El mejor modelo de vídeo 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 comprobar a seis modelos, dos veces cada uno: un cartel 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 comprobaciones. 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 brutos están en Un prompt, seis modelos de vídeo, 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, a partir de texto o de un fotograma inicial, en clips de 4, 6 u 8 segundos en 16:9 o 9:16. Está disponible 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 adecuado para el movimiento.

Cuando la persona debe salir de una foto que ya tienes, Hailuo 3 admite 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 conversación, como Anuncio para redes sociales.

Hemos medido que hay una voz presente en la banda de voz de ambos clips. No hemos transcrito las palabras ni medido la sincronización labial, así que escucha antes de publicar.

Cuerpos en movimiento: Kling v3 o Seedance 2.5

A partir de un fotograma fijo 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, una danza o una caída, usa uno de los dos primeros y escribe dónde recae 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

Hemos dado a Seedance 2.5 y Kling v3 el mismo fotograma inicial de un coche ficticio y el mismo prompt de paso. Seedance 2.5 ha mantenido el frontal, las ruedas y la barra de luces; Kling v3 ha añadido una marca similar a un emblema y un pasajero. Para un producto, un logo o un vehículo, prueba primero el plano más difícil con tu propio diseño.

Seedance 2.5 también genera planos únicos de 4 a 30 segundos, en seis formatos de fotograma, y es el que acepta un clip tuyo como referencia para editarlo o extenderlo. Wan 3.0 también llega a los 30 segundos, desde texto o un fotograma inicial, sin voz. Cómo escribir para Seedance 2.5 está en Seedance 2.5: cómo crear el prompt.

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

Hemos renderizado un prompt a 1080p y 4K y medido los archivos. Kling v3 y Seedance 2.0 Pro devuelven ambos una imagen real de 3840 por 2160, no un fotograma de 1080p estirado para encajar. El detalle extra es real pero pequeño: se nota al recortar, hacer zoom o ver en una pantalla 4K, no en un móvil.

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 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: recast, intercambio o movimiento de un clip que ya has grabado.
• Consigue más ángulos de una sola toma: Multicam convierte una toma fija en cada encuadre que elijas, sincronizado con tu sonido. La guía paso a paso es Consigue todos los ángulos 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 aspecto de nitidez obtuvo la más alejada. Las puntuaciones están en Restaurar material suave, con ruido o antiguo.

↔

DañadoSeedVR2 Restore

Un primer borrador rápido

En la escena puntuada, 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 lectura cada uno en una mañana, y las colas cambian. Para borradores en cualquier modelo, renderiza primero el nivel más barato y el último el que conserves.

Cuánto cuesta

Cada tarifa se lee en directo 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 por el mismo resultado está en Explicación de los precios de vídeo con IA.

Lo que no hemos probado

• Si una persona mantiene el mismo aspecto de plano a plano, en cualquier modelo. No hacemos ninguna afirmación sobre los rostros.
• Precisión de la sincronización labial. Hemos medido que el habla está presente, no que coincida con los labios.
• La mayoría de los otros modelos de vídeo del catálogo, como Runway Gen-4.5, FLUX 3 Video y la familia HappyHorse, cara a cara. Sus páginas se abren con un ejemplo real: visítalas 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.