---
title: "SocialVideo Bench"
created: 2026-06-20
updated: 2026-06-20
type: concept
tags: ["benchmark", "evaluation", "social-video", "audio-visual"]
sources: ["https://arxiv.org/abs/2606.17800"]
---

# SocialVideo Bench

**SocialVideo Bench** 是 [[maineCoon|MaineCoon]] 提出的首个专注**社交视频音视频生成**的 benchmark，用 9 项指标覆盖视觉、音频、同步和社交视频和谐度。

## 9 项评估指标

五大维度，九项指标：

### 视觉质量
- 视觉保真度、清晰度、运动质量

### 音频质量
- 语音清晰度、音频保真度

### 音视频对齐
- **Lip-Sync Accuracy**：唇动与语音的时间同步
- **AV Temporal Alignment**：音频事件与视觉事件的时序匹配

### 运动
- 运动连贯性、运动丰富度

### 社交视频和谐度 (Social-Video Harmony)
专门针对社交视频的复合指标，衡量内容是否符合社交视频的「liveness」特质——眼神、表情、对话节奏、情感共鸣的综合评估。

## 对比基线

MaineCoon 在 SocialVideo Bench 上与 7 个代表性开源音视频生成模型对比：
- 在所有 9 项指标上取得 SOTA
- 同时保持最快生成速度（47.5 FPS）

## 意义

在 SocialVideo Bench 之前，音视频生成评估缺少**社交视角**：传统 benchmark 评估图像/视频质量，但不衡量生成内容是否适合社交互动场景。SocialVideo Bench 填补了这一空白。

## 参考
- [[maineCoon|MaineCoon 论文]] Section 5
- [[social-video|Social Video]]
- [[social-world-model|Social World Model]]