Uchiwa Cross-Modal Benchmark
これは、非公開 QA サービス「Private Japan QA」で納品するレポートのサンプルです。日本の実務シーン（うちわの画像生成 → I2V 動画化 → 日本語テキスト保持）を横断し、再現可能な失敗を可視化しています。
概要
6
5
90
text_rendering
同一プロンプト・同一条件下で各モデルを複数回生成し、人間レビュアーが 5 点満点で評価
| シナリオ | GPT Image 2 | NanoBanana 2 | FLUX.2 | Veo 3.1 | Kling V3 |
|---|---|---|---|---|---|
| うちわ単体（正面） | 4.2 | 3.8 | 4.0 | — | — |
| 手持ちうちわの日本人 | 3.9 | 3.5 | 3.8 | — | — |
| うちわに日本語店名 | 2.8 | 3.0 | 2.5 | — | — |
| 夏祭り背景 + うちわ | 3.6 | 3.2 | 3.1 | — | — |
| I2V: うちわを扇ぐ | — | — | — | 3.4 | 3.8 |
| I2V: 手とうちわを維持 | — | — | — | 2.9 | 3.2 |
免責事項
これは見本レポートです。実際の QA では対象モデル、シナリオ、評価軸を依頼前に確定し、原則非公開で納品します。