O melhor modelo de vídeo com IA para cada tarefa, segundo nossos próprios testes

A resposta curta

Um briefing detalhado: quatro modelos passaram em tudo

Enviamos um prompt com nove detalhes que uma ferramenta pode verificar para seis modelos, duas vezes cada: uma placa escrita BAKERY, uma bicicleta vermelha à esquerda da porta, três vasos à direita dela, um guarda-chuva amarelo, um gato andando da esquerda para a direita, um push in lento e nenhuma pessoa. Veo 3.1, Hailuo 3, Wan 3.0 e Seedance 2.5 passaram em todas as dezoito verificações. Grok Imagine Video 1.5 errou uma, e Kling v3 colocou uma pessoa na loja vazia duas vezes.

Todos os clipes, a rubrica e os números brutos estão em Um prompt, seis modelos de vídeo, nove verificações mensuradas. É uma cena sem pessoas, então não diz nada sobre rostos ou ação rápida.

Uma fala: Veo 3.1, ou Hailuo 3 a partir da sua foto

O Veo 3.1 renderiza fala e som na mesma etapa, a partir de texto ou de um quadro inicial, em clipes de 4, 6 ou 8 segundos em 16:9 ou 9:16. Ele vem em três níveis: Veo 3.1 para o plano final, Veo 3.1 Fast para rascunhos e Veo 3.1 Lite para clipes do dia a dia. Não é o modelo para movimento.

Quando a pessoa precisa vir de uma foto que você já tem, o Hailuo 3 aceita até nove imagens de referência e três faixas de áudio, e renderiza a fala em estéreo em 2K. É o modelo por trás da maioria dos presets de fala, como Anúncio para redes sociais.

Medimos que uma voz está presente na faixa de fala de ambos os clipes. Não transcrevemos as palavras nem medimos a sincronia labial, então ouça antes de publicar.

Corpos em movimento: Kling v3 ou Seedance 2.5

A partir de um único quadro de uma pessoa em pé e um prompt escrito como física, Kling v3 e Seedance 2.5 realizaram um backflip real em todas as tentativas. Veo 3.1 Fast falhou em três de quatro, e Seedance 1.5 Pro falhou apenas com texto. Para um salto, uma dança ou uma queda, use um dos dois primeiros e escreva onde o peso cai.

O teste completo, com o prompt e os três pares de antes e depois sobre peso, contato e tempo, está em Fazer pessoas de IA se moverem realisticamente. Os dois se enfrentam em quatro testes em Seedance 2.5 vs Kling 3.0.

Um design que se mantém, e uma tomada longa: Seedance 2.5

Demos ao Seedance 2.5 e ao Kling v3 o mesmo quadro inicial de um carro fictício e o mesmo prompt de passagem. O Seedance 2.5 manteve o capô, as rodas e a barra de luzes; o Kling v3 adicionou uma marca parecida com um emblema e um passageiro. Para um produto, um logotipo ou um veículo, teste primeiro a cena mais difícil com o seu próprio design.

O Seedance 2.5 também executa planos únicos de 4 a 30 segundos, em seis formatos de quadro, e é o que aceita um clipe seu para referência, edição ou extensão. O Wan 3.0 também chega a 30 segundos, a partir de texto ou de um quadro inicial, sem fala. Como escrever para o Seedance 2.5 está em Seedance 2.5: como criar o prompt.

Um master em 4K: Kling v3 ou Seedance 2.0 Pro

Renderizamos um prompt em 1080p e 4K e medimos os arquivos. O Kling v3 e o Seedance 2.0 Pro retornam uma imagem real de 3840 por 2160, não um quadro de 1080p esticado para caber. O detalhe extra é real e sutil: aparece quando você recorta, amplia ou assiste em uma tela 4K, não no celular.

Filmagens que você já tem: Miroge, Multicam e Restore

Alguns trabalhos começam com um clipe, não com um prompt. Três ferramentas cobrem essas necessidades, cada uma escolhendo o modelo certo para você:

• Mude o que está no clipe: o Miroge reinterpreta os atores a partir das suas fotos, troca um objeto ou redesenha o cenário ao redor do sujeito, usando Seedance 2.5, Gemini Omni 1.1 (Video Edit), Runway Aleph 2 ou HappyHorse. Comece com Miroge: reinterpretar, trocar ou mover um clipe que você já gravou.
• Obtenha mais ângulos de uma única tomada: o Multicam transforma uma tomada fixa em todos os enquadramentos que você escolher, sincronizados com o seu áudio. O guia passo a passo é Obtenha todos os ângulos de câmera de uma única tomada.
• Limpe um clipe suave ou com ruído: em nosso teste, o SeedVR2 Restore ficou mais próximo do original limpo, e a passagem generativa com aparência mais nítida ficou mais distante dele. As pontuações estão em Restaurar filmagens suaves, com ruído ou antigas.

↔

DanificadoSeedVR2 Restore

Um primeiro rascunho rápido

Na cena avaliada, o Grok Imagine Video 1.5 retornou em 59 e 49 segundos, o mais rápido dos seis; o Veo 3.1 levou 84 e 113, o Seedance 2.5 levou 179 e 313. Isso é uma leitura cada em uma manhã, e as filas mudam. Para rascunhos em qualquer modelo, renderize primeiro o nível mais barato e o último o que você vai manter.

Quanto custa

Cada taxa é lida ao vivo da lista de preços para um clipe de 5 segundos, nível por nível; um clipe mais longo custa proporcionalmente mais. Como o preço é construído e como gastar menos pelo mesmo resultado está em Preços de vídeo com IA explicados.

O que não testamos

• Se uma pessoa parece a mesma de uma cena para outra, em qualquer modelo. Não fazemos nenhuma afirmação sobre rostos.
• Precisão da sincronia labial. Medimos se a fala está presente, não se ela corresponde aos lábios.
• A maioria dos outros modelos de vídeo do catálogo, como Runway Gen-4.5, FLUX 3 Video e a família HappyHorse, em comparação direta. As páginas deles abrem com um exemplo real: navegue por elas na página de modelos ou em Explorar.
• Cada teste consiste em uma a três execuções por modelo. Um modelo que se manteve pode falhar na próxima execução.