ساخت ویدیو با هوش مصنوعی در یک سال اخیر از «چند ثانیه تصویر لرزان» به ویدیوهایی با صدا، دیالوگ و حرکت دوربین سینمایی رسیده است. اما بازار هم شلوغ‌تر شده: Wan، Seedance، MiniMax، Veo، Kling، Grok Imagine، HeyGen و ده‌ها مدل دیگر. از آن طرف، Sora که روزی معروف‌ترین نام این حوزه بود، دیگر در دسترس نیست.
در این مقاله بهترین هوش مصنوعی‌های ساخت ویدیو را بر اساس داده‌ای مستقل رتبه‌بندی کرده‌ایم: آرنای ویدیوی Artificial Analysis که در آن کاربران بدون دانستن نام مدل‌ها، ویدیوی بهتر را انتخاب می‌کنند. کیفیت، قیمت هر دقیقه ویدیو، تبدیل عکس به ویدیو و مدل‌های وزن باز را مقایسه کرده‌ایم و در آخر می‌گوییم برای هر کار کدام مدل مناسب‌تر است. روش کلی این نوع رتبه‌بندی را در مقالهٔ رتبه‌بندی Elo توضیح داده‌ایم.
آخرین به‌روزرسانی: ۶ آبان ۱۴۰۵ — امتیازها و قیمت‌ها از آرنای ویدیوی Artificial Analysis در همین تاریخ برداشته شده‌اند و با رأی‌ها و مدل‌های تازه تغییر می‌کنند.
⚡ پاسخ کوتاه
در آرنای متن به ویدیوی Artificial Analysis (نسخهٔ v2.1، ویدیو با صدا)، Wan 3.0 از علی‌بابا با امتیاز Elo برابر ۱۱۷۴ اول است. بعد از آن Utopai X (۱۱۶۸)، MiniMax H3 (۱۱۵۸)، HeyGen Video 1 (۱۱۵۷) و Dreamina Seedance 2.5 از بایت‌دنس (۱۱۵۶) قرار دارند. بهترین نسبت کیفیت به قیمت را MiniMax H3 با ۴.۸ دلار برای هر دقیقه و وزن باز دارد. در تبدیل عکس به ویدیو هم MiniMax H3 اول است. Sora از API اوپن‌ای‌آی در ۲۴ سپتامبر ۲۰۲۶ حذف شد.
📑 فهرست مطالب
جدول زیر مدل‌های مطرح لیدربورد متن به ویدیو با صدا را نشان می‌دهد. امتیاز Elo از مقایسه‌های کور دوبه‌دو به دست می‌آید و قیمت، هزینهٔ API برای هر دقیقه ویدیو طبق همین لیدربورد است (برای ۱۰۸۰p، مگر کیفیت دیگری کنار نام مدل آمده باشد).
| رتبه | مدل | سازنده | امتیاز Elo | قیمت هر دقیقه | انتشار |
|---|---|---|---|---|---|
| ۱ | Wan 3.0 | Alibaba | ۱۱۷۴ | ۱۲ دلار | اوت ۲۰۲۶ |
| ۲ | Utopai X | Utopai Studios | ۱۱۶۸ | API ندارد | سپتامبر ۲۰۲۶ |
| ۳ | MiniMax H3 (768p) | MiniMax | ۱۱۵۸ | ۴.۸ دلار | ژوئیه ۲۰۲۶ |
| ۴ | HeyGen Video 1 | HeyGen | ۱۱۵۷ | ۲.۴ دلار | اکتبر ۲۰۲۶ |
| ۵ | Dreamina Seedance 2.5 | ByteDance Seed | ۱۱۵۶ | ۳۴.۱۲ دلار | ژوئیه ۲۰۲۶ |
| ۶ | FLUX 3 Max (720p) | مشتق از FLUX 3 | ۱۱۵۵ | ۲.۵۵ دلار | اکتبر ۲۰۲۶ |
| ۷ | MiniMax H3 Max | MiniMax | ۱۱۵۲ | ۴.۸ دلار | اوت ۲۰۲۶ |
| ۸ | FLUX 3 | Black Forest Labs | ۱۱۴۲ | ۱۷.۴ دلار | ژوئیه ۲۰۲۶ |
| ۹ | Dreamina Seedance 2.0 | ByteDance Seed | ۱۱۳۶ | ۲۲.۴۵ دلار | مارس ۲۰۲۶ |
| ۱۰ | Gemini Omni Flash 1.1 | ۱۱۲۸ | ۹.۱۲ دلار | اوت ۲۰۲۶ | |
| ۱۲ | Grok Imagine Video 1.5 | SpaceXAI | ۱۰۵۷ | ۱۵ دلار | مه ۲۰۲۶ |
| ۱۷ | Kling 3.0 Omni 1080p (Pro) | Kuaishou | ۱۰۲۰ | ۸.۴ دلار | فوریه ۲۰۲۶ |
| — | Veo 3.1 | ۹۶۱ | ۲۴ دلار | — |
همان‌طور که می‌بینید، فاصلهٔ هفت مدل اول کمتر از ۲۵ امتیاز است و Artificial Analysis بازهٔ رتبهٔ آن‌ها را هم‌پوشان نشان می‌دهد (مثلاً MiniMax H3 در بازهٔ ۲ تا ۷). پس این مدل‌ها را عملاً یک گروه «سطح اول» بدانید. Kling 3.0 1080p (Pro) با امتیاز ۱۰۰۰ مدل مرجع (anchor) این آرنا است و امتیاز بقیه نسبت به آن سنجیده می‌شود.
Wan 3.0 که اوت ۲۰۲۶ منتشر شد، هم در ویدیو با صدا اول است و هم در ویدیوی بدون صدا رتبهٔ دوم را دارد (۱۱۳۳). قیمت آن ۱۲ دلار برای هر دقیقه است؛ نه ارزان‌ترین، اما برای مدل صدرنشین منطقی. نسخه‌های قبلی خانوادهٔ Wan مثل Wan2.7 هم هنوز در جدول حضور دارند.
شگفتی این لیدربورد MiniMax H3 است: رتبهٔ سوم در ویدیو با صدا، رتبهٔ اول در تبدیل عکس به ویدیو و در عین حال وزن باز. یعنی می‌توانید وزن‌های آن را دانلود کنید و روی سخت‌افزار خودتان اجرا کنید. قیمت API آن هم ۴.۸ دلار برای هر دقیقه است (نسخهٔ ۷۶۸p). نسخهٔ H3 Max هم با ۱۱۵۲ امتیاز در رتبهٔ هفتم است. اگر به مدل‌های وزن باز علاقه دارید، مقالهٔ بهترین مدل‌های متن‌باز را هم ببینید.
Seedance مدل ویدیوی تیم Seed در بایت‌دنس است. نسخهٔ ۲.۵ با ۱۱۵۶ امتیاز در رتبهٔ پنجم و در تبدیل عکس به ویدیو هم‌امتیاز دوم است، اما گران‌ترین مدل این فهرست است: حدود ۳۴ دلار برای هر دقیقه.
HeyGen که بیشتر با ویدیوهای آواتار و آموزشی شناخته می‌شود، مدل Video 1 را در اکتبر ۲۰۲۶ منتشر کرده است. این مدل در ویدیوی بدون صدا اول است (۱۱۴۳) و در ویدیو با صدا چهارم، با قیمت فقط ۲.۴ دلار برای هر دقیقه.
Veo 3.1 گوگل با ۹۶۱ امتیاز امروز پایین‌تر از مدل مرجع است و نسخه‌های Fast (۹۵۸ و ۷.۲ دلار) و Lite (۹۵۱ و ۴.۸ دلار) هم دارد. مدل جدیدتر گوگل، Gemini Omni Flash 1.1، با ۱۱۲۸ امتیاز در رتبهٔ دهم و با ۹.۱۲ دلار برای هر دقیقه، گزینهٔ بهتر گوگل در این آرنا است.
Kling از شرکت کوایشو یکی از محبوب‌ترین ابزارهای ساخت ویدیو است. Kling 3.0 Omni (Pro) با ۱۰۲۰ امتیاز و قیمت ۸.۴ دلار در رتبهٔ ۱۷ است. ابزار Kling علاوه بر مدل، امکانات تدوین و کنترل حرکت هم دارد. برای آشنایی بیشتر، مقالهٔ معرفی Kling AI را بخوانید.
مدل ویدیوی Grok با ۱۰۵۷ امتیاز در رتبهٔ ۱۲ است و قیمت آن ۱۵ دلار برای هر دقیقه است. نسخهٔ سبک‌تر Grok Imagine Video 1.5 Lite هم با ۹۹۰ امتیاز در جدول حضور دارد.
طبق صفحهٔ رسمی منسوخ‌شدن‌ها در مستندات OpenAI، این شرکت در ۲۴ مارس ۲۰۲۶ به توسعه‌دهندگان اعلام کرد که مدل‌های Sora 2 و Videos API در ۲۴ سپتامبر ۲۰۲۶ از API حذف می‌شوند و این اتفاق افتاده است. به همین دلیل Sora در لیدربورد امروز نیست. اگر می‌خواهید بدانید Sora در زمان خودش چه توانایی‌هایی داشت، بررسی هوش مصنوعی Sora را بخوانید.
اختلاف قیمت در ویدیو حتی از تصویر هم بیشتر است: از ۲.۴ دلار تا بیش از ۳۴ دلار برای هر دقیقه. نکتهٔ جالب این است که گران‌ترین مدل‌ها لزوماً بهترین نیستند:
برای مقایسهٔ واقعی، طول ویدیو و کیفیت (۷۲۰p، ۷۶۸p یا ۱۰۸۰p) را هم در نظر بگیرید. اگر چند ده ویدیوی کوتاه برای شبکه‌های اجتماعی لازم دارید، هزینهٔ مدل‌های ارزان چند دلار بیشتر نمی‌شود.
بسیاری از کاربران به‌جای نوشتن پرامپت از صفر، می‌خواهند یک عکس (مثلاً عکس محصول) را متحرک کنند. Artificial Analysis برای این کار آرنای جداگانه‌ای دارد (AA-Video-I2V v1.1) که در آن MiniMax H3 (768p) با ۱۱۴۰ امتیاز اول است و بعد از آن FLUX 3 Max (۱۱۳۸)، Seedance 2.5 (۱۱۳۸)، Gemini Omni Flash 1.1 (۱۱۳۲) و Wan 3.0 (۱۱۲۷) قرار دارند. بعد از MiniMax H3، بهترین مدل‌های وزن باز این آرنا MAGI-2 Preview از Sand.ai (۱۰۴۶) و LTX-2.5 Fast از Lightricks (۹۸۴) هستند.
در ویدیوی بدون صدا ترتیب کمی فرق می‌کند: HeyGen Video 1 (۱۱۴۳)، Wan 3.0 (۱۱۳۳) و MiniMax H3 (۱۱۲۰) سه مدل اول‌اند. اگر صدای ویدیو را جداگانه می‌سازید یا روی آن موسیقی می‌گذارید، این رتبه‌بندی برایتان مهم‌تر است. برای ساخت صدای طبیعی هم {L("best-text-to-speech-ai","مقالهٔ بهترین هوش مصنوعی تبدیل متن به گفتار")} را ببینید.
مدل‌ها فقط یک بخش ماجرا هستند. برای کار واقعی معمولاً به ابزاری نیاز دارید که ساخت، ویرایش، کنترل حرکت دوربین و خروجی گرفتن را یک‌جا داشته باشد. ابزارهایی مثل Runway و Pika از قدیمی‌ترین‌های این حوزه‌اند و در کنار Kling رابط کاربری ساده‌ای برای ساخت ویدیو دارند. پیش از خرید اشتراک، مدل‌های پشت هر ابزار و امکان امتحان رایگان را بررسی کنید.
| نیاز شما | پیشنهاد | چرا؟ |
|---|---|---|
| بالاترین کیفیت با صدا | Wan 3.0 | رتبهٔ اول آرنای متن به ویدیو |
| حجم بالا با بودجهٔ کم | MiniMax H3 یا HeyGen Video 1 | سطح اول با ۲.۴ تا ۴.۸ دلار برای هر دقیقه |
| متحرک کردن عکس محصول | MiniMax H3 یا FLUX 3 Max | رتبه‌های اول آرنای عکس به ویدیو |
| اجرا روی سرور خودتان | MiniMax H3، MAGI-2 یا LTX-2.5 | مدل‌های وزن باز آرنا |
| کار در اکوسیستم گوگل | Gemini Omni Flash 1.1 | بهترین مدل گوگل در آرنای فعلی |
| ابزار کامل با تدوین | Kling، Runway یا Pika | امکانات ویرایش و کنترل حرکت |
چند نکتهٔ عملی برای ساخت ویدیوی بهتر:
اگر برای ویدیوی خود تصویر هم لازم دارید، مقالهٔ بهترین هوش مصنوعی رایگان ساخت تصویر را ببینید. برای پیدا کردن بهترین ابزار در کارهای دیگر هم بهترین هوش مصنوعی برای هر کار را بخوانید.
طبق آرنای متن به ویدیوی Artificial Analysis در آبان ۱۴۰۵، Wan 3.0 از علی‌بابا با امتیاز ۱۱۷۴ اول است. Utopai X، MiniMax H3، HeyGen Video 1 و Seedance 2.5 با فاصلهٔ کم بعد از آن قرار دارند.
HeyGen Video 1 با ۲.۴ دلار و MiniMax H3 با ۴.۸ دلار برای هر دقیقه، هر دو در گروه مدل‌های سطح اول آرنا هستند.
خیر. طبق مستندات OpenAI، مدل‌های Sora 2 و Videos API در ۲۴ سپتامبر ۲۰۲۶ از API حذف شدند.
در آرنای عکس به ویدیوی Artificial Analysis، MiniMax H3 (768p) با ۱۱۴۰ امتیاز اول است و FLUX 3 Max و Seedance 2.5 با ۱۱۳۸ امتیاز بعد از آن قرار دارند.
بله. MiniMax H3 وزن باز است و در آرنای متن به ویدیو رتبهٔ سوم را دارد. MAGI-2 Preview و LTX-2.5 Fast هم از مدل‌های وزن باز این آرنا هستند.
تا همین چند وقت پیش، استفاده از هوش مصنوعی روی گوشی یعنی ارسال پیام به یک سرور دوردست و منتظر …
سالها بنچمارکهایی مثل MMLU معیار اصلی سنجش هوش مدل‌های زبانی بودند. اما مدل‌ها آنقدر پیشرفت کردند که دقتشان در این …
تا همین دو سال پیش، اگر کسی میپرسید «بهترین هوش مصنوعی تولید تصویر کدام است؟» جواب تقریباً همیشه Midjourney بود. …
وقتی دربارهٔ هوش مصنوعی حرف میزنیم، معمولاً فقط به «باهوشترین» مدل فکر میکنیم. اما اگر یک چتبات پشتیبانی، دستیار صوتی …
نظرات 0
برای ارسال نظر وارد حساب کاربری شوید.
هنوز نظری ثبت نشده؛ اولین نفر باشید.