Quanto pesa la reference: un test interno prima di scegliere il modello

Il dato di partenza

Il 26 ottobre 2026 la HKU Business School ha pubblicato un confronto fra modelli video. La valutazione separa il text-to-video dalla generazione da testo più immagine. Nel campione studiato, per la maggior parte dei modelli aggiungere immagini al prompt peggiora la qualità. Seedance 2.0 Pro è primo nella generazione e sesto nella sicurezza. Hailuo-2.3 è primo nella sicurezza e nono nella generazione.

Leggere il perimetro prima della classifica

Un benchmark misura versioni precise in un momento preciso. Lo studio HKU include versioni come Seedance 2.0 Pro e Kling 3.0. I suoi risultati non si trasferiscono in automatico a Seedance 2.5 o a Kling 4.0. Va letto anche il metodo. I criteri di generazione sono continuità, plausibilità fisica, estetica, aderenza alle istruzioni, qualità audio e corrispondenza fra suono e immagine. La sicurezza si misura a parte, con richieste che riguardano anche disinformazione e materiale protetto da copyright. Una clip può convincere come immagine e fallire su istruzioni, movimento o suono.

Il test interno

L'obiettivo è semplice: capire quanto della reference arriva davvero nello shot, sul nostro brief e sui nostri motori.

• Scegliere un soggetto facile da giudicare. Un oggetto con colore, forma e materiale netti, per esempio una borsa arancione su un tavolo da set.
• Fissare lo still: forma, materiale, cuciture, direzione della luce.
• Scrivere un prompt con un solo movimento, di camera o del soggetto, non tutti e due.
• Tenere identici still, prompt, durata e formato su tutti i motori del test.
• Aggiungere una versione solo testo come controllo, per vedere cosa cambia con la reference e senza.

La scheda di valutazione

Per ogni clip conviene annotare voti separati, senza un unico giudizio complessivo:

• aderenza alla reference: colore, forma, dettagli, materiale;
• tenuta nel tempo: confronto fra primo e ultimo fotogramma;
• plausibilità fisica del movimento;
• aderenza alle istruzioni del prompt;
• qualità estetica complessiva.

Se il modello genera anche audio, il suono e la sua corrispondenza con l'immagine si valutano a parte.

Registrare le condizioni

Per ogni prova vanno annotati nome e versione del modello, data, impostazioni e numero di tentativi. Un risultato senza versione e data non serve a nessuno fra due mesi. I modelli cambiano spesso e il confronto va rifatto a ogni aggiornamento importante.

Come usare i risultati

Se un motore tiene meglio la reference ma muove peggio, lo si usa dove conta la fedeltà: prodotto, packaging, capi di moda. Dove conta il movimento si usa l'altro. Se nessuno dei due tiene la reference abbastanza, conviene cambiare modalità d'ingresso, per esempio primo e ultimo frame, come spiega l'articolo Primo e ultimo frame, reference o text-to-video. Il test non decide un vincitore: decide quale motore usare per quale shot.