ローカル動画生成AI 4モデル比較

・プロンプトは元動画のものを一字も変えずに渡しています。文末の「Ambient sound（環境音）」「Music（音楽）」の指定は MiniMax H3 が音声も作るために書かれたもので、他の3モデルは映像だけを作るため無視されます。
・CogVideoX-5B は学習時の解像度・コマ数が決まっており（720×480 / 49コマ / 8fps）、他と同じ 960×544・24fps には揃えられません。この差を承知の上で見比べてください。