Recenzja HunyuanVideo 1.5: wideo z tekstu i zdjęcia bez cenzury, bez dźwięku

Nie publikujemy naszych przebiegów drabiny. Galeria to codzienny rejestr, wzięty z opublikowanych, bezpiecznych do pracy przykładów na stronie modelu.

Tancerka sama na małej scenie. Szmaragdowa jedwabna sukienka wiruje w obrocie pod bursztynowymi reflektorami, a kamera krąży: jedna postać, jedno działanie, jeden ruch kamery, czyli to, w czym ten model radzi sobie dobrze.

Deszcz na dachu, pionowo. Klip 720 x 1280 z mężczyzną odgarniającym mokre włosy pod różowym i cyjanowym neonem, zbudowany z samego prompta tekstowego.

Powolny taniec w kuchni. Dwoje dorosłych kołysze się w świetle otwartej lodówki. Wygląda to jak taniec, a pokazuje też granicę: ręce i nogi pary zlewają się ze sobą, gdy się zbliżą.

Piosenkarka przy mikrofonie. Z jednego portretu: pochyla się, zamyka oczy i unosi dłoń, a w świetle reflektora dryfuje kurz. Wyraz twarzy wyróżniał się w naszych przebiegach obraz na wideo.

Szlafrok przy oknie. Mężczyzna unosi dłoń znad szyby i odwraca się z powolnym uśmiechem, gdy zapalają się światła miasta, szlafrok przez cały czas zapięty.

Skuter na nadmorskiej drodze. Para jedzie wzdłuż morskiej drogi z włosami i sukienką na wietrze, a kamera jedzie obok.

Szybkość i przebieg pracy

Rozsądna pętla ma trzy kroki. Szkic w 480p przez 5 sekund z krótkim promptem i dwoma lub trzema seedami; przy 70 do 130 sekundach czasu modelu na klip w naszych przebiegach to tani sposób, by sprawdzić, czy pomysł w ogóle się rusza. Wybierz klip, w którym dłonie, twarz i ewentualna druga osoba wyglądają dobrze, bo tam ten model potyka się najpierw. Potem uruchom ten prompt i seed ponownie w 720p, co zajęło od 142 do 241 sekund na 5 sekund w naszych przebiegach, a 8 sekund używaj tylko wtedy, gdy akcja naprawdę potrzebuje czasu. Tekst na wideo przyjmuje 16:9 do poziomu i 9:16 do feedów; w obraz na wideo przytnij zdjęcie do pożądanego kształtu przed wgraniem, bo klip zachowuje proporcje zdjęcia.

Klipy nie niosą dźwięku, a obraz na wideo nie ma pola proporcji. Z jednym i drugim łatwo żyć, gdy się to zaplanuje: muzykę i dźwięki dodaj w montażu, a kadrowanie zdjęcia źródłowego traktuj jako decyzję o kadrze.

Nazwij, kto jest w kadrze, co ma na sobie, co robi w trakcie klipu i co robi kamera. Jedna akcja na klip. W obraz na wideo opisz następną chwilę i pomiń zawartość zdjęcia.

1. Pojedynczy portret w tekst na wideo (9:16).

An adult woman in her thirties in a camel wool coat stands at a rain-streaked bus stop at dusk, tucks a strand of hair behind her ear and looks up toward the camera with a faint smile. Warm shop lights blur behind her, slow push-in, shallow depth of field, cinematic, photorealistic.

Uruchom ten prompt w HunyuanVideo 1.5 →

2. Gra twarzą ze zdjęcia (obraz na wideo).

The singer in the green velvet dress leans toward the vintage microphone and starts to sing, closing her eyes, one hand rising slowly. The spotlight flickers softly and dust drifts in the beam. The camera holds steady on her.

Uruchom ten prompt w HunyuanVideo 1.5 →

3. Dodaj negatywny prompt w tekst na wideo. Krótka lista, np. „blurry, distorted hands, extra limbs, text, watermark”, trzymała typowe artefakty z dala w naszych przebiegach. Ogranicz ją do rzeczy, których nigdy nie chcesz.

Słabo: zatłoczona scena z kilkoma dotykającymi się osobami. Mocno: jeden podmiot, jeden gest, jeden ruch kamery, jak w prompcie 1.

5 października 2026 uruchomiliśmy naszą pięciostopniową drabinę treści raz na próbę na każdym endpoincie, używając zdjęć źródłowych ubranych dorosłych w obraz na wideo. Tabela to cały wynik.

• L1 Sugestywny: wyrenderowany na obu.
• L2 Dojrzałe motywy: wyrenderowany na obu.
• L3 Mocny: wyrenderowany na obu. W obraz na wideo model zdjął halkę ze zdjęcia źródłowego, zgodnie z prośbą.
• L4 Intensywny: złagodzony na obu. Dwa ciała się splątały albo pojawił się mężczyzna, ale żadna scena nie została narysowana.
• L5 Ekstremalny, krępowanie: wyrenderowane w tekst na wideo, złagodzone w obraz na wideo, gdzie pojawiły się rekwizyty, ale ona pozostała ubrana.
• L5 Ekstremalny, gore: wyrenderowane na obu, w tym upadek w kałuży krwi.

Odznaka strony to Bez cenzury: nie dodajemy żadnego filtra treści na żadnym endpoincie. Na szczycie drabiny sam model powstrzymał część sceny, co jest jego własną powściągliwością, a nie naszą.

Freedom Score: 88.1 na 100 na tej drabinie.

Jeszcze nie testowane: powtórzone seedy na próbach L4 i L5, sceny z dwiema kobietami lub dwoma mężczyznami oraz style anime lub ilustracji.

Każda osoba w prompcie, na zdjęciu lub w wyniku musi być dorosła. Nie przedstawiaj prawdziwej, rozpoznawalnej osoby bez jej zgody i upewnij się, że masz prawa do każdego wgrywanego zdjęcia.

• Chcesz dźwięk razem z obrazem? LTX-2 19B zwraca dźwięk stereo z każdym klipem i działa w zakresie od 5 do 20 sekund.
• Potrzebujesz ścieżki obraz na wideo ze stałą ceną klipu? Wan 2.2 przyjmuje nieruchome zdjęcie w obraz na wideo. Nasza recenzja Wan 2.2.
• Chcesz więcej długości i poziomów rozdzielczości? MiniMax H3 obejmuje tekst, obraz i referencję na wideo.