Réplication vidéo IA « Féérie chinoise » : MiniMax-H3 vs SeeDance 2.0 vs Kling

Réplication vidéo IA « Féérie chinoise » : MiniMax-H3 vs SeeDance 2.0 vs Kling

Début août 2026, les vidéos IA « Féérie chinoise » sont devenues virales sur les plateformes sociales — une femme en hanfu rouge debout sur un pont de pierre en arche, des mers de nuages déferlantes et des complexes de palais dorés apparaissant au loin. Le créateur d'origine l'a reproduite avec l'API MiniMax H3 et a partagé le flux de travail complet. Nous avons fait passer la même scène par MiniMax-H3, SeeDance 2.0 et Kling sur la passerelle multimodale de Neta Studio, avec deux sources d'image de référence (une image générée par Gemini contre une image clé de la vidéo originale), pour une comparaison directe.

Les images de référence

Deux sources de première image ont été utilisées. L'image générée par Gemini (à gauche) a été créée purement à partir d'une invite textuelle. L'image clé originale (à droite) provient de la vidéo virale, avec le filigrane du bas recadré — ce qui donne au modèle la composition exacte de l'original.

Quatre résultats de génération — regardez les vidéos

Les quatre clips ci-dessous ont été générés à partir des invites textuelles (ou invite + image de référence initiale), en 10 s / 768P / 16:9. Lancez-les pour comparer la fidélité de la composition, la fluidité des mouvements et la cohérence des détails.

Les invites que nous avons utilisées

Voici les invites exactes, pour que vous puissiez les répliquer ou les remixer. L'invite texte-vers-vidéo (MiniMax-H3) décrit la scène complète ; les invites image-vers-vidéo ne décrivent que le mouvement par-dessus une première image fixe.

Comparaison coûts / statut

Verdict : quel modèle réplique le mieux « Féérie chinoise » ?

MiniMax-H3 (texte-vers-vidéo) offre le meilleur rapport qualité-prix : 0,68 $ pour un clip de 10 s en 768P, avec une composition qui reproduit fidèlement l'original — femme en hanfu rouge, pont de pierre en arche, nuages déferlants et palais doré, tout y est — et il ne nécessite aucune image de référence, juste une invite.

SeeDance 2.0 produit le plus beau niveau de détail, mais coûte 5× plus cher (3,76 $), et la source de la première image compte énormément — utiliser l'image clé originale donne la composition et l'ambiance les plus proches de la vidéo source.

Kling se situe entre les deux (1,26 $), avec un mouvement naturel, un bon équilibre entre qualité et prix.

Bonus : la scène du « Palais féérique » — rapide vs raffiné

Au-delà de la scène du pont, nous avons aussi généré une variante centrée sur le palais (« 中式仙境仙宫 ») : une mer de nuages mouvante, un complexe de palais dorés au loin, un oiseau divin Kunpeng jaillissant des nuages au milieu du plan, et trois immortels en robes discutant sous un pin d'accueil au premier plan. Deux versions ont été produites avec Seedance 2.0 — un niveau rapide sans référence, et un niveau raffiné avec 2 images de référence de style.

V1 · Seedance 2.0 Fast (sans référence)

Générée à partir de texte pur — l'invite demande des nuages mouvants, un palais resplendissant, un Kunpeng jaillissant de la mer de nuages, et trois immortels sous un pin. Elle fournit tous les éléments à moindre coût, parfaite pour valider rapidement une idée.

V2 · Seedance 2.0 avec 2 images de référence de style

La même invite plus 2 captures d'écran de référence de style. La première image a été vérifiée manuellement : trois immortels en robes (un homme, deux femmes) sur une plateforme de pierre en bord de falaise sous un pin d'accueil, contemplant le palais doré dans la brume ; le Kunpeng au milieu du plan. L'ambiance générale et la palette sont bien plus proches du matériel de référence — le meilleur choix pour la livraison finale.

V1 vs V2 : ce que changent les images de référence

À retenir : lorsque la scène impose un style fort (palette, atmosphère, détail architectural), les images de référence de style comptent — le contenu est identique, mais V2 se rapproche bien plus de l'apparence visée. Pour des expériences rapides, le niveau rapide en 480P suffit amplement.

Le flux de travail complet (répliquez-le vous-même)

Pourquoi le faire sur Neta Studio ?

La passerelle multimodale de Neta Studio regroupe MiniMax-H3, SeeDance 2.0, Kling, Seedance et bien d'autres derrière une seule commande — fini de jongler avec plusieurs clés API. Les résultats générés sont téléversés automatiquement sur le CDN, prêts à intégrer ou à partager.