标 · 时码一律迟到 20–40%（想落在 T 秒就写 0.75T）· 做不出真正的静帧（定格、静态 hero 是硬边界）· “不要出现 X” 类否定句无效，得正面改写场景（计数类“正好四人”反而守得住）· 手指与快动作瞬间的脸 · 高速流体与大规模破坏 · 日文对白 · 产品被穿戴后的款式保真畫面內任何文字必成亂碼，且 no logos 無效、會拉進真實品牌標 · 時碼一律遲到 20–40%（想落在 T 秒就寫 0.75T）· 做不出真正的靜幀（定格、靜態 hero 是硬邊界）· 「不要出現 X」類否定句無效，得正面改寫場景（計數類「正好四人」反而守得住）· 手指與快動作瞬間的臉 · 高速流體與大規模破壞 · 日文對白 · 產品被穿戴後的款式保真画面内の文字は必ず文字化けし、「no logos」も効かず実在ブランドのマークを引き込む · タイムコードは常に 20–40% 遅れる（T 秒に置きたければ 0.75T と書く）· 真の静止フレームは作れない（ポーズ固定・静止ヒーローショットは硬い限界）· 「X を出すな」型の否定文は無効で、場面を肯定形で書き直す必要がある（「ちょうど 4 人」のような数量指定は守られる）· 指と、頭を振った瞬間の顔 · 高速流体・大規模破壊 · 日本語セリフ · 着用後の製品再現Any in-frame text degrades to garbage, and "no logos" doesn't hold — it pulls in real brand marks · timecodes run 20–40% late, never early (want it at T? write 0.75 T) · no true freeze frames (held poses and static hero shots are a hard boundary) · "don't show X" clauses are ignored — describe the scene positively instead (count clauses like "exactly four people" do hold) · fingers, and the face in the single frame of a head-snap · fast fluids & large-scale destruction · Japanese dialogue · product fidelity once worn
熊猫幼崽熊貓幼崽パンダの子Panda cub
3/5材质对，但成年熊猫、平光、机位不动質感對，但成年貓熊、平光、機位不動質感は良いが成獣・平坦光・カメラ静止Right materials, but an adult panda, flat light, locked camera
熊猫从侧卧翻滚到趴伏、最后转脸看镜头这条动作线走完了。毛发和草地的写实材质在线，prompt 里点名的小黄花也真的有（官方给的是白色三叶草花）。熊貓從側躺翻滾到趴伏、最後轉臉看鏡頭這條動作線走完了。毛髮和草地的寫實質感在線，prompt 裡點名的小黃花也真的有（官方給的是白色三葉草花）。横倒しから転がってうつ伏せになり、最後にカメラへ顔を向けるという一連の動作は最後まで通っています。毛並みと草地の実写的な質感も出ており、プロンプトが挙げた小さな黄色い花も実際に写っています（公式は白いクローバーの花でした）。The full action beat lands: the cub rolls from its side onto its belly and turns its face to camera at the end. Fur and grass materials are convincingly photoreal, and the small yellow flowers the prompt names are actually there (the official version used white clover instead).
出的是成年大熊猫，不是「圆滚滚的幼崽」，体型和脸都偏长。地面几乎是平的，看不出「滚下斜坡」这个动作。光是阴天平光，没有暖午后从左上穿过树林的斑驳光影。机位全程钉死，prompt 要的低机位、轻微手持、随熊猫向右下方跟移，一点没做。这四样官方全对。出來的是成年大貓熊，不是「圓滾滾的幼崽」，體型和臉都偏長。地面幾乎是平的，看不出「滾下斜坡」這個動作。光線是陰天平光，沒有暖午後從左上穿過樹林的斑駁光影。機位全程釘死，prompt 要的低機位、輕微手持、隨貓熊往右下跟移，一點都沒做。這四樣官方全對。生成されたのは「まるまるした仔パンダ」ではなく成獣です。体も顔も細長くなっています。地面がほぼ平坦で「斜面を転がり落ちる」動きが読み取れません。光も曇天のフラットな光で、指定された暖かい午後の木漏れ日が左上から差す感じがありません。カメラは終始固定で、ローアングル・わずかな手持ち・パンダを追って右下へ寄るという指示は一切実行されていません。この四点は公式がすべて満たしています。It generated an adult panda, not the chubby cub the prompt specifies — the body and muzzle are both too long. The ground is nearly flat, so the roll down the slope never reads. Lighting is flat overcast, with none of the warm afternoon dappled light through the trees from upper left. And the camera is locked off for the entire shot: the low angle, slight handheld feel, and subtle follow toward lower right are all absent. The official version delivers all four.
PROMPT 原文（官方，逐字未改）PROMPT 原文（官方，逐字未改）プロンプト原文（公式・未変更）PROMPT (official, verbatim)
Realistic nature documentary style, natural lighting and shadows. On a warm afternoon, on a grassy slope in the forest, a chubby panda cub rolls down the hill. The panda has fluffy, realistic black-and-white fur, a small round body, and clumsy, adorable movements. The scene is a green forest slope. The ground is covered with grass, moss, clover, soil, small stones, dry branches, and a few small yellow flowers. Tall tree trunks and dense woods are softly blurred in the background. The camera is a low-angle medium-wide shot with a slight handheld feel. The framing remains mostly stable, keeping the panda in frame at all times. 0s-3s: A panda cub lies on a green grassy slope, its body round and chubby. It begins to slowly roll sideways down the slope with clumsy movements, gently bending the grass beneath its body. A light breeze passes through, and sunlight filters through the trees from the upper left, creating dappled light and shadow. 3s-8s: The panda rolls toward the lower right of the frame and gradually comes to a stop, shifting from lying on its side to lying on its belly. Its round face turns toward the camera, and its front paws press into the grass. The panda lies in the foreground grass, adjusts into a comfortable position, slightly raises and lowers its head, and makes a soft little humming sound. Low camera position, slight handheld feel, subtly following the panda as it moves toward the lower right. Natural depth of field: the foreground grass is slightly blurred, the panda remains clear, and the background forest is softly out of focus. Natural environmental audio only, including wind, rustling grass, and the soft plop of the panda rolling. The overall mood is warm, realistic, and natural.
逐秒对照图（上官方 · 下 H3）逐秒對照圖（上官方 · 下 H3）秒ごと比較（上：公式 · 下：H3）Frame sheet (top official · bottom H3)
风格 A · 日剧《小森林》風格 A · 日劇《小森林》スタイル A · 『リトル・フォレスト』風Style A · Japanese drama “Little Forest”
3/5氛围胜官方，但一人变两人还换脸氛圍勝官方，但一人變兩人還換臉空気感は公式超え、ただし一人が二人にBetter mood than the official, but one girl became two
摘果→擦拭→咬下三拍完整，粉格头巾和帆布包都在。低对比、雾气远山的胶片调子其实比官方更接近《小森林》那种寡淡自然的日剧质感，官方那条偏商业亮调。摘果→擦拭→咬下三拍完整，粉格頭巾和帆布包都在。低對比、霧氣遠山的底片調子其實比官方更接近《小森林》那種淡淡的日劇質感，官方那條偏商業亮調。「もぐ→拭く→かじる」の三拍が最後まで揃っています。ピンクのチェック柄スカーフとキャンバスバッグも指定どおりです。低コントラストで遠景の山が霞む、フィルムのような色調はむしろ公式より『リトル・フォレスト』の淡々とした空気に近く、公式のほうが商業的な明るいトーンでした。All three beats land — picking, wiping, tasting — and the pink plaid headscarf and canvas bag are both present. The low-contrast, hazy-mountain film grade is arguably a closer read of Little Forest than the official version, which goes brighter and more commercial.
prompt 写的是「一个女孩」，H3 出了两个，而且哪一个是主角在镜头之间还会换。抬手摘果那只手的手指糊成一块。背景果树里混进了梨形的黄绿果子，不是纯苹果园。prompt 寫的是「一個女孩」，H3 出了兩個，而且哪一個是主角在鏡頭之間還會換。抬手摘果那隻手的手指糊成一塊。背景果樹裡混進了梨形的黃綠果子，不是純蘋果園。プロンプトは「一人の女の子」ですが、H3 は二人出しています。しかもどちらが主役なのかがカット間で入れ替わります。手を伸ばして実をもぐ場面では、指の形が潰れています。背景の果樹には洋ナシのような黄緑の実が混ざっており、リンゴ園として純度が落ちています。The prompt says a girl, singular. H3 produced two, and which one reads as the protagonist changes between shots. The hand reaching up to pick has fingers fused into a blur. And the background trees carry pear-shaped yellow-green fruit, so it is not cleanly an apple orchard.
PROMPT 原文（官方，逐字未改）PROMPT 原文（官方，逐字未改）プロンプト原文（公式・未変更）PROMPT (official, verbatim)
Imitate the style of the Japanese drama "Little Forest" to generate a video of a girl picking apples in an orchard. The girl wears a pink plaid headscarf, has a sweet face, and carries a lite version canvas bag. She picks an apple from the tree, carefully wipes it clean, and then tastes the apple.
逐秒对照图（上官方 · 下 H3）逐秒對照圖（上官方 · 下 H3）秒ごと比較（上：公式 · 下：H3）Frame sheet (top official · bottom H3)
风格 B · 宫崎骏風格 B · 宮崎駿スタイル B · 宮崎駿風Style B · Miyazaki
4/5画得像吉卜力，但机位死、背景没纵深畫得像吉卜力，但機位死、背景沒縱深作画はジブリ級、ただし画角固定で奥行きなしGhibli-accurate drawing, but static framing and no depth
手绘赛璐璐的画法、脸颊腮红、一笔一笔画出来的树叶，都是吉卜力的做法，风格判读非常准。摘→擦→咬全套做完，粉格头巾和帆布包对得上，人物一致性也稳。手繪賽璐璐的畫法、臉頰腮紅、一筆一筆畫出來的樹葉，都是吉卜力的做法，風格判讀非常準。摘→擦→咬全套做完，粉格頭巾和帆布包對得上，人物一致性也穩。手描きセル画の描線、頬の赤み、一枚ずつ描き起こされた葉の筆致まで、ジブリらしい作画になっており、スタイルの読み取りは非常に正確です。「もぐ→拭く→かじる」も一通り完走し、スカーフとキャンバスバッグも合っています。キャラクターの同一性も安定しています。The hand-painted cel look, the cheek blush, and the individually stroked leaves are all genuine Ghibli drawing conventions — the style read is very accurate. The full pick-wipe-taste arc completes, the headscarf and canvas bag match, and character identity holds.
全程一个中近景不动，没有官方那种从远景果园到特写的景别变化。背景是一堵平的叶子墙，没有果园纵深、没有小路、没有天空，官方是有空间的。第 2 帧抬手时手指并成一块，多出一只手的错觉。全程一個中近景不動，沒有官方那種從遠景果園到特寫的景別變化。背景是一堵平的葉子牆，沒有果園縱深、沒有小路、沒有天空，官方是有空間的。第 2 幀抬手時手指併成一塊，看起來像多出一隻手。終始ミディアムクローズの一画角のまま動かず、公式のような果樹園の引きからアップへのサイズ変化がありません。背景は葉の壁が平面的に貼られているだけで、果樹園の奥行きも小道も空もなく、公式には空間がありました。2 コマ目では手を上げた際に指が一塊に潰れ、手が余分にあるように見えます。It stays on one medium-close framing for the entire shot, with none of the official version's move from wide orchard to close-up. The background is a flat wall of leaves — no orchard depth, no path, no sky, where the official has real space. In frame 2 the raised hand's fingers fuse into one mass, reading almost like an extra hand.
PROMPT 原文（官方，逐字未改）PROMPT 原文（官方，逐字未改）プロンプト原文（公式・未変更）PROMPT (official, verbatim)
Imitate the style of Hayao Miyazaki's anime to generate a video of a girl picking apples in an orchard. The girl wears a pink plaid headscarf, has a sweet face, and carries a lite version canvas bag. She picks an apple from the tree, carefully wipes it clean, and then tastes the apple.
逐秒对照图（上官方 · 下 H3）逐秒對照圖（上官方 · 下 H3）秒ごと比較（上：公式 · 下：H3）Frame sheet (top official · bottom H3)
风格 C · 迪士尼 2D風格 C · 迪士尼 2Dスタイル C · ディズニー 2D 風Style C · Disney 2D
4/5比官方更像迪士尼，摘果那下没交代清比官方更像迪士尼，摘果那下沒交代清公式よりディズニーらしいが、もぐ瞬間が不明瞭More Disney than the official; the pick itself never reads
出的是经典迪士尼长片的墨线加水粉背景，果园有真实纵深和递进的树列，人物是经典迪士尼少女设计，一致性很稳。比官方那条偏现代 TV 动画的画风更像「迪士尼 2D 电影」。摘→擦→咬三拍齐，头巾、帆布包、苹果都对。出來的是經典迪士尼長片的墨線加水粉背景，果園有真實縱深和遞進的樹列，人物是經典迪士尼少女設計，一致性很穩。比官方那條偏現代 TV 動畫的畫風更像「迪士尼 2D 電影」。摘→擦→咬三拍齊，頭巾、帆布包、蘋果都對。生成されたのは古典期ディズニー長編のインクライン＋グアッシュ背景で、果樹園には奥行きと並木の後退感があります。キャラクターも典型的なディズニーのヒロイン造形で、同一性も安定しています。現代的な TV アニメ寄りだった公式より、「ディズニー 2D 映画」という指定に忠実です。「もぐ→拭く→かじる」も揃い、スカーフ・バッグ・リンゴも合っています。This is classic-era Disney feature work — ink line over gouache backgrounds, an orchard with real depth and receding rows of trees, and a textbook Disney heroine design held consistently. It reads more like a Disney 2D movie than the official version, which lands closer to modern TV animation. Pick, wipe and taste all land, and the headscarf, canvas bag and apple all match.
「摘」这一下没交代清楚，第 2 帧像在抓树叶而不是果子，官方那一下很明确。擦果子的白布在还没摘之前就已经在手里了，顺序不对。抬手时手部发糊。苹果在几帧之间大小变了一轮。「摘」這一下沒交代清楚，第 2 幀像在抓樹葉而不是果子，官方那一下很明確。擦果子的白布在還沒摘之前就已經在手裡了，順序不對。抬手時手部糊掉。蘋果在幾幀之間大小變了一輪。「もぐ」瞬間の説明が弱く、2 コマ目は実ではなく葉をつかんでいるように見えます。公式はここが明確でした。実を拭く白い布が、もぐ前からすでに手にあり、順序が逆です。手を上げた際に手の描写がぼやけます。リンゴの大きさもカット間で一度変わります。The pick itself is never clearly staged — in frame 2 she appears to grab leaves rather than fruit, where the official makes the moment explicit. The white cloth is already in her hand before she picks, so the order is wrong. The raised hand goes soft, and the apple changes size between shots.
PROMPT 原文（官方，逐字未改）PROMPT 原文（官方，逐字未改）プロンプト原文（公式・未変更）PROMPT (official, verbatim)
Referring to the style of Disney's 2D animated movies, generate a video of a girl picking apples in an orchard. The girl wears a pink plaid headscarf, has a sweet appearance, and carries a lite version canvas bag. She picks an apple from the tree, carefully wipes it clean, and then tastes the apple.
逐秒对照图（上官方 · 下 H3）逐秒對照圖（上官方 · 下 H3）秒ごと比較（上：公式 · 下：H3）Frame sheet (top official · bottom H3)
海啸海嘯津波Tsunami
2/5跑成动画片，水不是水，房子一栋没塌跑成動畫片，水不是水，房子一棟沒塌アニメ化・水が水でない・建物は無傷Went 2D animated: the water is not water and nothing collapses
画面本身是连贯的，街道积水、房屋、阴天的关系没有崩坏，动画渲染内部一致。畫面本身是連貫的，街道積水、房屋、陰天的關係沒有崩壞，動畫渲染內部一致。画面自体は破綻しておらず、冠水した街路・建物・曇天の関係は成立しています。アニメ調のレンダリングとしては内部整合が取れています。The image itself holds together — flooded street, buildings and overcast sky are coherent, and the animated rendering is internally consistent.
整条跑偏了。prompt 没指定风格，官方出的是照片级灾难片，H3 直接出成 2D 动画。水是硬边色块加卡通浪尖，没有飞沫、没有湍流、没有透光，后四帧的水几乎不动。房子从头到尾完好，「摧毁岸边房屋」没有。没有「数百市民惊恐逃散」，只有第 1 帧远处两个小人影，之后消失。没有「最终吞没一切」，最后一帧还是水前面立着完好的楼。水位只到一楼，这是内涝不是海啸——官方那道浪是百米高的水墙。整條跑偏了。prompt 沒指定風格，官方出的是照片級災難片，H3 直接出成 2D 動畫。水是硬邊色塊加卡通浪尖，沒有飛沫、沒有亂流、沒有透光，後四幀的水幾乎不動。房子從頭到尾完好，「摧毀岸邊房屋」沒有。沒有「數百市民驚恐逃散」，只有第 1 幀遠處兩個小人影，之後消失。沒有「最終吞沒一切」，最後一幀還是水前面立著完好的樓。水位只到一樓，這是淹水不是海嘯——官方那道浪是百米高的水牆。方向性ごと外しています。プロンプトはスタイル未指定で、公式は実写級の災害映画として出しましたが、H3 は 2D アニメで出力しました。水はエッジの硬い色面と漫画的な白波で、飛沫も乱流も透過もなく、後半四コマの水はほぼ静止しています。建物は最後まで無傷で、「岸辺の家屋を破壊する」が実現していません。「数百人の市民が逃げ惑う」もなく、1 コマ目の遠景に二人の人影が見えるだけで以降は消えます。「最終的にすべてを飲み込む」もなく、最終コマでも無傷のビルが水の向こうに立っています。水位は一階程度で、これは津波ではなく浸水です。公式の波は百メートル級の水の壁でした。It missed the register entirely. The prompt specifies no style; the official read it as a photoreal disaster film, while H3 produced flat 2D animation. The water is hard-edged colour blocks with cartoon foam — no spray, no turbulence, no translucency — and it barely moves across the last four frames. The buildings stay intact throughout, so destroyed houses on the shore never happens. There is no crowd fleeing in terror, just two tiny distant figures in frame 1 that then vanish. Nothing is engulfed: the final frame still shows undamaged buildings behind the water. And the water only reaches the first floor — this is a flood, not a tsunami. The official wave is a hundred-metre wall.
PROMPT 原文（官方，逐字未改）PROMPT 原文（官方，逐字未改）プロンプト原文（公式・未変更）PROMPT (official, verbatim)
In a violent storm, huge waves rolled up on the sea. The seawater rushed into the city and destroyed houses on the shore . Hundreds of citizens fled in terror . Eventually, the tsunami engulfed everything.
逐秒对照图（上官方 · 下 H3）逐秒對照圖（上官方 · 下 H3）秒ごと比較（上：公式 · 下：H3）Frame sheet (top official · bottom H3)
油库爆炸油庫爆炸燃料庫の爆発Fuel depot explosion
3/5火球真的在长，但看不出是油库火球真的在長，但看不出是油庫火球は本物だが石油基地に見えないA real growing fireball, but it never reads as a fuel depot
黄昏天色对，紫蓝暮色加云层。火球有真实的起爆→膨胀→上升成柱的升级过程，不是一张静态火焰贴图；后几帧有飞溅的火星轨迹，起爆瞬间地面也被照亮了。这条属于已知弱项里出乎意料能用的。黃昏天色對，紫藍暮色加雲層。火球有真實的起爆→膨脹→上升成柱的升級過程，不是一張靜態火焰貼圖；後幾幀有飛濺的火星軌跡，起爆瞬間地面也被照亮了。這條算是已知弱項裡意外能用的。夕暮れの空色は正確で、紫がかった青の薄暮に雲がかかっています。火球には着火→膨張→柱状に立ち上がるという実際の段階変化があり、静止した炎テクスチャではありません。後半のコマには飛散する火の粉の軌跡があり、着火の瞬間には地面も照らされています。苦手分野とされる中では予想外に使える一本です。The dusk sky is right — purple-blue twilight with cloud. The fireball has a real progression from ignition through expansion into a rising column, not a static flame texture, and the later frames carry flying ember trails with ground illumination at the moment of ignition. For a known weak area this is unexpectedly usable.
看不出是「油库」。画面里只有红白烟囱、输电塔和几排厂房，没有储油罐这个主体，官方那几个圆柱形油罐一眼就认得出。火焰和黑烟没分离，全糊成一团橙色，官方的黑烟柱是和火分层的。火球中段的纹理偏均匀，像爆米花。机位全程钉死，像监控画面。看不出是「油庫」。畫面裡只有紅白煙囪、輸電塔和幾排廠房，沒有儲油槽這個主體，官方那幾個圓柱形油槽一眼就認得出。火焰和黑煙沒分離，全糊成一團橘色，官方的黑煙柱是和火分層的。火球中段的紋理偏均勻，像爆米花。機位全程釘死，像監視器畫面。「石油貯蔵基地」には見えません。写っているのは紅白の煙突と送電鉄塔、数棟の建屋だけで、主役であるはずの貯蔵タンクがありません。公式は円筒形のタンクが一目で分かります。炎と黒煙が分離せず、すべてオレンジ色の塊になっています。公式では黒煙の柱が炎と層状に分かれていました。火球中盤のテクスチャも均一で、ポップコーンのように見えます。カメラは終始固定で、監視映像のようです。It does not read as a fuel depot. The frame holds a red-and-white chimney, pylons and a few sheds, but the storage tanks that are the actual subject are absent — the official version's cylindrical tanks are unmistakable. Flame and black smoke never separate; it is all one orange mass, where the official has a distinct layered smoke column. The mid-stage fireball texture is uniform and popcorn-like. And the camera is locked off throughout, like security footage.
PROMPT 原文（官方，逐字未改）PROMPT 原文（官方，逐字未改）プロンプト原文（公式・未変更）PROMPT (official, verbatim)
At dusk, a large fuel depot exploded, with a fireball soaring into the sky.
逐秒对照图（上官方 · 下 H3）逐秒對照圖（上官方 · 下 H3）秒ごと比較（上：公式 · 下：H3）Frame sheet (top official · bottom H3)
滑板水花滑板水花スケボーの水しぶきSkateboard splash
2/5没有滑板，也没有横扫画面的水花沒有滑板，也沒有橫掃畫面的水花スケボーが映らず、横切る水しぶきもないNo skateboard, and no splash across the frame
跟拍是成立的——背景连续位移、人物锁在画面里，没有漂移。水洼有。写实度非常高，镜头上的水珠和手持抖动像实拍素材，比官方那条略显 CG 的画面更「像真的」。跟拍是成立的——背景連續位移、人物鎖在畫面裡，沒有漂移。水窪有。寫實度非常高，鏡頭上的水珠和手持晃動像實拍素材，比官方那條略顯 CG 的畫面更「像真的」。追い撮り自体は成立しています。背景が連続的に流れ、被写体は画面内に固定されていて、ずれもありません。水たまりもあります。実写感は非常に高く、レンズに付いた水滴と手持ちの微振動は実素材のようで、ややCG寄りだった公式より「本物らしさ」があります。The follow shot works — the background translates continuously and the subject stays locked in frame with no drift. The puddle is there. Photorealism is very high: water beading on the lens and the handheld micro-jitter read like real footage, arguably more so than the official version's slightly CG-clean look.
全片看不到滑板。机位贴到肩膀上变成了大特写，prompt 要的「平视中景」没做到，「前轮压过水洼」因此无从验证，甚至无法确认他是在滑板还是在走路。最关键的「水花横向扫过画面」没有，只有第 4 帧左下角一小片斜向溅水。官方这两样都拍得清清楚楚：滑板、轮子、板面全在画面里，水花是一道横贯全屏的水帘。全片看不到滑板。機位貼到肩膀上變成了大特寫，prompt 要的「平視中景」沒做到，「前輪壓過水窪」因此無從驗證，甚至無法確認他是在滑板還是在走路。最關鍵的「水花橫向掃過畫面」沒有，只有第 4 幀左下角一小片斜向濺水。官方這兩樣都拍得清清楚楚：滑板、輪子、板面全在畫面裡，水花是一道橫貫全螢幕的水簾。スケートボードが一度も映りません。カメラが肩に密着して大写しになっており、指定された「水平位置のミディアムショット」が実現していません。そのため「前輪が水たまりを踏む」も検証不能で、そもそも滑っているのか歩いているのかも判別できません。最も重要な「水しぶきが画面を横切る」もなく、4 コマ目の左下にわずかな斜めの飛沫があるだけです。公式はこの二点を明確に撮っています。ボードも車輪もデッキも画面内にあり、しぶきは画面を横断する水のカーテンになっています。The skateboard never appears. The camera is pressed right against his shoulder, turning it into a close-up, so the specified flat medium shot never happens — which means the front wheel hitting the puddle cannot be verified, and you cannot even confirm he is skating rather than walking. The defining beat, water splashing horizontally across the frame, is absent; there is only a small diagonal spray in the lower left of frame 4. The official version stages both plainly: board, wheels and deck all in frame, and the splash is a sheet of water crossing the full width.
PROMPT 原文（官方，逐字未改）PROMPT 原文（官方，逐字未改）プロンプト原文（公式・未変更）PROMPT (official, verbatim)
A medium shot from a flat position follows a skateboarding teenager, with a 45mm wide-angle lens level with his shoulder. When the front wheel rolls over a puddle, water splashes horizontally across the frame.
逐秒对照图（上官方 · 下 H3）逐秒對照圖（上官方 · 下 H3）秒ごと比較（上：公式 · 下：H3）Frame sheet (top official · bottom H3)
自由女神升空自由女神升空自由の女神の打ち上げStatue of Liberty launch
4/5动作比官方完整，代价是画面全黑、主体糊動作比官方完整，代價是畫面全黑、主體糊動作は公式以上、代償は真っ黒な画面と崩れた主体More complete than the official, at the cost of a black frame
叙事上反而比官方完整——点火→离地→加速→拖着火焰弧线飞走，四拍全做完；官方那 5 秒里雕像几乎没离开基座。开场的夜景港口、天际线灯火、船灯也对，比官方的暮色更符合「纽约港夜灯下」。第 2 帧点火时烟云沿地面向海面辐射铺开，「气流冲击」有一点意思。敘事上反而比官方完整——點火→離地→加速→拖著火焰弧線飛走，四拍全做完；官方那 5 秒裡雕像幾乎沒離開基座。開場的夜景港口、天際線燈火、船燈也對，比官方的暮色更符合「紐約港夜燈下」。第 2 幀點火時煙雲沿地面往海面輻射鋪開，「氣流衝擊」有一點意思。物語としてはむしろ公式より完結しています。着火→離陸→加速→炎の弧を引いて飛び去る、という四拍がすべて実行されており、公式の 5 秒では像がほとんど台座を離れません。冒頭の夜のハーバー、スカイラインの灯り、船の灯も正しく、薄暮だった公式より「ニューヨーク港の夜景の下で」という指定に忠実です。2 コマ目の着火時に煙が地表を這って海面へ放射状に広がるあたりは、「気流が周囲を叩く」の片鱗があります。Narratively this is more complete than the official version: ignition, lift-off, acceleration, and arcing away trailing fire — all four beats land, where the official's five seconds barely get the statue off its pedestal. The opening night harbour, skyline lights and boat lamps are right, and closer to under the night lights of New York Harbor than the official's dusk. In frame 2 the ignition smoke spreads radially across the water, which gestures at air currents buffeting the surroundings.
升空之后画面八成是纯黑，港口、建筑、海面全丢了，官方始终把天际线和倒影留在画面里，信息量差很多。雕像越飞越糊，到第 6 帧火炬和皇冠已经认不出，只剩一团绿色。prompt 写「像火箭一样缓慢上升」，H3 很快。「火焰照亮夜空」没做到，天一直是黑的。升空之後畫面八成是純黑，港口、建築、海面全丟了，官方始終把天際線和倒影留在畫面裡，資訊量差很多。雕像越飛越糊，到第 6 幀火炬和皇冠已經認不出，只剩一團綠色。prompt 寫「像火箭一樣緩緩上升」，H3 很快。「火焰照亮夜空」沒做到，天一直是黑的。上昇後は画面の八割が真っ黒になり、港も建物も海面もすべて失われます。公式は最後までスカイラインと反射を画面内に保っており、情報量の差が大きいです。像は飛ぶほど崩れ、6 コマ目では松明も冠も判別できず、緑の塊になっています。プロンプトは「ロケットのようにゆっくり上昇する」ですが、H3 はかなり速いです。「炎が夜空を照らす」も実現しておらず、空は終始暗いままです。Once it lifts, roughly eighty percent of the frame is pure black — harbour, buildings and sea are all lost, where the official keeps the skyline and its reflections in shot throughout. The statue degrades as it climbs; by frame 6 the torch and crown are unreadable and it is just a green blob. The prompt says ascending slowly like a rocket, but H3's is fast. And the flames never illuminate the night sky — it stays dark.
PROMPT 原文（官方，逐字未改）PROMPT 原文（官方，逐字未改）プロンプト原文（公式・未変更）PROMPT (official, verbatim)
Under the night lights of New York Harbor, the Statue of Liberty suddenly ejects huge flames and smoke from its base, ascending slowly like a rocket. The flames illuminate the night sky as air currents buffet surrounding buildings and the sea. The camera follows her as she accelerates upward, tracing a bright fiery trajectory.
逐秒对照图（上官方 · 下 H3）逐秒對照圖（上官方 · 下 H3）秒ごと比較（上：公式 · 下：H3）Frame sheet (top official · bottom H3)
穿窗一镜到底穿窗一鏡到底窓を抜けるワンカットThrough-the-window one-take
2/5只做了前半段，穿窗和 180 度转全没有只做了前半段，穿窗和 180 度轉全沒有前半のみ、窓抜けも 180 度回転も未実行Only the first half; no pass-through, no 180-degree turn
前半段准确：从背后起手、缓慢推进、掠过右肩、拍到侧脸和咖啡杯，这几拍是干净的。窗光很漂亮，窗外的奥斯曼式街景有质感，人物一致性也稳。前半段準確：從背後起手、緩慢推進、掠過右肩、拍到側臉和咖啡杯，這幾拍是乾淨的。窗光很漂亮，窗外的奧斯曼式街景有質感，人物一致性也穩。前半は正確です。背後から入り、ゆっくり寄り、右肩を越えて横顔とコーヒーカップを捉えるまでは綺麗に決まっています。窓明かりも美しく、窓外のオスマン様式の街並みにも質感があり、人物の同一性も安定しています。The first half is accurate: starting behind her, pushing in slowly, sweeping over her right shoulder, catching her profile and the coffee cup. Window light is beautiful, the Haussmann street outside has texture, and her identity holds.
后面五个动作一个都没做：没有穿窗、没有窗外街景一瞥、没有 180 度旋转、没有从窗外回拍她的背影、没有缓缓拉远。镜头始终在室内，最后绕回了开场机位。第 4 帧还漂到窗台和窗帘上空转了一拍，画面里没有主体。这条 prompt 的全部价值就在「穿过去再掉头」这个调度，H3 没接住；官方是完整走完的，从室内穿到室外再转回来拍背影。後面五個動作一個都沒做：沒有穿窗、沒有窗外街景一瞥、沒有 180 度旋轉、沒有從窗外回拍她的背影、沒有緩緩拉遠。鏡頭始終在室內，最後繞回了開場機位。第 4 幀還漂到窗台和窗簾上空轉了一拍，畫面裡沒有主體。這條 prompt 的全部價值就在「穿過去再掉頭」這個調度，H3 沒接住；官方是完整走完的，從室內穿到室外再轉回來拍背影。後半の五つの動作は一つも実行されていません。窓の通過なし、窓外の街並みの一瞥なし、180 度回転なし、窓の外から背中を捉え直すこともなし、ゆっくり引くこともなし。カメラは終始室内にとどまり、最後は冒頭の画角に戻ってしまいます。4 コマ目では窓台とカーテンへ漂って一拍空転し、被写体が画面にいません。このプロンプトの価値は「通り抜けて反転する」という一連の設計そのものですが、H3 はそこを取り逃しました。公式は室内から屋外へ抜け、反転して背中を捉えるまで完走しています。None of the five later moves happen: no pass-through, no glimpse of the street from outside, no 180-degree rotation, no exterior framing of her back, no slow pull-away. The camera never leaves the room and ends up back at its opening framing. Frame 4 even drifts onto the sill and curtain for a beat with no subject in shot. The entire value of this prompt is the through-and-turn move, and H3 does not catch it — the official runs it end to end, from inside through the glass and back around to her back.
PROMPT 原文（官方，逐字未改）PROMPT 原文（官方，逐字未改）プロンプト原文（公式・未変更）PROMPT (official, verbatim)
A woman stands quietly by a bright window, holding a coffee cup. The camera starts from behind her, slowly pushing forward and sweeping over her right shoulder to delicately capture the steam rising from the coffee and the contours of her serene profile. Without pausing, the camera continues moving forward through the window (or simulates a pass-through effect), offering a fleeting glimpse of the street scene outside, then smoothly rotates 180 degrees to face the interior again. From the perspective outside the window, it frames the woman's back, finally pulling away slowly. The single-take shot highlights the beauty of light and shadow and the sense of spatial depth.
逐秒对照图（上官方 · 下 H3）逐秒對照圖（上官方 · 下 H3）秒ごと比較（上：公式 · 下：H3）Frame sheet (top official · bottom H3)
科幻实验室科幻實驗室SF ラボSci-fi lab
4/5三镜两切都做到，但科学家中途换了人三鏡兩切都做到，但科學家中途換了人三カット二転換は成立、ただし科学者が別人にThree shots and two cuts land, but the scientist changes
三个镜头和两次切换都做到了：全景实验室加全息屏、量子计算机爆红光的特写、仰角红光打脸的慌乱表情。对称隧道构图的「全景」比官方的中景更符合 panoramic shot 的要求，红光从橙色小核心到整机爆红的升级也很清楚。这条本来算多机位调度的弱项，结果反而是全套里较好的。三個鏡頭和兩次切換都做到了：全景實驗室加全像投影屏、量子電腦爆紅光的特寫、仰角紅光打臉的慌亂表情。對稱隧道構圖的「全景」比官方的中景更符合 panoramic shot 的要求，紅光從橘色小核心到整機爆紅的升級也很清楚。這條本來算多機位調度的弱項，結果反而是全套裡較好的。三つのショットと二回のカット割りがすべて実現しています。ホログラム画面を含む研究室のパノラマ、量子コンピュータが赤く発光するクローズアップ、ローアングルで赤い光に照らされた慌てた表情、いずれも揃っています。左右対称のトンネル構図による「パノラマ」は、ミディアムだった公式より panoramic shot の指定に忠実です。赤い光もオレンジの小さな核から全体が赤熱するまで、段階変化が明確です。マルチカメラの切り替えは苦手分野とされていましたが、結果的に全体でも良い部類に入ります。All three shots and both cuts land: the panoramic lab with holographic screen, the close-up of the quantum computer bursting into red light, and the low-angle close-up with red glow on a flustered face. The symmetrical tunnel composition is a better read of panoramic shot than the official's medium-wide, and the red-light escalation from a small orange core to the whole rig glowing is clearly staged. Multi-camera blocking is supposedly a weak area, yet this lands among the better results in the set.
第 3 到第 4 镜之间不是硬切，是一段完全糊掉的甩镜，10 秒里白花掉一秒多，prompt 写的是「镜头切到」。科学家中途换了人：前两帧是短发戴眼镜的年轻人，后两帧变成中年长发不戴眼镜的，官方全程同一个人。另外前两帧里科学家很小且背对镜头，「持续操作全息屏」看不出来。第 3 到第 4 鏡之間不是硬切，是一段完全糊掉的甩鏡，10 秒裡白花掉一秒多，prompt 寫的是「鏡頭切到」。科學家中途換了人：前兩幀是短髮戴眼鏡的年輕人，後兩幀變成中年長髮不戴眼鏡的，官方全程同一個人。另外前兩幀裡科學家很小又背對鏡頭，「持續操作全像屏」看不出來。3 カット目から 4 カット目への繋ぎがハードカットではなく、完全にぶれたホイップパンになっており、10 秒のうち 1 秒以上を無駄にしています。プロンプトの指定は「カメラが切り替わる」です。科学者も途中で別人になります。前半 2 コマは眼鏡をかけた短髪の若い男性ですが、後半 2 コマでは眼鏡なしの中年で髪も長くなっています。公式は終始同一人物です。また前半 2 コマでは科学者が小さく後ろ向きで、「ホログラム画面を操作し続ける」様子が読み取れません。The transition from shot three to shot four is not a cut but a completely smeared whip-pan, burning more than a second of a ten-second clip on nothing — the prompt says the camera switches. The scientist also changes identity: the first two frames show a young man with short hair and glasses, the last two an older man with longer hair and no glasses, where the official keeps one person throughout. And in the first two frames the scientist is small and turned away, so continuously operating the holographic screen never reads.
PROMPT 原文（官方，逐字未改）PROMPT 原文（官方，逐字未改）プロンプト原文（公式・未変更）PROMPT (official, verbatim)
A bizarre scene from a sci-fi movie, in a panoramic shot: inside a future laboratory, the core of the image features a quantum computer, with a scientist beside it continuously operating on a holographic projection screen. The camera switches to a close-up of the quantum computer, which suddenly bursts into red light. Then the camera switches again to the scientist's face, in a close-up low-angle shot, as the red glow shines on his face and his expression starts to turn flustered.
逐秒对照图（上官方 · 下 H3）逐秒對照圖（上官方 · 下 H3）秒ごと比較（上：公式 · 下：H3）Frame sheet (top official · bottom H3)
四人英语对白四人英語對白4 人の英語会話Four-person English dialogue
3/5族裔和环境都对，但桌上摆满了菜族裔和環境都對，但桌上擺滿了菜人種と環境は正解、ただし卓上が料理だらけRight cast and setting, but the table is covered in food
印度女、黑人男、白人女、日本男四个族裔都对，印度女的纱丽是个到位的细节。街边小馆的环境比官方更像：墙上手写菜单条、饮料冷柜、后厨的厨师、其他食客都在。轻微横移也做到了，背景有真实的横向视差。印度女、黑人男、白人女、日本男四個族裔都對，印度女的紗麗是個到位的細節。街邊小館的環境比官方更像：牆上手寫菜單條、飲料冷櫃、後場的廚師、其他食客都在。輕微橫移也做到了，背景有真實的橫向視差。インド人女性・黒人男性・白人女性・日本人男性という四つの人種指定はすべて満たされており、インド人女性のサリーは的確なディテールです。街角の小さな食堂という環境は公式より本物らしく、壁の手書きメニュー、ドリンクの冷蔵ケース、奥の調理人、他の客まで揃っています。わずかな横移動も実行されており、背景に実際の横方向のパララックスがあります。All four ethnicities are correct — Indian woman, Black man, white woman, Japanese man — and the sari is a well-judged detail. The street-side restaurant reads more convincingly than the official version: handwritten menu strips on the wall, a drinks fridge, a cook at the back, other diners. The slight lateral slide is there too, with real horizontal parallax in the background.
明确违反 prompt 的「桌上只放饮料」——H3 摆了满桌托盘饭菜、碗碟和调味瓶，官方老老实实只放了两杯果汁。四个人也不是「挤在小桌旁」，是散在一张长桌的两端，中间空一大截。多数帧里他们低头吃饭，没有对话交流的眼神和反应，官方是有来有回的四人戏。口型是否对上，静帧判断不了，不给结论。明確違反 prompt 的「桌上只放飲料」——H3 擺了滿桌托盤飯菜、碗盤和調味瓶，官方老老實實只放了兩杯果汁。四個人也不是「擠在小桌旁」，是散在一張長桌的兩端，中間空一大截。多數幀裡他們低頭吃飯，沒有對話交流的眼神和反應，官方是有來有回的四人戲。嘴型有沒有對上，靜幀判斷不了，不給結論。「テーブルの上には飲み物だけ」という明示的な指定に違反しています。H3 はトレイに載った料理と皿、調味料の瓶をテーブル一面に並べました。公式は忠実にジュース二杯だけです。四人も「小さなテーブルに肩を寄せ合って」ではなく、長いテーブルの両端に離れて座り、中央が大きく空いています。多くのコマで下を向いて食べており、会話のやり取りを示す視線や反応がありません。公式は四人の掛け合いとして成立していました。なお口の動きが合っているかは静止画では判断できないため、結論は出しません。It plainly violates the constraint that only drinks are on the table — H3 lays out trays of food, bowls and condiment bottles, where the official keeps strictly to two glasses of juice. The four are not squeezed around a small table either; they are spread to opposite ends of a long one with a gap in the middle. In most frames they are eating with heads down, with none of the eye contact and reaction that makes the official read as a four-hander. Whether the lip sync matches cannot be judged from stills, so no verdict on that.
PROMPT 原文（官方，逐字未改）PROMPT 原文（官方，逐字未改）プロンプト原文（公式・未変更）PROMPT (official, verbatim)
Inside a small street-side restaurant, four people squeeze around a small table to eat: an Indian woman, a Black man, a white woman, and a Japanese man. Only drinks are placed on the table. The environment is noisy but warm, and the camera moves with a slight lateral slide. English dialogue: Indian woman: "This place looks sketchy, but the food smells amazing." Black man: "That's always a good sign." White woman: "I'm starving, I don't even care anymore." Japanese man: "Let's just order. Worst case, we laugh about it later."
逐秒对照图（上官方 · 下 H3）逐秒對照圖（上官方 · 下 H3）秒ごと比較（上：公式 · 下：H3）Frame sheet (top official · bottom H3)
体素机器人體素機器人ボクセルのロボットVoxel robot
3/5体素变成 Minecraft，火箭认不出来體素變成 Minecraft，火箭認不出來ボクセルがマイクラ化、ロケットが判別不能Voxel became Minecraft, and the rocket is unrecognisable
体素风格成立，机器人在、坐姿明确，方块材质和像素贴图内部一致，没有崩坏和闪烁。體素風格成立，機器人在、坐姿明確，方塊材質和像素貼圖內部一致，沒有崩壞和閃爍。ボクセルスタイルは成立しており、ロボットも存在し、座っている姿勢も明確です。ブロックの質感とピクセルテクスチャは内部整合が取れていて、破綻もちらつきもありません。The voxel style holds, the robot is there and clearly seated, and the block materials and pixel textures are internally consistent with no breakup or flicker.
直接理解成「截一张 Minecraft」，出了熔岩地狱背景。prompt 没说环境，但官方给的是干净夜空加云，主体一眼分明；H3 这个暗而杂的背景和主体互相打架。屁股底下那个带黑白圆环的白色方块物体到底是不是火箭，很难说，官方那枚火箭一眼认得出。全程几乎没有动作，只有很慢的推近，官方还有挥手、转头、开口。41 个字符的极短 prompt 最考验创意补全，这块 H3 明显弱于官方。直接理解成「截一張 Minecraft」，出了熔岩地獄背景。prompt 沒說環境，但官方給的是乾淨夜空加雲，主體一眼分明；H3 這個暗又雜的背景和主體互相打架。屁股底下那個帶黑白圓環的白色方塊物體到底是不是火箭，很難說，官方那枚火箭一眼認得出。全程幾乎沒有動作，只有很慢的推近，官方還有揮手、轉頭、開口。41 個字元的極短 prompt 最考驗創意補完，這塊 H3 明顯弱於官方。「ボクセル」を「マインクラフトのスクリーンショット」と直訳し、溶岩の地獄めいた背景を出しました。プロンプトは環境を指定していませんが、公式は澄んだ夜空と雲で主役が一目で分かる画にしています。H3 の暗く雑多な背景は主役と喧嘩しています。腰の下にある白黒の輪が付いた白いブロック状の物体がロケットなのかどうかは判別しづらく、公式のロケットは一目瞭然でした。動きもほとんどなく、非常にゆっくりした寄りだけです。公式には手を振る・首を振る・口を開けるといった芝居があります。41 文字という極端に短いプロンプトは創造的な補完力が試される題材で、この点で H3 は公式に明確に劣ります。It read voxel as take a Minecraft screenshot and produced a lava-hell backdrop. The prompt specifies no environment, but the official gave a clean night sky with clouds where the subject reads instantly; H3's dark, busy background fights the subject. Whether the white blocky object beneath it — the one with a black-and-white ring — is actually a rocket is hard to say, while the official's rocket is unmistakable. Almost nothing happens across the clip except a very slow push-in, where the official has arm gestures, head turns and a moving mouth. A 41-character prompt is precisely the test of creative completion, and H3 is clearly weaker than the official here.
PROMPT 原文（官方，逐字未改）PROMPT 原文（官方，逐字未改）プロンプト原文（公式・未変更）PROMPT (official, verbatim)
Voxel style, a robot sitting on a rocket.
逐秒对照图（上官方 · 下 H3）逐秒對照圖（上官方 · 下 H3）秒ごと比較（上：公式 · 下：H3）Frame sheet (top official · bottom H3)
毛毡小猫毛氈小貓フェルトの子猫Felt kitten
4/5材质和行走都超官方，就是没有街質感和行走都超官方，就是沒有街質感も歩行も公式超え、ただし街がないMaterial and walk beat the official; the street is missing
毡毛的纤维质感比官方还好，能看出戳针形成的绒毛边缘和羊毛混色的斑纹。而且这是一段真正的行走循环：四肢交替、身体横向位移、背景视差推过，还随着走动带出新道具；官方那只猫基本是原地不动加轻微镜头漂移。周围是标准黏土定格世界，黏土草、黏土花、黏土盆、碗里的黏土小球都做出来了，「黏土做的」比官方的土坯建筑更贴题。毛氈的纖維質感比官方還好，看得出戳針形成的絨毛邊緣和羊毛混色的斑紋。而且這是一段真正的行走循環：四肢交替、身體橫向位移、背景視差推過，還隨著走動帶出新道具；官方那隻貓基本是原地不動加輕微鏡頭漂移。周圍是標準黏土定格世界，黏土草、黏土花、黏土盆、碗裡的黏土小球都做出來了，「黏土做的」比官方的土坯建築更貼題。フェルトの繊維感は公式以上で、ニードルで刺した毛羽立ったシルエットと、羊毛を混色した縞模様まで見て取れます。しかもこれは本物の歩行サイクルです。四肢が交互に動き、体が横方向に移動し、背景がパララックスで流れ、歩くにつれて新しい小道具が画面に入ってきます。公式の猫はほぼその場から動かず、わずかなカメラの漂流があるだけでした。周囲も本格的なクレイアニメの世界で、粘土の草・花・鉢・器に入った粘土の玉まで作り込まれており、「粘土でできた」という指定には公式の日干し煉瓦建築より忠実です。The felt fibre texture beats the official version — you can see the needle-felted fuzzy silhouette and the blended wool striping. And this is a genuine walk cycle: legs alternating, the body translating laterally, background parallaxing past, and new props entering frame as it moves. The official's kitten barely leaves the spot, with only a slight camera drift. The surroundings are a proper claymation world too — clay grass, clay flower, clay pots, clay balls in a bowl — a more literal read of made of clay than the official's adobe architecture.
「街道」没做到。H3 给的是院子里的石板路，两侧没有构成街的建筑，官方那条两排土屋夹出的巷子更像街。后爪落地有几帧接触不实，像飘着。近侧的眼睛偶尔偏大，脸的对称在几帧之间有轻微漂移。「街道」沒做到。H3 給的是院子裡的石板路，兩側沒有構成街的建築，官方那條兩排土屋夾出的巷子更像街。後爪落地有幾幀接觸不實，像飄著。近側的眼睛偶爾偏大，臉的對稱在幾幀之間有輕微漂移。「街路」は実現していません。H3 が出したのは中庭の敷石道で、両側に街を構成する建物がありません。公式の、土壁の家が二列に並んで路地を作っている画のほうが街らしいです。後脚の接地が何コマか曖昧で、浮いているように見えます。手前側の目がときどき大きくなり、顔の対称性がコマ間でわずかに揺れます。The street is missing. H3 gives a courtyard flagstone path with no buildings framing it, where the official's lane between two rows of mud-brick houses reads far more like a street. The rear paws lose ground contact for a few frames and appear to float. The near-side eye occasionally reads oversized, and facial symmetry drifts slightly between frames.
PROMPT 原文（官方，逐字未改）PROMPT 原文（官方，逐字未改）プロンプト原文（公式・未変更）PROMPT (official, verbatim)
A cute felt kitten is walking on a street made of clay.
逐秒对照图（上官方 · 下 H3）逐秒對照圖（上官方 · 下 H3）秒ごと比較（上：公式 · 下：H3）Frame sheet (top official · bottom H3)
黑白线稿黑白線稿白黒線画Black-and-white line art
3/5画成了铅笔素描，而且没在走畫成了鉛筆素描，而且沒在走鉛筆デッサン化、しかも歩いていないRendered as pencil shading, and she is not actually walking
单色手绘的调子在，人物一致性和线条质量都很高，发丝、头巾、围裙的排线很稳，没有闪烁和崩坏。纯论作画水平，其实比官方那条简单的卡通线更好看。單色手繪的調子在，人物一致性和線條品質都很高，髮絲、頭巾、圍裙的排線很穩，沒有閃爍和崩壞。純論作畫水準，其實比官方那條簡單的卡通線更好看。モノクロの手描きらしいトーンは出ており、キャラクターの同一性も線の質も高く、髪・スカーフ・エプロンのハッチングは安定していて、ちらつきも破綻もありません。作画そのものは、公式のシンプルな漫画線より美しいと言えます。The monochrome hand-drawn register is there, character identity and line quality are both high, the hatching on hair, headscarf and pinafore is stable, and there is no flicker or breakup. Purely as draughtsmanship it is better looking than the official version's simpler cartoon line.
不是线稿。prompt 要的是「黑白线描风格」加「线描森林」，H3 给的是带灰调排线的铅笔素描，森林是大片灰色晕染，官方那条纯轮廓线、无阴影、白底才是真正的线稿。「向右走」也基本没走：全程胸像近景，身体不动，看不到迈步、手臂摆动或躯干起伏，只有背景在缓慢横移。官方至少给到半身，能看见走动的起伏。不是線稿。prompt 要的是「黑白線描風格」加「線描森林」，H3 給的是帶灰調排線的鉛筆素描，森林是大片灰色暈染，官方那條純輪廓線、無陰影、白底才是真正的線稿。「向右走」也基本沒走：全程胸像近景，身體不動，看不到邁步、手臂擺動或軀幹起伏，只有背景在緩慢橫移。官方至少給到半身，看得見走動的起伏。線画ではありません。指定は「白黒の線描スタイル」と「線描の森」ですが、H3 が出したのはグレーの調子を持つ鉛筆デッサンで、森は広範囲がグレーのぼかしになっています。輪郭線のみ・陰影なし・白地の公式こそが本来の線画です。「右へ歩く」もほぼ実現していません。終始バストアップの近景で体が動かず、歩幅も腕の振りも上下動も見えず、背景がゆっくり横に流れるだけです。公式は少なくとも半身を入れ、歩行の上下動が見えます。It is not line art. The prompt asks for a black-and-white line drawing style with a line-drawing forest; H3 delivered a graphite sketch with grey tonal hatching and a forest rendered as broad grey wash. The official's contour-only, shadowless, white-ground rendering is the actual line art. Walking to the right barely happens either: it holds a bust close-up throughout with a static body — no stride, no arm swing, no torso bob — while only the background pans slowly. The official at least frames to the waist, where the walk's bob is visible.
PROMPT 原文（官方，逐字未改）PROMPT 原文（官方，逐字未改）プロンプト原文（公式・未変更）PROMPT (official, verbatim)
In a black-and-white line drawing style, a girl in black-and-white line art walks to the right, with a line drawing forest as the background.
逐秒对照图（上官方 · 下 H3）逐秒對照圖（上官方 · 下 H3）秒ごと比較（上：公式 · 下：H3）Frame sheet (top official · bottom H3)
米其林后厨米其林後廚ミシュランの厨房Michelin kitchen
3/5火做出来了，但跟丢了那道菜火做出來了，但跟丟了那道菜火は出せたが、追うべき一皿を見失ったIt got the fire, but lost track of the dish
官方跳过的「油锅起火」H3 做出来了，而且是真正的 flambé：蓝色燃气圈、油面沸腾、火苗舔过锅沿都对。后厨多人并行作业在，第 2 到第 5 帧一直有好几个厨师同时在动，「高峰期混乱」比官方那条冷清昏暗的走廊更到位。从灶台→出菜口→操作台→餐厅的路径走通了，最后落在客人桌上。官方跳過的「油鍋起火」H3 做出來了，而且是真正的 flambé：藍色燃氣圈、油面沸騰、火苗舔過鍋沿都對。後場多人並行作業在，第 2 到第 5 幀一直有好幾個廚師同時在動，「尖峰時段的混亂」比官方那條冷清昏暗的走廊更到位。從爐台→出菜口→工作檯→餐廳的路徑走通了，最後落在客人桌上。公式が飛ばした「油に火が入る」を H3 は実現しました。しかも本物のフランベで、青いガスの炎、沸き立つ油、鍋縁を舐める炎まで正確です。厨房での複数人の同時進行も成立しており、2 コマ目から 5 コマ目まで常に複数のコックが同時に動いています。「ピークタイムの混沌」は、閑散として暗い廊下だった公式より的確です。コンロ→パス→作業台→客席という動線も通っており、最後は客のテーブルに着地します。H3 delivers the oil catching fire that the official skips, and it is a real flambé: blue gas ring, oil bubbling, flame licking the pan rim. Multi-subject parallel work in the kitchen is there — several chefs moving at once from frames 2 through 5 — and the peak-hour chaos reads better than the official's quiet, dark corridor. The path from stove to pass to counter to dining room completes, landing on a guest's table.
违反了核心约束「镜头跟着同一道菜」。第 1、3、4、5、6 帧的菜完全不是同一道：先是煎锅、然后是配蔬菜的盘、然后是带草莓番茄的盘、然后是橙黄色的菜、最后又变了。官方那块牛排从头到尾连迷迭香和酱汁的位置都没变。厨房空间在镜头之间也换了（白墙厨房→另一个操作台→长条不锈钢出菜口→吧台），不像同一个空间走过去，「一镜到底」存疑。第 3、5 帧有人脸糊成残影。B 版结构相同，出菜口和主厨摆盘那两拍更清楚一点。違反了核心約束「鏡頭跟著同一道菜」。第 1、3、4、5、6 幀的菜完全不是同一道：先是煎鍋、然後是配蔬菜的盤、再來是帶草莓番茄的盤、接著是橙黃色的菜、最後又變了。官方那塊牛排從頭到尾連迷迭香和醬汁的位置都沒變。廚房空間在鏡頭之間也換了（白牆廚房→另一個工作檯→長條不鏽鋼出菜口→吧台），不像同一個空間走過去，「一鏡到底」存疑。第 3、5 幀有人臉糊成殘影。B 版結構相同，出菜口和主廚擺盤那兩拍更清楚一點。「カメラが一皿を追う」という核心的な制約に違反しています。1・3・4・5・6 コマ目の料理はまったく別物です。最初はフライパン、次に野菜を添えた皿、次にイチゴとトマトの皿、次にオレンジ色の料理、最後にまた別。公式のステーキは最後までローズマリーとソースの位置まで変わりません。厨房の空間もカット間で入れ替わり（白壁の厨房→別の作業台→長いステンレスのパス→カウンター）、同じ空間を移動しているようには見えず、「ワンカット」は疑わしいです。3・5 コマ目では人物の顔が残像状に潰れています。B 版も構成は同じで、パスとシェフの盛り付けの二拍がやや明瞭です。It breaks the core constraint that the camera follows one dish. Frames 1, 3, 4, 5 and 6 are entirely different dishes: a sauté pan, then a plate with vegetables, then one with strawberries and tomato, then something orange, then something else again. The official's steak keeps even the rosemary and sauce in the same position throughout. The kitchen space also changes between shots — white-walled kitchen, a different counter, a long stainless pass, a bar — so it does not read as one space traversed, and the continuous take is doubtful. Faces smear into blurs in frames 3 and 5. The B version has the same structure, with the pass and the head chef's plating slightly more legible.
PROMPT 原文（官方，逐字未改）PROMPT 原文（官方，逐字未改）プロンプト原文（公式・未変更）PROMPT (official, verbatim)
A 30-second peak-hour Michelin kitchen scene: oil catches fire, orders are shouted at the pass, and the head chef completes the final plating in the chaos. The camera follows one dish as it moves from the stove to the serving counter. Fast-paced multi-subject choreography, one continuous take, multiple characters and action lines running in parallel without breaking.
四语种博物馆导览四語種博物館導覽4 言語の博物館ガイドFour-language museum guide
2/5展厅全建对了，人没了，日语也没了展廳全建對了，人沒了，日語也沒了展示室は完璧、ただしガイドも日本語も不在Every gallery right, but no guide and no Japanese
四个展厅的主题、顺序和道具全部建对：港口模型加蓝色地图墙、青花瓷和香料罐加木箱、船模峇迪布锡器铜灯航线图、行李箱家书纺织品全家福。prompt 点名的东西一件不少。博物馆的暖光写实纪录片调子对，确实不是旅游广告。缓慢移镜也做到了。中文字幕那句是正确的，马来语几乎全对，只差 Melaka 拼成了 Melake。四個展廳的主題、順序和道具全部建對：港口模型加藍色地圖牆、青花瓷和香料罐加木箱、船模峇迪布錫器銅燈航線圖、行李箱家書紡織品全家福。prompt 點名的東西一件不少。博物館的暖光寫實紀錄片調子對，確實不是旅遊廣告。緩慢移鏡也做到了。中文字幕那句是正確的，馬來語幾乎全對，只差 Melaka 拼成了 Melake。四つの展示室のテーマ・順序・展示物がすべて正確に構築されています。港の模型と青い地図壁、青花磁器と香辛料の壺と木箱、船模型・バティック・錫器・真鍮ランプ・航路図、スーツケース・手紙・織物・家族写真。プロンプトが挙げた品はひとつも欠けていません。美術館の暖色系リアル調ドキュメンタリーというトーンも正しく、観光広告にはなっていません。ゆっくりした移動撮影も実現しています。中国語字幕の一文は正しく、マレー語もほぼ正確で、Melaka が Melake になっている程度です。All four galleries are built correctly in the right order with the right objects: harbour model and blue map wall; porcelain, spice jars and crates; ship model, batik, pewter, brass lanterns and route maps; suitcases, letters, textiles and family photos. Not one named prop is missing. The warm, realistic museum-documentary tone is right and reads as documentary rather than tourism advertising. Slow museum camera movement is there. The Mandarin subtitle line is correct, and the Malay is nearly correct, with only Melaka misspelled as Melake.
全片没有导览员。prompt 的主线是「一位导览员穿过四个相连展厅」，H3 六帧里一个人都没有，官方有她在三帧里出场并做讲解。日语段彻底失败，本该是日文的地方变成了乱码拉丁文。英文字幕拼错成 jyst 和 destinatio。每一帧还压着一行伪汉字乱码——看着像汉字但不是字，这对交付是硬伤。墙上展签也糊成 Cermaics & Sricm、Travevlies Siroday，小字弱项实锤。另外全程停在展柜中景，没有官方那种瓷盘微距特写。B 版把英文和马来语修对了、伪汉字基本消失、展厅道具更丰富，但中文那句反而坏掉，导览员和日语依旧没有。全片沒有導覽員。prompt 的主線是「一位導覽員穿過四個相連展廳」，H3 六幀裡一個人都沒有，官方有她在三幀裡出場並做講解。日語段徹底失敗，本該是日文的地方變成了亂碼拉丁文。英文字幕拼錯成 jyst 和 destinatio。每一幀還壓著一行偽漢字亂碼——看著像漢字但不是字，這對交付是硬傷。牆上展籤也糊成 Cermaics & Sricm、Travevlies Siroday，小字弱項實錘。另外全程停在展櫃中景，沒有官方那種瓷盤微距特寫。B 版把英文和馬來語修對了、偽漢字基本消失、展廳道具更豐富，但中文那句反而壞掉，導覽員和日語依舊沒有。ガイドが一人も登場しません。プロンプトの主軸は「一人のガイドが四つの連なる展示室を歩く」ですが、H3 の六コマには人物が皆無です。公式は三コマに彼女が登場して解説しています。日本語パートは完全に失敗し、日本語であるべき箇所が意味をなさないラテン文字の羅列になっています。英語字幕も jyst、destinatio と綴りを誤っています。さらに全コマに漢字もどきの偽文字が一行焼き込まれており、これは納品物としては致命的です。壁面のキャプションも Cermaics & Sricm、Travevlies Siroday と崩れており、小さな文字の弱点が裏付けられました。加えて終始ケースのミディアムに留まり、公式のような磁皿のマクロ寄りがありません。B 版では英語とマレー語が正しくなり、偽文字もほぼ消え、展示物も豊かになりましたが、代わりに中国語の一文が壊れ、ガイドと日本語は依然として不在です。There is no guide anywhere in the film. The prompt's through-line is one guide walking through four connected galleries; H3's six frames contain no person at all, where the official has her present and presenting in three of them. The Japanese segment fails completely — where Japanese should be, there is meaningless Latin gibberish. The English subtitle is misspelled as jyst and destinatio. And every frame carries a burned-in line of fake CJK glyphs — characters that look Chinese but are not — which is disqualifying for a deliverable. Wall labels degrade into Cermaics & Sricm and Travevlies Siroday, confirming the small-signage weakness. It also stays at vitrine-wide throughout, with none of the official's macro close-up on a porcelain plate. The B version fixes the English and Malay, largely clears the fake glyphs and enriches the props, but breaks the Mandarin line instead, and still has no guide and no Japanese.
PROMPT 原文（官方，逐字未改）PROMPT 原文（官方，逐字未改）プロンプト原文（公式・未変更）PROMPT (official, verbatim)
30s multilingual Southeast Asian heritage museum documentary, 16:9 warm realistic style, not tourism advertising. One guide walks through four connected galleries about trade, migration, craft, and Singapore's regional history, with slow museum movement and object close-ups. 0-7.5s Port Model Gallery, English: Singapore harbor, Malacca Strait model, ship lights, blue map wall. Guide: "Singapore has always been a meeting point, not just a destination." 7.5-15s Ceramics & Spice Room, Mandarin: porcelain, spice jars, crates, warm light. Guide: "这些瓷器和香料,记录的是一条从海上长出来的生活方式。" 15-22.5s Malacca Trade Gallery, Malay: ship model, batik, pewter, route maps, brass lanterns. Guide: "Di Selat Melaka, kapal, rempah dan bahasa bertemu. Perdagangan menghubungkan banyak budaya." 22.5-30s Travel Objects Gallery, Japanese: suitcases, letters, textiles, family photos. Guide: "旅の品物は、場所を移すたびに、新しい意味を持ちます。"
货币演化貨幣演化貨幣の進化Evolution of money
3/5五个时代少了宋代纸币，人偶也不是黏土五個時代少了宋代紙幣，人偶也不是黏土五時代のうち宋代紙幣が欠落、人形も粘土でないSong paper money missing, and the figures are not clay
以物易物→贝币→金属币→纸钞→刷卡→手机这条线走通了，最后镜头拉远揭示整条时间线摆在木桌上，收尾那一拍也做到了。木桌、倾斜移轴的浅景深、暖调台面光、毛皮陶罐绳索麻布沙土的材质都准，微缩摄影的质感是成立的，画面里还点了真蜡烛。以物易物→貝幣→金屬幣→紙鈔→刷卡→手機這條線走通了，最後鏡頭拉遠揭示整條時間線擺在木桌上，收尾那一拍也做到了。木桌、傾斜移軸的淺景深、暖調檯面光、毛皮陶罐繩索麻布沙土的質感都準，微縮攝影的質感是成立的，畫面裡還點了真蠟燭。物々交換→貝貨→金属貨幣→紙幣→カード決済→スマートフォンという流れは通っており、最後にカメラが引いて木のテーブル上の年表全体を見せる締めのカットも実現しています。木のテーブル、ティルトシフトの浅い被写界深度、暖色の卓上照明、毛皮・陶器・縄・麻布・砂の質感はいずれも正確で、ミニチュア撮影としての説得力があります。画面には本物の蝋燭まで灯っています。The through-line works: barter, shells, metal coins, banknotes, card payment, phone — and the closing pull-back revealing the full timeline laid out on the wooden table lands too. The wooden table, tilt-shift shallow depth of field, warm tabletop lighting, and the fur, pottery, rope, burlap and sand textures are all accurate; the miniature photography reads convincingly, with a real candle lit in shot.
丢了「宋代纸币」整整一段。prompt 点名五个时代，H3 从金属币直接跳到现代钞票，官方专门搭了一台黏土印钞机来演这一拍。人偶也不对：prompt 要「手作风格统一的黏土小人」，H3 出的是写实比例的树脂微缩人像，官方那种大脑袋圆身子的橡皮泥角色才是。多帧人偶糊成残影，脸完全没解析。「从沉重实物到无重量数字」的转折没被戏剧化，官方用一架天平称纸币和铜钱直接点题，还用蓝色 LED 城市收尾。整体上官方是逐个时代搭景，H3 更像把道具摆在桌上拍。丟了「宋代紙幣」整整一段。prompt 點名五個時代，H3 從金屬幣直接跳到現代鈔票，官方專門搭了一台黏土印鈔機來演這一拍。人偶也不對：prompt 要「手作風格統一的黏土小人」，H3 出的是寫實比例的樹脂微縮人像，官方那種大頭圓身的黏土角色才是。多幀人偶糊成殘影，臉完全沒解析。「從沉重實物到無重量數位」的轉折沒被戲劇化，官方用一架天平秤紙鈔和銅錢直接點題，還用藍色 LED 城市收尾。整體上官方是逐個時代搭景，H3 更像把道具擺在桌上拍。「宋代の紙幣」の段がまるごと欠落しています。プロンプトは五つの時代を明示していますが、H3 は金属貨幣から現代紙幣へ直接飛びました。公式はこの一拍のために粘土製の印刷機まで作っています。人形も違います。指定は「手作りの統一感を保つ小さな粘土人形」ですが、H3 が出したのは写実的な比率のレジン製ミニチュアです。公式の大きな頭に丸い体という粘土キャラクターこそが正解です。多くのコマで人形が残像状に潰れ、顔がまったく解像していません。「重い実体から無重量のデジタルへ」という転換も演出されていません。公式は天秤に紙幣と銅銭を載せて主題を直接示し、青い LED の都市で締めています。総じて公式は時代ごとにセットを組んでおり、H3 は小道具をテーブルに並べて撮っただけに見えます。The Song dynasty paper money era is missing entirely. The prompt names five eras and H3 jumps straight from metal coins to modern banknotes, where the official built a clay printing press specifically for that beat. The figures are wrong too: the prompt asks for small clay figures consistent in handmade style, but H3 produced realistically proportioned resin miniatures, while the official's big-headed, round-bodied plasticine characters are the correct read. In several frames the figures smear into ghosts with no facial resolution. The shift from heavy physical objects to weightless digital value is never dramatised — the official states it directly with a balance scale weighing notes against coins, and closes on a blue LED city. Overall the official builds a set per era; H3 mostly arranges props on a table.
PROMPT 原文（官方，逐字未改）PROMPT 原文（官方，逐字未改）プロンプト原文（公式・未変更）PROMPT (official, verbatim)
Create a 30-second photorealistic stop-motion miniature film about the evolution of money, set on a large wooden table like a handmade museum diorama. Use warm tabletop lighting, tilt-shift shallow depth of field, visible clay, paper, wood, fabric, sand, and metal textures. Small clay figures should stay consistent in handmade style. The camera slowly moves left to right across five miniature eras: barter, shells and metal coins, Song dynasty paper money, modern banknotes and credit cards, and today's mobile payment. Show the shift from heavy physical objects to weightless digital value. Use a calm English male voiceover with tactile object sounds: fire crackle, fur, pottery, shells, coins, printing paper, banknotes, card-reader beep, and phone payment sound. Keep music light, warm, and low. Final shot: the camera pulls back to reveal the full money timeline on the wooden table, ending in a warm, quiet handmade world.
沙发广告沙發廣告ソファ広告Sofa commercial
4/5产品细节比官方准，但叠化出了鬼影產品細節比官方準，但疊化出了鬼影製品仕様は公式より正確、ただしディゾルブが幽霊化Product details beat the official, but the dissolve ghosts
在可核对的产品事实上反而赢官方。灰绿色从纯白棚拍到暖光客厅全程一致，官方那条到客厅段沙发变成了暖橄榄色，产品颜色漂了。米白流苏毯在、棕色抱枕在，官方这两样都没有。女人、小孩、猫三个指定角色齐全，而且没有多余角色，官方既看不到猫也看不到明确的小孩。纯白棚拍段和暖光客厅段的两段式结构成立，克制自然的调子也对，圆润造型、厚坐垫、模块化都做出来了。在可核對的產品事實上反而贏官方。灰綠色從純白棚拍到暖光客廳全程一致，官方那條到客廳段沙發變成了暖橄欖色，產品顏色跑掉了。米白流蘇毯在、棕色抱枕在，官方這兩樣都沒有。女人、小孩、貓三個指定角色齊全，而且沒有多餘角色，官方既看不到貓也看不到明確的小孩。純白棚拍段和暖光客廳段的兩段式結構成立，克制自然的調子也對，圓潤造型、厚坐墊、模組化都做出來了。検証可能な製品仕様の面では、むしろ公式に勝っています。グレーグリーンの色味が白ホリのスタジオから暖色のリビングまで一貫しており、公式はリビングのパートでソファが暖かいオリーブ色に変わり、製品色がずれていました。オフホワイトのフリンジ付きスローも茶色のクッションも存在し、公式にはどちらもありません。女性・子ども・猫という指定された三者が揃っており、余計な登場人物もいません。公式は猫も明確な子どもも確認できません。白ホリ編と暖色リビング編という二部構成も成立し、抑制された自然なトーンも正確で、丸みのある造形・厚いクッション・モジュール構成も再現されています。On the checkable product facts it actually beats the official. The grey-green holds consistently from the white studio through to the warm living room, where the official's sofa shifts to warm olive and the product colour drifts. The off-white fringed throw and the brown pillow are both present; the official has neither. All three named characters are there — woman, child, cat — with no extras, where the official shows neither a clear cat nor a clear child. The two-part structure of white studio then warm-lit living room holds, the restrained natural tone is right, and the rounded curves, thick cushions and modular form are all rendered.
第 4 帧是一次失败的叠化，女人和猫变成半透明鬼影浮在沙发上，B 版这个位置更糟，直接是双重曝光加两个重影的人。没有产品细节特写，官方有沙发底座的近景和手抚过坐垫的镜头，广告片这一拍是必须的。人物姿态偏静，缺少真正的生活场景动作。小孩的脸在几帧里没解析开。第 4 幀是一次失敗的疊化，女人和貓變成半透明鬼影浮在沙發上，B 版這個位置更糟，直接是雙重曝光加兩個重影的人。沒有產品細節特寫，官方有沙發底座的近景和手撫過坐墊的鏡頭，廣告片這一拍是必須的。人物姿態偏靜，缺少真正的生活場景動作。小孩的臉在幾幀裡沒解析開。4 コマ目のディゾルブが失敗しており、女性と猫が半透明の残像となってソファの上に浮いています。B 版では同じ箇所がさらに悪く、二重露光で人物が二人分重なっています。製品ディテールの寄りがありません。公式にはソファの脚元のクローズアップと、手がクッションを撫でるカットがあり、CM としてこの一拍は必須です。人物のポーズも静的で、生活シーンらしい動きに欠けます。子どもの顔も数コマで解像していません。Frame 4 is a failed dissolve, with the woman and cat rendered as semi-transparent ghosts floating over the sofa; the B version is worse at the same point, a full double exposure with two overlapping figures. There is no product detail close-up — the official has a shot of the sofa base and a hand running over a cushion, and a commercial needs that beat. The figures' poses are static, with no real lifestyle action, and the child's face fails to resolve in several frames.
PROMPT 原文（官方，逐字未改）PROMPT 原文（官方，逐字未改）プロンプト原文（公式・未変更）PROMPT (official, verbatim)
A 30-second horizontal home commercial. The first 15 seconds feature the sofa's exterior in a pure white studio, followed by 15 seconds of a lifestyle scene in a warm-lit living room. The hero product is a light gray-green modular sofa with rounded curves and thick cushions, styled with an off-white throw and brown pillows. The only characters are a woman, a child, and a cat. The style is restrained and gentle, with natural and realistic visuals.
三角龙碎屏三角龍碎屏トリケラトプスの画面突破Triceratops breaks the screen
3/5碎屏做对了，但恐龙全爬出来了还不笑碎屏做對了，但恐龍全爬出來了還不笑画面割りは正解、だが全身這い出て笑わないScreen break is right; the dinosaur climbs out and never smiles
起手很准。iPad 主屏上裂纹从恐龙头部炸开、玻璃碎片飞溅、平板从立着变成倒下，「裂纹蔓延后突然冲破」这一拍完整做出来了。鳞片质感、桌面木纹、家用光线和景深都非常真。H3 还把 prompt 里的「手持相机」当成实物摆进了画面，比官方更字面。起手很準。iPad 主畫面上裂紋從恐龍頭部炸開、玻璃碎片飛濺、平板從立著變成倒下，「裂紋蔓延後突然衝破」這一拍完整做出來了。鱗片質感、桌面木紋、家用光線和景深都非常真。H3 還把 prompt 裡的「手持相機」當成實物擺進了畫面，比官方更字面。立ち上がりは非常に正確です。iPad のホーム画面に恐竜の頭部から亀裂が走り、ガラス片が飛散し、タブレットが立った状態から倒れる——「亀裂が広がってから突然突き破る」という一拍が完全に実現しています。鱗の質感、机の木目、家庭内の光と被写界深度もきわめてリアルです。H3 はプロンプトの「手持ちカメラ」を実物として画面内に置いており、公式より字義に忠実です。The opening is accurate. Cracks radiate from the dinosaur's head across an iPad home screen, glass fragments fly, and the tablet goes from upright to flat — the beat of cracks spreading before it suddenly bursts through is fully delivered. Scale texture, desk woodgrain, domestic lighting and depth of field are all highly convincing. H3 even placed the handheld camera from the prompt in frame as a physical object, more literal than the official.
后半段全丢了。prompt 写得很具体：「卡在碎屏里一半、一只爪撑在桌上、轻轻喘气、转头、眨眼、露出傻笑」，H3 的恐龙整只爬出来站在平板上，这套表演一拍没做。而且不是「圆滚滚的幼龙」，是瘦长的成年三角龙，皮肤深灰褐，表情全程空白，从头到尾没笑过；官方那只是圆脸、有婴儿感、最后确实咧嘴笑。爬出来之后体型比平板还大，比例不成立。B 版姿态反而更接近「卡住一半」，但同样没有幼龙感和表情戏，屏幕也是全黑的、没有里面的丛林画面。後半段全丟了。prompt 寫得很具體：「卡在碎屏裡一半、一隻爪撐在桌上、輕輕喘氣、轉頭、眨眼、露出傻笑」，H3 的恐龍整隻爬出來站在平板上，這套表演一拍沒做。而且不是「圓滾滾的幼龍」，是瘦長的成年三角龍，皮膚深灰褐，表情全程空白，從頭到尾沒笑過；官方那隻是圓臉、有嬰兒感、最後確實咧嘴笑。爬出來之後體型比平板還大，比例不成立。B 版姿態反而更接近「卡住一半」，但同樣沒有幼龍感和表情戲，螢幕也是全黑的、沒有裡面的叢林畫面。後半がすべて欠落しています。プロンプトは具体的です。「割れた画面に半分挟まったまま、片方の爪を机に突き、そっと息をつき、首を回し、瞬きし、間の抜けた笑みを見せる」。しかし H3 の恐竜は全身が這い出てタブレットの上に立っており、この一連の芝居は一拍も実行されていません。しかも「まるまるした赤ちゃんトリケラトプス」ではなく、細長い成体で、皮膚は濃い灰褐色、表情は終始無で、最後まで笑いません。公式のそれは丸顔で赤ちゃんらしく、最後にきちんとにやりと笑います。這い出た後の体格はタブレットより大きく、比率が成立していません。B 版はむしろ「半分挟まった」姿勢に近いものの、幼体らしさも表情の芝居もやはりなく、画面も真っ黒でジャングルの映像がありません。The whole second half is lost. The prompt is specific: half stuck in the broken screen, one claw planted on the table, panting softly, turning its head, blinking, giving a goofy smile. H3's dinosaur climbs all the way out and stands on the tablet, and none of that performance happens. It is also not the small, round baby the prompt describes but a lean adult triceratops in dark grey-brown, blank-faced throughout and never smiling, where the official's is round-faced, genuinely baby-like, and does grin at the end. Once out, it is larger than the tablet it emerged from, so the scale does not hold. The B version's pose is closer to half stuck, but it likewise has no baby proportions and no expression work, and its screen is fully black with no jungle image inside.
PROMPT 原文（官方，逐字未改）PROMPT 原文（官方，逐字未改）プロンプト原文（公式・未変更）PROMPT (official, verbatim)
On a real indoor desk, an tablet lies under a handheld camera. A small, round baby triceratops with rough brown scales, three short horns, and a broad frill presses up from inside the glass screen. Cracks spread across the surface before it suddenly bursts through, making the tablet slide across the desk. Half stuck in the broken screen, it plants one claw on the table, pants softly, turns its head, blinks, and gives a goofy smile.
3D 蜥蜴3D 蜥蜴3D のトカゲ3D lizard
3/5表情很好，但开场、物种、果肉全错表情很好，但開場、物種、果肉全錯表情は良いが、冒頭・種・果肉がすべて誤りGreat expression; wrong opening, wrong species, wrong pulp
3D 广告的渲染质感、柔和自然光、梦幻微距景深都到位。蜥蜴吐舌头那个表情真的可爱有戏，写实鳞片配卡通表情，正好是 prompt 要的「写实与童趣混合」。沙漠、仙人掌、热沙的环境也对。3D 廣告的算圖質感、柔和自然光、夢幻微距景深都到位。蜥蜴吐舌頭那個表情真的可愛有戲，寫實鱗片配卡通表情，正好是 prompt 要的「寫實與童趣混合」。沙漠、仙人掌、熱沙的環境也對。3D コマーシャルらしいレンダリングの質感、柔らかな自然光、夢のようなマクロの被写界深度はいずれも実現しています。トカゲが舌を出す表情は本当に可愛らしく芝居になっており、写実的な鱗にカートゥーン的な表情という組み合わせは、まさにプロンプトが求めた「リアリズムと子どもらしい遊び心の融合」です。砂漠・サボテン・熱い砂という環境も正しいです。The 3D commercial rendering, soft natural lighting and dreamy macro depth of field all land. The tongue-out expression is genuinely charming and performed, and realistic scales paired with a cartoon expression is exactly the blend of realism with a playful, childlike tone the prompt asks for. Desert, cacti and hot sand are right too.
开场错了。prompt 明写「开场是烈日沙漠，蜥蜴趴在热沙上轻轻吐舌」，H3 前两帧是抽象的薄荷绿果冻块，10 秒里浪费掉三分之一，而且这两帧看不出是什么东西。物种也错：要的是沙漠角蜥（短圆多刺、头顶一圈角），出的是鬃狮蜥。「果肉」变成了糖果绿，不是果肉色，和 prompt 要的「果肉的清爽冲击力」对不上，官方那条葡萄柚的粉橙才是。没有产品、没有转折、没有尾板，官方是钩子→产品→果汁河→冰上收尾→尾板一整支完整广告。B 版反过来：整整 15 秒都是烈日沙漠里趴着吐舌的蜥蜴，开场描述完全对，但果肉、透亮色彩、冲击力全没了。两版各对一半。開場錯了。prompt 明寫「開場是烈日沙漠，蜥蜴趴在熱沙上輕輕吐舌」，H3 前兩幀是抽象的薄荷綠果凍塊，10 秒裡浪費掉三分之一，而且這兩幀看不出是什麼東西。物種也錯：要的是沙漠角蜥（短圓多刺、頭頂一圈角），出的是鬃獅蜥。「果肉」變成了糖果綠，不是果肉色，和 prompt 要的「果肉的清爽衝擊力」對不上，官方那條葡萄柚的粉橘才是。沒有產品、沒有轉折、沒有尾板，官方是鉤子→產品→果汁河→冰上收尾→尾板一整支完整廣告。B 版反過來：整整 15 秒都是烈日沙漠裡趴著吐舌的蜥蜴，開場描述完全對，但果肉、透亮色彩、衝擊力全沒了。兩版各對一半。冒頭を外しています。プロンプトは「灼熱の砂漠で始まり、トカゲが熱い砂に伏せて軽く舌を出す」と明示していますが、H3 の最初の 2 コマは抽象的なミントグリーンのゼリー塊で、10 秒のうち三分の一を浪費しており、しかも何を写しているのか判別できません。種も違います。指定はサバクツノトカゲ（短く丸く棘があり、頭頂に角が並ぶ）ですが、出てきたのはフトアゴヒゲトカゲです。「果肉」もキャンディのような緑になっており果肉の色ではなく、「果肉の爽快なインパクト」という指定に合いません。公式のグレープフルーツのピンクオレンジこそが正解です。製品も転換も終わりのタイトルもなく、公式はフック→製品→果汁の川→氷上の締め→タイトルという一本の完成した CM でした。B 版は逆で、15 秒すべてが灼熱の砂漠で舌を出して伏せるトカゲであり、冒頭の記述には完全に一致しますが、果肉も透明感のある色彩もインパクトも失われています。両版とも半分ずつしか当たっていません。The opening is wrong. The prompt explicitly says to open on a blazing desert with the lizard lying on hot sand, lightly sticking out its tongue; H3's first two frames are abstract mint-green jelly blobs, burning a third of a ten-second clip on shots where you cannot tell what you are looking at. The species is wrong as well: the brief names a desert horned lizard — short, round, spiky, with a crown of horns — and H3 delivered a bearded dragon. The fruit pulp becomes candy green rather than pulp colour, which does not match the refreshing, high-impact fruit pulp specified; the official's grapefruit pink-orange does. There is no product, no turn, and no end card, where the official is a complete spot: hook, product, river of juice, ice-cube payoff, end card. The B version inverts this — all fifteen seconds are the lizard lying in blazing desert with its tongue out, matching the opening description exactly, but with the pulp, the transparent colour and the impact all gone. Each version gets half of it.
PROMPT 原文（官方，逐字未改）PROMPT 原文（官方，逐字未改）プロンプト原文（公式・未変更）PROMPT (official, verbatim)
A 3D animated commercial style with bright, transparent colors and refreshing, high-impact visuals of fruit pulp. Feature a cute and expressive desert horned lizard with soft natural lighting, fine fur details, and a dreamy macro depth of field—blending realism with a playful, childlike tone. Open on a blazing desert as the lizard lies on the hot sand, lightly sticking out its tongue.
流星流星流れ星Meteor
4/5官方片三方镜像已失效，只有 H3官方片三方鏡像已失效，只有 H3公式動画のミラーが失効。H3 のみOfficial mirror is dead; H3 only
七个节拍全做完，但流星更像飞机坠落七個節拍全做完，但流星更像飛機墜落七つの拍は完遂、ただし流星が墜落機に見えるAll seven beats land, but the meteor reads as a plane crash
无官方对照，只看是否完成 prompt——七个节拍按顺序全做完了：两个孩子并肩走过草原、停下、面露不安、抬头看天、流星划过、目光跟随、转身背对镜头看它落向地平线。机位从正面绕到背后，调度成立。藏袍、毛皮镶边、盘扣和高原草甸、远山、阴云的写实度很高，像实拍素材；0.5MP 下第 3、4 帧的人脸还撑得住，这在草稿档里不容易。無官方對照，只看是否完成 prompt——七個節拍按順序全做完了：兩個孩子並肩走過草原、停下、面露不安、抬頭看天、流星劃過、目光跟隨、轉身背對鏡頭看它落向地平線。機位從正面繞到背後，調度成立。藏袍、毛皮鑲邊、盤扣和高原草甸、遠山、陰雲的寫實度很高，像實拍素材；0.5MP 下第 3、4 幀的人臉還撐得住，這在草稿檔裡不容易。公式素材がないため、プロンプトを完遂したかどうかのみで評価します。七つの拍がすべて順序どおり実行されています。二人の子どもが草原を並んで歩く、立ち止まる、不安な表情を見せる、空を見上げる、流星が走る、視線で追う、振り返って地平線へ消えるのを見送る。カメラも正面から背後へ回り込んでおり、動線として成立しています。チュバ、毛皮の縁取り、盤釦、そして高原の草地・遠くの山並み・曇り空の実写感は非常に高く、実素材のようです。0.5MP でも 3・4 コマ目の顔が破綻しておらず、ドラフト品質としては容易なことではありません。With no official reference, this is judged purely on completing the prompt — and all seven beats land in order: two children walking side by side across the grassland, stopping, showing unease, looking up at the sky, a meteor streaking, their eyes following it, and turning away from camera to watch it vanish toward the horizon. The camera moves from front to behind them, so the blocking works. The chuba, fur trim and frog buttons, and the plateau grassland, distant ranges and overcast sky are highly photoreal, reading like real location footage. At 0.5MP the faces in frames 3 and 4 still hold, which is not trivial at draft quality.
流星拖着一条粗黑烟柱，更像飞机坠落而不是划过天际的流星，而且是斜着往下掉，不是 prompt 写的「从头顶掠过」。阴天平光下流星对环境没有任何照明，真的火流星应该照亮草原和人脸。抬头那一拍两人的视线朝正上方，和右上角的流星位置对不上。女孩的毛皮帽形状和男孩衣服的皮毛翻领在镜头之间变了，服装一致性有漂移。另外画面里没有任何暗示「离家出走」的信息，两人身上没有行李。B 版表情更好、脸更清楚，但开场没有明确的「并肩行走」，手里还多了 prompt 里没有的长杆状物。流星拖著一條粗黑煙柱，更像飛機墜落而不是劃過天際的流星，而且是斜著往下掉，不是 prompt 寫的「從頭頂掠過」。陰天平光下流星對環境沒有任何照明，真的火流星應該照亮草原和人臉。抬頭那一拍兩人的視線朝正上方，和右上角的流星位置對不上。女孩的毛皮帽形狀和男孩衣服的皮毛翻領在鏡頭之間變了，服裝一致性有漂移。另外畫面裡沒有任何暗示「離家出走」的資訊，兩人身上沒有行李。B 版表情更好、臉更清楚，但開場沒有明確的「並肩行走」，手裡還多了 prompt 裡沒有的長桿狀物。流星が太い黒煙の柱を引いており、天を横切る流星というより航空機の墜落に見えます。しかも斜めに落下していて、プロンプトの「頭上を横切る」にはなっていません。曇天のフラットな光の下で流星が環境をまったく照らしておらず、本来の火球なら草原と人物の顔を照らすはずです。見上げる一拍では二人の視線が真上を向いており、右上にある流星の位置と合っていません。少女の毛皮帽の形と少年の衣服の毛皮の襟がカット間で変化しており、衣装の一貫性に揺れがあります。また「家出」を示唆する情報が画面にまったくなく、二人は荷物を持っていません。B 版は表情が良く顔も明瞭ですが、冒頭に明確な「並んで歩く」がなく、プロンプトにない長い棒状の物を手にしています。The meteor trails a thick black smoke column, reading more like a crashing aircraft than a shooting star, and it descends at an angle rather than streaking overhead as the prompt specifies. Under flat overcast light it casts no illumination on the environment, where a real fireball would light the grassland and their faces. In the look-up beat both children gaze straight up, which does not match the meteor's position in the upper right. The girl's fur hat changes shape and the boy's fur lapel disappears between shots, so wardrobe continuity drifts. Nothing in frame signals runaway either — neither child carries any belongings. The B version has better expressions and clearer faces, but its opening lacks a clear side-by-side walk and adds long pole-like objects the prompt never mentions.
PROMPT 原文（官方，逐字未改）PROMPT 原文（官方，逐字未改）プロンプト原文（公式・未変更）PROMPT (official, verbatim)
Two runaway children walk side by side across the Tibetan wilderness. After a few seconds, an otherworldly sound echoes in the distance. They stop, slowly look up at the sky, tense and uneasy. Suddenly, a meteor streaks overhead. Their eyes follow its path as they turn and watch it disappear into the horizon.
我们自己项目的对照（精选）我們自己項目的對照（精選）自社プロジェクトの比較（抜粋）Our own projects (selected)
同 prompt、同参考图，原片 vs H3；最后一条是 9 段首尾帧串成的 135 秒整片同 prompt、同參考圖，原片 vs H3；最後一條是 9 段首尾幀串成的 135 秒整片同一プロンプト・同一参照画像での比較。最後は首尾フレームで 9 セグメントを繋いだ 135 秒の完全版Same prompt, same references, original vs H3; the last one is a 135-second piece chained from 9 first/last-frame segmentsHolyCrab 实验片 · 螃蟹深蹲HolyCrab 實驗片 · 螃蟹深蹲HolyCrab 実験映像 · カニスクワットHolyCrab experiment · Crab squat
我们自己在同一条产线上跑的另一组实验：一条 H3 官方六段式 Full-reference 格式的 prompt，三张职责分离的参考图（人物 / 场景 / 墙板），日文旁白，复刻日本水上综艺「穿墙」桥段。上排 3 条 h3-fast、下排 3 条 h3-pro，同一条 prompt、同一组参考图。我們自己在同一條產線上跑的另一組實驗：一條 H3 官方六段式 Full-reference 格式的 prompt，三張職責分離的參考圖（人物 / 場景 / 牆板），日文旁白，復刻日本水上綜藝「穿牆」橋段。上排 3 條 h3-fast、下排 3 條 h3-pro，同一條 prompt、同一組參考圖。同じ生産ラインで行ったもう一組の実験：H3 公式の 6 段構成 Full-reference 形式のプロンプト、役割の異なる参照画像 3 枚（人物 / 場面 / 壁パネル）、日本語ナレーション。日本の水上バラエティ「壁抜け」コーナーの再現。上段 3 本が h3-fast、下段 3 本が h3-pro。同一プロンプト・同一参照画像。Another experiment of ours on the same pipeline: a prompt in H3's official six-part Full-reference format, three references with separate roles (character / scene / wall panel), Japanese voice-over, recreating the Japanese water-game-show “wall” bit. Top row: 3 × h3-fast. Bottom row: 3 × h3-pro. Same prompt, same references.为什么单独拿出来：这条不是我们的自由文本时码写法，而是 H3 原生的字段结构——subject_definitions / detailed_description / overall_soundscape / non_diegetic_music，<Picture N> 引用，[Shot N] At 00:0X.000 绝对时戳，<d>[Japanese]…</d> 对白标签。环境音和配乐是两个独立字段。日文旁白是已知弱项，这组也是在测它。為什麼單獨拿出來：這條不是我們的自由文本時碼寫法，而是 H3 原生的字段結構——subject_definitions / detailed_description / overall_soundscape / non_diegetic_music，<Picture N> 引用，[Shot N] At 00:0X.000 絕對時戳，<d>[Japanese]…</d> 對白標籤。環境音和配樂是兩個獨立字段。日文旁白是已知弱項，這組也是在測它。取り上げる理由：我々の自由テキスト＋タイムコード方式ではなく、H3 ネイティブのフィールド構造で書かれている——subject_definitions / detailed_description / overall_soundscape / non_diegetic_music、<Picture N> 参照、[Shot N] At 00:0X.000 の絶対タイムスタンプ、<d>[Japanese]…</d> セリフタグ。環境音と BGM は独立した 2 フィールド。日本語ナレーションは既知の弱点で、この組はそれも試している。Why it's singled out: this isn't our free-text timecode style — it's H3's native field structure: subject_definitions / detailed_description / overall_soundscape / non_diegetic_music, <Picture N> references, absolute [Shot N] At 00:0X.000 timestamps, <d>[Japanese]…</d> dialogue tags. Ambient sound and music are two separate fields. Japanese voice-over is a known weak spot; this set tests it too.
<Picture 1> 是人物四视图设定板，此处不展示。<Picture 1> 是人物四視圖設定板，此處不展示。<Picture 1> は人物の 4 面設定シートで、ここでは掲載しない。<Picture 1> is the character's four-view design sheet and is not shown here.
PROMPT 原文（H3 官方 Full-reference 六段式，逐字未改）PROMPT 原文（H3 官方 Full-reference 六段式，逐字未改）プロンプト原文（H3 公式 Full-reference 6 段構成、未変更）PROMPT (H3 official six-part Full-reference format, verbatim)
subject_definitions: <Subject 1> is Xia Yan, the single adult East Asian woman shown from multiple views in <Picture 1>, with the same face, warm fair skin, black high ponytail, natural makeup, earrings, curvy adult body proportions, black lace one-piece swimsuit, and bare feet. Every panel in <Picture 1> depicts this one person; the target video must contain only one Xia Yan and must not reproduce the white studio, collage layout, or multiple copies. <Subject 2> is the outdoor water-game-show arena in <Picture 2>, with a bright blue pool, a long orange elevated runway, audience stands, broadcast camera platforms, tropical resort buildings, and hard natural midday sunlight. The camera operators and spectators remain background staff and never appear on the challenge runway. <Subject 3> is the single crab-squat obstacle wall in <Picture 3>, consisting of one thick rigid light-blue panel inside a red-and-tan support frame, the existing white HolyCrab wordmark, a bottom edge resting flush on the runway track, and the exact low crab-squat aperture. <Picture 3> defines the wall itself and the pose contour, not its close-up camera or background. summary: [reference generation] The target is a fifteen-second live-action Japanese water-game-show sequence in which <Subject 1> studies and matches the crab-squat aperture in <Subject 3> inside <Subject 2>. Her pose is correct, but the opening is slightly tight at the outer elbows and hips, so the steadily advancing wall pushes her backward into the pool. The video ends after she resurfaces and gives the camera a silent, annoyed stare. Native Japanese voice-over, physical sounds, crowd reactions, and light variety-show music are generated with the picture. retention_analysis: <Subject 1> (appears in [Shot 1], [Shot 2], [Shot 3], [Shot 4], and [Shot 5]): fully_preserved - Xia Yan remains one identical adult woman with the same face, high ponytail, body proportions, black lace one-piece swimsuit, jewelry, and bare feet throughout; water changes only the wet surface state of her hair, skin, and clothing. <Subject 2> (appears in [Shot 1], [Shot 2], [Shot 3], [Shot 4], and [Shot 5]): fully_preserved - the blue pool, orange runway, audience, camera platforms, tropical background, sunny lighting, and clear platform axis remain spatially consistent. <Subject 3> (appears in [Shot 1], [Shot 2], [Shot 3], and [Shot 4]): fully_preserved - exactly one rigid light-blue wall retains its support frame, colors, HolyCrab wordmark, bottom-grounded track relationship, and crab-squat contour. Its aperture is scaled to <Subject 1>'s real crouched body envelope, with only a slight mismatch at her elbows and hips. detailed_description: The target video uses realistic multi-camera Japanese broadcast photography, bright saturated summer color, crisp natural noon light, authentic skin texture, and restrained physical-comedy timing. No subtitles, captions, or added on-screen text appear. [Shot 1] A medium close-up from the pool-facing end of the runway shows <Subject 1> centered on the orange platform in <Subject 2>, with <Subject 3> upright in the distant background. She looks into the lens with relaxed shoulders and a confident natural smile. A mechanical latch clicks and a low electric motor starts behind her; only after hearing it does her smile stop and her eyes widen. An energetic off-screen Japanese male game-show announcer (S1) says, <d>[Japanese] 第2ステージ、スタート！</d> and then, with a rising final word, <d>[Japanese] 今回のポーズは――スーパー・クラブスクワット！</d> She quickly turns toward the wall. The wall begins moving along the runway axis at one steady speed, with no contact yet. [Shot 2] At 00:03.000, a wide left-side three-quarter shot reveals the entire runway, pool, contestant, and wall without crossing the established axis. <Subject 1> scans the aperture from head to feet, takes two short steps to its centerline, and matches the pose in a clear sequence: both feet slide far apart and turn outward, both knees open widely, her hips descend until the thighs are nearly horizontal, her torso remains upright, and only then do both hands settle behind her neck while the elbows spread almost horizontally. Her soles remain planted and her weight lowers continuously. The announcer (S1) calls in rhythm, <d>[Japanese] 脚を開いて、腰を落として、両手は頭の後ろ！</d> The shot ends with her fully aligned in the crab squat while the wall is still approaching and has not touched her. [Shot 3] At 00:07.000, the camera remains on the same side and slowly pushes to a medium-wide profile. <Subject 1> holds the exact deep squat, shifts each foot only a few centimeters, centers her hips, glances down at her foot placement, then looks up at the approaching wall with faster breathing. The aperture matches her head, arms, torso, thighs, lower legs, and outward feet; it is only three to five centimeters too narrow at both outer elbows and the widest part of her hips. Before contact she does not stand, lean back, or release her hands. The announcer (S1) begins confidently and then lowers his voice: <d>[Japanese] ポーズは完璧……でも、ちょっと小さい！</d> The motor continues evenly. The shot ends at first gentle simultaneous contact on her outer elbows and hips, which triggers a sudden wide-eyed reaction. [Shot 4] At 00:10.000, the same side angle widens enough to include the platform edge and water behind <Subject 1>. Only after contact does she release her hands and swing both arms for balance. <Subject 3> never accelerates, bends, rotates, or penetrates her body; its continuous forward travel pushes her straight backward. Her feet first slide a short distance, her center of mass passes behind her heels, her knees extend, and her upper body tilts naturally. At the edge she loses sole support, briefly half-sits against the lip, her legs rise from inertia, and she falls backward without jumping. <Subject 1> (S2) gives one short natural cry, <d>[Japanese] あっ！</d> Her back and rear body strike the water first and her legs follow, producing a broad heavy splash with realistic droplets and foam. At maximum impact the announcer (S1) exclaims, <d>[Japanese] ああーっと、押し落とされたー！</d> The wall stops upright at the platform edge while she disappears fully below the surface. [Shot 5] At 00:13.000, a water-level frontal medium shot holds on the impact area. <Subject 1> resurfaces head first and then shoulders, exhales with closed eyes, and sculls with both arms. Water streams naturally from her face, chin, ponytail, and swimsuit; the ponytail tie and identity remain unchanged while loose wet strands cling to her cheeks. She opens her eyes, finds the lens, slowly flattens her mouth, puffs her cheeks slightly, and gives a silent, stubborn glare before flicking one wet strand aside. She has no formal dialogue. Audience surprise turns into laughter and applause as the final beat lands; <Subject 3> remains out of the pool and the video ends on her stable floating reaction. overall_soundscape: Native 32 kHz stereo sound with open-air pool ambience, distant crowd murmur, directional electric-motor movement, a distinct starting latch click, bare-foot friction on the textured runway, quickened breathing, the brief nonverbal cry from <Subject 1>, a low heavy body-impact splash, water droplets, bubbling foam, and audience reactions that shift from anticipation to shock and laughter. The off-screen announcer (S1) remains bright, playful, and recognizably Japanese, never sounding like a newsreader. Dialogue is Japanese only and no additional voices speak formal lines. non_diegetic_music: A concise upbeat Japanese variety-show cue with light drums and short brass accents plays under the action. It briefly ducks just before first contact, leaves the motor and audience inhale exposed, then returns after the splash and resolves cleanly on the final reaction. No dramatic cinematic score and no slow-motion music.
技术备注技術備註技術メモTechnical notes
全部为实测数字（台账可溯源），不是标称值。全部為實測數字（台帳可溯源），不是標稱值。すべて実測値（台帳で追跡可能）。公称値ではありません。All figures are measured (traceable in the job ledger), not nominal.| 硬件硬體ハードウェアHardware | NVIDIA DGX Spark · GB10 Grace Blackwell · 128 GB 统一内存 · 单机NVIDIA DGX Spark · GB10 Grace Blackwell · 128 GB 統一記憶體 · 單機NVIDIA DGX Spark · GB10 Grace Blackwell · 128 GB ユニファイドメモリ · 1 台NVIDIA DGX Spark · GB10 Grace Blackwell · 128 GB unified memory · one machine |
|---|---|
| 推理栈推理棧推論スタックStack | ComfyUI + MiniMax H3 开源权重（33B 稠密 DiT，视频与音频联合生成）· 档位：4 步 / 8 步蒸馏 LoRA、SLA 768p LoRA、无蒸馏原模型 · 外层批处理队列串行执行ComfyUI + MiniMax H3 開源權重（33B 稠密 DiT，影片與音訊聯合生成）· 檔位：4 步 / 8 步蒸餾 LoRA、SLA 768p LoRA、無蒸餾原模型 · 外層批處理佇列串行執行ComfyUI + MiniMax H3 オープンウェイト（33B 密 DiT、映像と音声を同時生成）· ティア：4 / 8 ステップ蒸留 LoRA、SLA 768p LoRA、非蒸留モデル · 外側のバッチキューで直列実行ComfyUI + MiniMax H3 open weights (33B dense DiT, joint video + audio) · tiers: 4-step / 8-step distilled LoRA, SLA 768p LoRA, non-distilled base · serial batch queue on top |
| 渲染时显存渲染時顯存レンダリング時メモリMemory at render | 约 43–52 GB（台账 vram_MB 列）約 43–52 GB（台帳 vram_MB 欄）約 43–52 GB（台帳 vram_MB 列）~43–52 GB (ledger vram_MB column) |
| 墙钟（0.5 MP）牆鐘（0.5 MP）実時間（0.5 MP）Wall clock (0.5 MP) | 4 步：5 s ≈ 150 s · 10 s ≈ 283 s · 15 s ≈ 512 s ｜ 8 步：5 s ≈ 270 s · 10 s ≈ 537 s · 15 s ≈ 900–990 s ｜ 1.0 MP 8 步：5 s ≈ 542 s · 10 s ≈ 1 340 s4 步：5 s ≈ 150 s · 10 s ≈ 283 s · 15 s ≈ 512 s ｜ 8 步：5 s ≈ 270 s · 10 s ≈ 537 s · 15 s ≈ 900–990 s ｜ 1.0 MP 8 步：5 s ≈ 542 s · 10 s ≈ 1 340 s4 ステップ：5 s ≈ 150 s · 10 s ≈ 283 s · 15 s ≈ 512 s ｜ 8 ステップ：5 s ≈ 270 s · 10 s ≈ 537 s · 15 s ≈ 900–990 s ｜ 1.0 MP 8 ステップ：5 s ≈ 542 s · 10 s ≈ 1 340 s4-step: 5 s ≈ 150 s · 10 s ≈ 283 s · 15 s ≈ 512 s ｜ 8-step: 5 s ≈ 270 s · 10 s ≈ 537 s · 15 s ≈ 900–990 s ｜ 1.0 MP 8-step: 5 s ≈ 542 s · 10 s ≈ 1 340 s |
| 规律規律スケーリングScaling | 耗时 ∝ 帧数 × 步数 × 像素量；画幅、语言、prompt 长度都不是变量；8 步 ≈ 4 步的 1.8 倍；0.5 MP/10 s 与 1.0 MP/5 s 同价耗時 ∝ 幀數 × 步數 × 像素量；畫幅、語言、prompt 長度都不是變數；8 步 ≈ 4 步的 1.8 倍；0.5 MP/10 s 與 1.0 MP/5 s 同價時間 ∝ フレーム数 × ステップ数 × 画素数。アスペクト比・言語・プロンプト長は変数にならない。8 ステップ ≈ 4 ステップの 1.8 倍。0.5 MP/10 s と 1.0 MP/5 s は同コストTime ∝ frames × steps × megapixels; aspect ratio, language and prompt length are not variables; 8-step ≈ 1.8× 4-step; 0.5 MP/10 s costs the same as 1.0 MP/5 s |
| 热保护熱保護熱保護Thermal | 任务间 80 °C 冷却阈值；持续负载热点 91–96 °C；95–97 °C 为硬件保护点（降频，不损坏）；1.0 MP 有强制 5 分钟间隔任務間 80 °C 冷卻閾值；持續負載熱點 91–96 °C；95–97 °C 為硬體保護點（降頻，不損壞）；1.0 MP 有強制 5 分鐘間隔ジョブ間の冷却閾値 80 °C。連続負荷時のホットスポット 91–96 °C。95–97 °C でハードウェア保護（クロック低下、損傷なし）。1.0 MP は 5 分の強制インターバル80 °C cooldown between jobs; hotspot 91–96 °C under sustained load; 95–97 °C is the hardware guard (throttles, no damage); 1.0 MP enforces a 5-minute gap |
| 产能產能スループットThroughput | 可持续 150–200 条草稿/天；135 s 长片（9×15 s 首尾帧串接）≈ 81 分钟；100 条基准夜跑 ≈ 12 小时可持續 150–200 條草稿/天；135 s 長片（9×15 s 首尾幀串接）≈ 81 分鐘；100 條基準夜跑 ≈ 12 小時持続 150–200 本/日（下書き）。135 s 長尺（9×15 s 首尾フレーム連結）≈ 81 分。100 本のベンチマーク夜間実行 ≈ 12 時間150–200 draft clips/day sustained; a 135 s film chained from 9×15 s ≈ 81 min; the 100-render benchmark night ≈ 12 h |
| 分辨率上限解析度上限解像度の上限Resolution cap | 本地产线最高 1.0 MP（≈768p）；要 2K 需走官方平台的 Regenerate 功能，本地不做本地產線最高 1.0 MP（≈768p）；要 2K 需走官方平台的 Regenerate 功能，本地不做ローカル生産ラインの上限は 1.0 MP（≈768p）。2K が必要な場合は公式プラットフォームの Regenerate 機能を使う。ローカルでは行わないThe local pipeline tops out at 1.0 MP (≈768p); 2K requires the official platform's Regenerate feature and is not done locally |
| 本页用时本頁用時本ページの所要時間This page | 28 条 H3 渲染 ≈ 3.2 小时队列（4 步 0.5 MP，15–21 号各两版）；评测周期 8 月 20 日建线 → 9 月 4 日上线28 條 H3 渲染 ≈ 3.2 小時佇列（4 步 0.5 MP，15–21 號各兩版）；評測週期 8 月 20 日建線 → 9 月 4 日上線H3 レンダリング 28 本 ≈ キュー 3.2 時間（4 ステップ 0.5 MP、15–21 番は 2 版）。評価期間：8 月 20 日ライン構築 → 9 月 4 日公開28 H3 renders ≈ 3.2 h of queue (4-step 0.5 MP; cases 15–21 in two versions); evaluation ran Aug 20 (pipeline up) → Sep 4 (published) |