El mejor modelo de video con IA para cada tarea, según nuestras propias pruebas

La respuesta corta

Un brief detallado: cuatro modelos pasaron todo

Enviamos un prompt con nueve detalles que una herramienta puede verificar a seis modelos, dos veces cada uno: un letrero que dice BAKERY, una bicicleta roja a la izquierda de la puerta, tres macetas a la derecha, un paraguas amarillo, un gato caminando de izquierda a derecha, un push in lento y sin personas. Veo 3.1, Hailuo 3, Wan 3.0 y Seedance 2.5 pasaron las dieciocho verificaciones. Grok Imagine Video 1.5 falló una, y Kling v3 puso una persona en la tienda vacía dos veces.

Cada clip, la rúbrica y los datos sin procesar están en Un prompt, seis modelos de video, nueve comprobaciones medidas. Es una escena sin personas, por lo que no dice nada sobre rostros o acción rápida.

Una línea hablada: Veo 3.1, o Hailuo 3 desde tu foto

Veo 3.1 genera voz y sonido en la misma pasada, desde texto o desde un fotograma inicial, en clips de 4, 6 u 8 segundos en 16:9 o 9:16. Viene en tres niveles: Veo 3.1 para la toma final, Veo 3.1 Fast para borradores y Veo 3.1 Lite para clips cotidianos. No es el modelo para movimiento.

Cuando la persona debe salir de una foto que ya tienes, Hailuo 3 acepta hasta nueve imágenes de referencia y tres pistas de audio, y genera voz en estéreo a 2K. Es el modelo detrás de la mayoría de los presets de habla, como Anuncio para redes sociales.

Medimos que hay voz en la banda de frecuencia del habla en ambos clips. No transcribimos las palabras ni medimos la sincronización labial, así que escucha antes de publicar.

Cuerpos en movimiento: Kling v3 o Seedance 2.5

A partir de un fotograma de pie y un prompt escrito como física, Kling v3 y Seedance 2.5 generaron un mortal hacia atrás real en cada intento. Veo 3.1 Fast falló en tres de cuatro, y Seedance 1.5 Pro falló solo con texto. Para un salto, un baile o una caída, usa uno de los dos primeros y escribe dónde aterriza el peso.

La prueba completa, con el prompt y los tres pares de antes y después sobre peso, contacto y tiempo, está en Hacer que las personas de IA se muevan de forma realista. Los dos compiten cara a cara en cuatro pruebas en Seedance 2.5 vs Kling 3.0.

Un diseño que se mantiene y una toma larga: Seedance 2.5

Damos a Seedance 2.5 y Kling v3 el mismo fotograma inicial de un auto ficticio y el mismo prompt de paso. Seedance 2.5 mantuvo el frente, las ruedas y la barra de luces; Kling v3 añadió una marca similar a un emblema y un pasajero. Para un producto, un logo o un vehículo, prueba primero la toma más difícil con tu propio diseño.

Seedance 2.5 también genera tomas únicas de 4 a 30 segundos, en seis formatos de fotograma, y es el modelo que toma un clip tuyo para referenciar, editar o extender. Wan 3.0 también llega a 30 segundos, desde texto o un fotograma inicial, sin voz. Cómo escribir para Seedance 2.5 está en Seedance 2.5: cómo hacer prompts.

Un master en 4K: Kling v3 o Seedance 2.0 Pro

Renderizamos un prompt en 1080p y 4K y medimos los archivos. Kling v3 y Seedance 2.0 Pro devuelven una imagen real de 3840 por 2160, no un fotograma de 1080p estirado para ajustarse. El detalle extra es real y pequeño: se nota cuando recortas, haces zoom o ves en una pantalla 4K, no en un celular.

Material que ya tienes: Miroge, Multicam y Restore

Algunos trabajos empiezan desde un clip, no desde un prompt. Tres herramientas los cubren, cada una eligiendo el modelo adecuado para ti:

• Cambia lo que hay en el clip: Miroge vuelve a asignar a los intérpretes desde tus fotos, intercambia un elemento o redibuja el entorno alrededor del sujeto, usando Seedance 2.5, Gemini Omni 1.1 (Video Edit), Runway Aleph 2 o HappyHorse. Empieza con Miroge: vuelve a asignar, intercambia o mueve un clip que ya grabaste.
• Obtén más ángulos de una sola toma: Multicam convierte una toma fija en cada encuadre que elijas, sincronizado con tu audio. La guía paso a paso es Obtén cada ángulo de cámara de una sola toma.
• Limpia un clip suave o con ruido: en nuestra prueba, SeedVR2 Restore obtuvo la puntuación más cercana al original limpio, y la pasada generativa con mejor nitidez obtuvo la puntuación más lejana. Las puntuaciones están en Restaurar material suave, con ruido o antiguo.

↔

DañadoSeedVR2 Restore

Un primer borrador rápido

En la escena evaluada, Grok Imagine Video 1.5 tardó 59 y 49 segundos, el más rápido de los seis; Veo 3.1 tardó 84 y 113, Seedance 2.5 tardó 179 y 313. Es una sola lectura cada uno en una mañana, y las colas cambian. Para borradores en cualquier modelo, renderiza primero el nivel más barato y el definitivo al final.

Cuánto cuesta

Cada tarifa se lee en vivo de la lista de precios para un clip de 5 segundos, nivel por nivel; un clip más largo cuesta proporcionalmente más. Cómo se construye el precio y cómo gastar menos para el mismo resultado está en Explicación de precios de video con IA.

Lo que no hemos probado

• Si una persona se ve igual de una toma a otra, en cualquier modelo. No hacemos ninguna afirmación sobre los rostros.
• Precisión de la sincronización labial. Medimos que el habla esté presente, no que coincida con los labios.
• La mayoría de los otros modelos de video del catálogo, como Runway Gen-4.5, FLUX 3 Video y la familia HappyHorse, en comparación directa. Sus páginas se abren con un ejemplo real: explóralas desde la página de modelos o Explorar.
• Cada prueba consiste en una a tres ejecuciones por modelo. Un modelo que funcionó bien puede fallar en la siguiente ejecución.