Ogni clip di questo test usa esattamente le stesse impostazioni — 8 secondi, 720p, 16:9 — così il confronto resta equo. Abbiamo impostato tutto sulla durata massima di Veo 3.1 Fast, il che significa che nessun modello ha avuto margine per nascondere i propri punti deboli.
I tre modelli in sintesi
Non sono tre versioni della stessa cosa. Sono pensati per lavori diversi, e sapere qual è quale ti fa risparmiare un sacco di tentativi ed errori.
Veo 3.1 Fast — l'opzione velocità di Google
Google DeepMind divide Veo 3.1 in due livelli: Quality e Fast. Fast è progettato per essere più rapido ed economico mantenendo specifiche quasi identiche. Curious Refuge Labs gli assegna 6.9/10 complessivi, con l'aderenza al prompt come punto di forza a 7.3/10 — alla pari con il livello Quality. Il resto: coerenza temporale 6.5, fedeltà visiva 7.1, qualità del movimento 6.9, realismo cinematografico 6.5. La loro conclusione: il divario con Quality è più piccolo di quanto ci si aspetti, mentre quello di prezzo non lo è. In VidLux, Veo 3.1 Fast genera clip da 4, 6 o 8 secondi fino a 1080p.
Kling 3.0 Turbo — il cavallo di battaglia di Kuaishou
Rilasciato il 17 giugno 2026, Kling 3.0 Turbo è la variante ottimizzata per la velocità di Kling 3.0. Due funzionalità contano davvero qui: il prompting multi-shot (definisci fino a 6 shot in un unico prompt e il modello gestisce le transizioni — niente stitching in post) e il ragionamento scenico vCoT (ragiona sulla logica della scena prima di renderizzare, così movimenti di camera, illuminazione e comportamento dei soggetti riescono in modo più affidabile rispetto alla serie 2.x). La generazione 3.0 ha inoltre migliorato il lip sync e la stabilità dei clip lunghi. In VidLux produce clip da 3–15 secondi a 720p/1080p.
Seedance 2.0 Mini — il modello leggero di ByteDance
Seedance 2.0 Mini è il membro economico della famiglia Seedance 2.0: più veloce ed economico per clip, condivide gli stessi input multimodali del modello standard (riferimenti immagine, video e audio), ma in VidLux è limitato a 480p/720p con clip da 4–15 secondi. Non esiste quasi materiale ufficiale al riguardo — ed è esattamente il motivo per cui i suoi risultati qui meritano attenzione. Niente hype, solo risultati.
Livelli di durata e costi (perché abbiamo scelto 8 secondi)
La differenza più trascurata tra questi modelli è quanto a lungo ciascuno può generare in un'unica volta:
| Modello | Opzioni di durata | Costo a 720p / 8s |
|---|---|---|
| Veo 3.1 Fast | Solo 4 / 6 / 8 secondi | 30 crediti |
| Kling 3.0 Turbo | 3–15 secondi (13 passaggi) | 120 crediti |
| Seedance 2.0 Mini | 4–15 secondi (12 passaggi) | 160 crediti |
Veo 3.1 Fast arriva al massimo a 8 secondi, ma quel clip da 8 secondi costa solo 30 crediti — circa 4 volte meno di Kling 3.0 Turbo e 5 volte meno di Seedance 2.0 Mini. Se il tuo contenuto è comunque in formato breve (clip social, riprese prodotto, video di reazione), Veo 3.1 Fast è la scelta conveniente. Ti servono Kling o Seedance solo quando vuoi un'unica inquadratura continua più lunga di 8 secondi.
È anche per questo che ogni confronto qui usa 8 secondi: è l'unica durata in cui i tre modelli competono alla pari.
Cosa sa fare davvero ogni modello
Anche le opzioni di input differiscono, e questo conta prima ancora di iniziare a generare:
| Modalità | Veo 3.1 Fast | Kling 3.0 Turbo | Seedance 2.0 Mini |
|---|---|---|---|
| Da testo a video | ✅ | ✅ | ✅ |
| Da immagine a video | ✅ | ✅ | ✅ |
| Da riferimento a video (immagini) | ✅ (fino a 3) | ❌ Non supportato | ✅ (fino a 9) |
| Da riferimento a video (audio) | ❌ Non supportato | ❌ Non supportato | ✅ (fino a 3) |
| Da riferimento a video (video) | ❌ Non supportato | ❌ Non supportato | ✅ (fino a 3) |
Due cose saltano all'occhio:
- Kling 3.0 Turbo non ha alcuna funzione riferimento-a-video. Lavora da testo e da una singola immagine. Se devi generare da materiale di riferimento, è fuori gioco immediatamente.
- Seedance 2.0 Mini è l'unico ad accettare riferimenti audio e video — oltre a un massimo di 9 immagini di riferimento, può prendere 3 video di riferimento e 3 clip audio di riferimento. Può replicare il movimento o il lavoro di camera di un video che fornisci, oppure il ritmo di un clip audio. Né Veo né Kling offrono questa dimensione di input. Quindi il test riferimento-a-video qui sotto è di fatto una gara a due: Veo 3.1 Fast (solo immagini) contro Seedance 2.0 Mini (multimodale completo).
Come abbiamo testato
Ogni test segue le stesse regole:
- Impostazioni identiche: 8 secondi, 720p, 16:9 per tutti (il limite di Veo 3.1 Fast)
- Input identici: lo stesso prompt per tutti e tre i modelli in ogni test; i test da immagine a video condividono la stessa immagine di input, generata con GPT Image 2
- Valutazione identica: analisi fotogramma per fotogramma di ogni clip (volume di movimento, punti di taglio, stabilità del viso), combinata con l'osservazione diretta del metraggio reale
- Quattro modalità coperte: da testo a video (2 test), da immagine a video (2 test), da riferimento a video (1 test), più una storia multi-beat come bonus
Tutti gli asset di test sono stati generati con il modello di immagini di VidLux (GPT Image 2), quindi gli input sono riproducibili — chiunque può rifare gli stessi test.
Il verdetto
| Test | Risultato migliore | Cosa ha fatto la differenza |
|---|---|---|
| Da testo a video: inseguimento del corriere | Kling 3.0 Turbo | Fase di accelerazione più pulita alla fine; copertura più completa delle istruzioni di camera |
| Da testo a video: strada sotto la pioggia | Seedance 2.0 Mini | La pausa con lo sguardo in alto è riuscita meglio; viso più stabile |
| Da immagine a video: selfie allo stadio | Pareggio | Kling 3.0 Turbo ha tenuto meglio il viso; Veo 3.1 Fast si è mosso di più ma ha frammentato l'inquadratura |
| Da immagine a video: flacone di profumo | Kling 3.0 Turbo | Volume di movimento più basso — il più vicino a un piano prodotto fisso |
| Da riferimento a video: due personaggi | Seedance 2.0 Mini | Entrambi hanno gestito bene due personaggi; Seedance aggiunge input di riferimento audio/video che nessun altro ha |
| Storia multi-beat (barchetta di carta) | Seedance 2.0 Mini | Tre cambi scena dal ritmo equilibrato; beat narrativi più chiari |
In sintesi: vuoi stabilità? Scegli Kling 3.0 Turbo. Vuoi il miglior rapporto qualità-prezzo? Scegli Veo 3.1 Fast. Vuoi il controllo dei riferimenti? Scegli Seedance 2.0 Mini. Le prove sono qui sotto.
Da testo a video: inseguimento del corriere
Tutti e tre i modelli hanno ricevuto lo stesso prompt: un'unica inquadratura di inseguimento continua di un corriere che esce da una via del mercato, gira intorno a un furgone per le consegne, passa davanti alla camera e viene seguito da una panoramica. Questo test valuta la continuità del movimento e quanto bene ogni modello segue le istruzioni di camera.
Mostra il prompt del corriere usato per tutti e tre i modelli
One continuous street-level tracking shot at blue hour. A bicycle courier wearing a faded red jacket turns out of a narrow neighborhood market lane, leans around a slow delivery van, then accelerates past the camera as it pans and keeps pace beside him. Shopkeepers pull down metal shutters and two pedestrians step aside naturally. Wet pavement, ordinary storefront lighting, slight handheld movement, realistic wheel rotation, body balance and motion blur. Keep the same rider, bicycle, jacket and street layout throughout. Ambient traffic, bicycle chain and tires on wet road. No cuts, no slow motion, no text, no logos.
| Metrica | Veo 3.1 Fast | Kling 3.0 Turbo | Seedance 2.0 Mini |
|---|---|---|---|
| Volume di movimento (media) | 14.6 | 9.1 | 10.1 |
| Ritmo, inizio/metà/fine | 12.2 / 17.2 / 14.6 | 3.1 / 11.4 / 12.8 | 9.6 / 9.7 / 11.0 |
| Deriva del viso, asse X | 78.4% | 71.7% | 58.7% |
La curva di movimento di Kling 3.0 Turbo racconta proprio la storia: quieta all'inizio (3.1, corriere appena visibile), più movimentata a metà (11.4, il giro intorno al furgone), più intensa alla fine (12.8, l'accelerazione). Corrisponde direttamente ai tre beat del prompt. Veo 3.1 Fast si è mosso di più in assoluto (14.6), ma è rimasto più o meno allo stesso ritmo per tutto il tempo — tanto movimento, nessuna costruzione. Seedance 2.0 Mini si è piazzato in mezzo, coprendo le azioni senza una vera struttura ritmica.
Kling 3.0 Turbo vince questo test sulla completezza — non muovendosi di più, ma muovendosi nei momenti giusti.
Da testo a video: strada sotto la pioggia
Stesso prompt per tutti e tre: una donna con un impermeabile giallo senape cammina di notte in una strada laterale sotto la pioggia, si ferma sotto una pensilina rossa e alza lo sguardo verso i riflessi al neon. Questo test valuta il feel cinematografico e il timing dell'interpretazione.
Mostra il prompt della strada sotto la pioggia usato per tutti e tre i modelli
Medium-wide cinematic shot of a woman in a mustard-yellow raincoat walking through a rainy city side street at night. She pauses under a red awning and looks up as neon reflections ripple across the wet pavement. Slow dolly-in, natural body motion, realistic face, consistent clothing, ambient rain, no text, no logos.
| Metrica | Veo 3.1 Fast | Kling 3.0 Turbo | Seedance 2.0 Mini |
|---|---|---|---|
| Volume di movimento (media) | 4.0 | 4.0 | 5.4 |
| Ritmo a metà clip | 5.0 | 4.3 | 8.2 |
| Deriva del viso, asse X | 26.6% | 36.2% | 14.2% |
| Deriva del viso, asse Y | 11.3% | 11.6% | 19.2% |
Il picco di Seedance 2.0 Mini a metà clip (8.2) è la pausa con lo sguardo in alto — l'unico momento interpretativo che risulta davvero intenzionale. Anche la sua deriva del viso (14.2%) è la più bassa dei tre mentre la camera avanza. Kling 3.0 Turbo ha un taglio netto intorno ai 3.25s, probabilmente un cambio di illuminazione sotto la pensilina; Veo 3.1 Fast è costante, ma l'interpretazione resta timida.
Seedance offre qui l'interpretazione più convincente: camminare, fermarsi, guardare in alto, riflessi al neon — tutto in un unico beat coerente.
Da immagine a video: selfie allo stadio
Abbiamo generato un selfie notturno allo stadio con GPT Image 2, poi abbiamo dato esattamente la stessa immagine a tutti e tre i modelli. Il prompt: reagire a un gol fuori campo, girare il telefono verso il pubblico, tornare al selfie. Questo test valuta la stabilità del viso e la conservazione dell'identità.
Mostra il prompt dello stadio usato per tutti e tre i modelli
The woman hears a goal happen off-camera and the crowd erupts. She reacts instantly with a surprised laugh, jumps slightly, then turns her phone toward the cheering crowd for a moment and back to her face. Natural blinking and arm movement, realistic low-light grain, slight exposure shifts under stadium floodlights, motion blur during the sudden reaction, candid smartphone realism, no cinematic camera movement. Sound: crowd murmur, a sudden loud cheer, and her natural laugh. No cuts, no text, no logos.
| Metrica | Veo 3.1 Fast | Kling 3.0 Turbo | Seedance 2.0 Mini |
|---|---|---|---|
| Volume di movimento (media) | 13.3 | 6.5 | 10.7 |
| Punti di taglio visibili | 18 | 0 | 12 |
| Deriva del viso, asse X | 47.0% | 16.6% | 51.8% |
| Deriva del viso, asse Y | 32.5% | 12.1% | 36.7% |
Ogni modello ha qui una debolezza chiara:
- Veo 3.1 Fast: il movimento maggiore (13.3) e la sequenza di reazione completa — urlo di gioia, rotazione del telefono, ritorno al selfie. Ma l'inquadratura va in pezzi con 18 punti di taglio visibili, concentrati intorno a 3s e 5s, e durante la rotazione del telefono continuano ad apparire oggetti estranei. L'azione più completa, l'inquadratura più caotica.
- Kling 3.0 Turbo: il movimento minore (6.5) e la deriva del viso più bassa del gruppo (X 16.6% / Y 12.1%). Il viso semplicemente non si rompe. Il compromesso: l'urlo di gioia arriva con meno impatto.
- Seedance 2.0 Mini: in mezzo (10.7), con 12 punti di taglio concentrati nello scoppio di giubilo (3.7–4.9s). Forte impatto emotivo, ma il viso si deforma nelle espressioni marcate.
In breve: Kling 3.0 Turbo è la scelta per un viso stabile, Veo 3.1 Fast per l'azione completa (frammentazione accettata) e Seedance 2.0 Mini per l'emozione pura.
Da immagine a video: flacone di profumo
La stessa ripresa prodotto GPT Image 2 data a tutti e tre i modelli, con un movimento orbitale. Questo test valuta la coerenza dell'oggetto e la rifinitura del piano prodotto.
Mostra il prompt del profumo usato per tutti e tre i modelli
The camera makes a slow 120-degree orbit around the bottle while a narrow light sweeps across the glass. Keep the bottle shape, cap, reflections, and proportions consistent. Premium commercial lighting, no hands, no text, no logos.
| Metrica | Veo 3.1 Fast | Kling 3.0 Turbo | Seedance 2.0 Mini |
|---|---|---|---|
| Volume di movimento (media) | 2.0 | 1.5 | 2.6 |
| Picco di movimento | 2.4 | 2.1 | 4.6 |
Le riprese prodotto sono il test più quieto del gruppo: tutti e tre i modelli si muovono pochissimo (1.5–2.6), perché il soggetto è un flacone statico. Le differenze stanno nei dettagli. Kling 3.0 Turbo è il più basso (1.5) — il più vicino a una camera prodotto fissa, flacone di roccia. Seedance 2.0 Mini ha il picco più alto (4.6), quindi la sua orbita si legge nel modo più chiaro, con la sensazione del flacone che ruota. Veo 3.1 Fast è costante, ma la sua orbita è la più timida.
Per il prodotto nell'e-commerce: Kling per la stabilità, Seedance per un'orbita visibile.
Da riferimento a video: due personaggi + una scena
Questo test usa 3 immagini di riferimento GPT Image 2: il personaggio A (donna con maglione in maglia color crema), il personaggio B (uomo con occhiali in giacca verde oliva scuro) e una scena (gli interni di un caffè moderno). Il prompt mette entrambi i personaggi in quel caffè, a chiacchierare faccia a faccia.
Nota rapida su come funziona il riferimento-a-video: i riferimenti definiscono chi e dove; il prompt definisce cosa succede. Il modello prende visi, acconciature e abiti dalle immagini dei personaggi, recupera l'ambiente dall'immagine della scena, poi genera l'azione descritta nel prompt. Questo test è volutamente più difficile: entrambe le identità devono restare integre e la scena deve corrispondere.
Nota: Kling 3.0 Turbo non supporta il riferimento-a-video, quindi questo round è solo Veo 3.1 Fast contro Seedance 2.0 Mini.
Mostra il prompt riferimento-a-video
The young woman in the cream knit sweater and the man with glasses in the dark olive jacket are sitting across from each other at a small wooden table inside a cozy modern cafe with large windows and warm pendant lights, matching the cafe interior in the reference image. She laughs while telling a story, he listens and smiles, then they both raise their coffee cups for a toast. Keep both faces, hairstyles and outfits consistent. Natural conversational movements, warm afternoon light through the window. No text, no logos.
| Metrica | Veo 3.1 Fast | Seedance 2.0 Mini |
|---|---|---|
| Volume di movimento (media) | 3.1 | 6.4 |
| Visi rilevati per tutto il clip | 100% | 100% |
Entrambi i modelli hanno gestito il carico di due personaggi più la scena senza andare in pezzi. Veo 3.1 Fast resta più quieto (3.1, quasi immobile come in una conversazione), con entrambi i personaggi e il caffè renderizzati in modo pulito. Seedance 2.0 Mini si muove di più (6.4 — gesti più ampi, il brindisi, più risate), e i due personaggi restano coerenti e ben separati.
È anche qui che la tabella delle modalità qui sopra ripaga: Seedance 2.0 Mini è l'unico modello ad accettare riferimenti audio e video oltre alle immagini, quindi è l'unico in grado di seguire il movimento di un clip di riferimento o il ritmo di un riferimento audio. Se l'obiettivo è una generazione controllabile e guidata dai riferimenti, Seedance 2.0 Mini è l'unica opzione seria qui.
Bonus: la storia della barchetta di carta (narrazione multi-beat)
I test del corriere e della strada sotto la pioggia coprono la capacità a inquadratura singola. Questo test bonus copre la narrazione multi-beat: il prompt ha tre beat — una barchetta di carta rossa si nasconde dalla pioggia, salva una lucciola e raggiunge acque calde con le altre barche. Tutti e tre i modelli hanno 8 secondi. Chi riesce a inserire tre beat nella stessa capacità nel modo più pulito?
Mostra il prompt della barchetta di carta usato per tutti e tre i modelli
A cinematic animated short in three connected shots about a tiny red paper boat that is afraid of rain. First shot: at blue-hour dusk, the red paper boat hides under a curled green leaf beside a rain-filled street gutter while several blue paper boats race past. The boat trembles as large drops hit the pavement. Second shot: a sudden stream carries a stranded glowing firefly toward a drain. The red boat sails out, catches the firefly beneath its folded paper sail, and turns across the current. Third shot: the storm softens. The red boat and firefly glide into a warm city-square reflection as the other paper boats gather around. The firefly rises and lights the scene; end on the red boat looking proud. Ambient rain and water sounds only. Keep the same red boat shape, fold lines, scale, and painted eyes in every shot. No music, no singing, no text, no logos.
| Metrica | Veo 3.1 Fast | Kling 3.0 Turbo | Seedance 2.0 Mini |
|---|---|---|---|
| Punti di taglio visibili | 1 (a 4.2s) | 2 (2.3s, 5.0s) | 3 (1.8s, 4.4s, 7.6s) |
| Ritmo, inizio/metà/fine | 14.1 / 13.7 / 7.2 | 4.9 / 5.3 / 3.3 | 8.0 / 7.7 / 8.8 |
| Volume di movimento (media) | 11.6 | 4.5 | 8.2 |
Anche con gli 8 secondi fissi, Seedance 2.0 Mini divide i tre beat nel modo più pulito: punti di taglio a circa 1.8s, 4.4s e 7.6s, con un ritmo quasi uniforme (8.0 / 7.7 / 8.8) — il riparo sotto la foglia, il salvataggio allo scarico, il finale caldo, tutto si legge chiaramente.
Kling 3.0 Turbo piazza due tagli (circa 2.3s e 5.0s) con il movimento complessivamente più stabile, a un solo beat da Seedance. Veo 3.1 Fast riesce a fare solo un taglio netto (circa 4.2s), con un movimento iniziale denso (14.1 / 13.7) che cala bruscamente (7.2) — i tre beat collassano in «azione continua, poi un finale».
Quindi, anche eliminando la variabile della durata, la narrazione multi-beat è il terreno di Seedance 2.0 Mini, Kling 3.0 Turbo è il secondo stabile e Veo 3.1 Fast è più adatto a un'unica azione continua che a comprimere beat narrativi.
Confronto affiancato
| Categoria | Veo 3.1 Fast | Kling 3.0 Turbo | Seedance 2.0 Mini |
|---|---|---|---|
| Prezzo (720p / 8s) | 30 crediti | 120 crediti | 160 crediti |
| Opzioni di durata | Solo 4/6/8s | 3–15s | 4–15s |
| Da riferimento a video | Solo immagini (≤3) | Non supportato | Immagini + audio + video |
| Persone | Azione completa, inquadratura frammentata | Viso più stabile | Emozione più forte, visi deformati nelle espressioni marcate |
| Movimento | Più movimento, ritmo piatto | Migliore completezza, vera costruzione | Stabile, ritmo più piatto |
| Riprese prodotto | Costante | Il più vicino a fisso | Orbita più marcata |
| Storia multi-beat | Un'azione continua | Due tagli, stabile | Tre tagli, ritmo più uniforme |
| Tenuta dei personaggi di riferimento | Deriva visibilmente | — | Di roccia |
Quale modello dovresti usare?
- Budget limitato, contenuti in formato breve → Veo 3.1 Fast. 8 secondi per 30 crediti è il modo più economico per iniziare, e aderenza al prompt e copertura dell'azione sono solide. Clip social, riprese prodotto, contenuti di reazione — inizia da qui.
- I visi devono reggere, le riprese devono essere lunghe → Kling 3.0 Turbo. La migliore stabilità facciale del test, un range da 3 a 15 secondi e la copertura più completa delle istruzioni di camera. Video incentrati sulle persone e lunghi piani di inseguimento — inizia da qui.
- Il controllo dei riferimenti è il compito → Seedance 2.0 Mini. L'unico modello che accetta riferimenti immagine, audio e video, con una tenuta dei personaggi di roccia in modalità riferimento e la narrazione multi-beat più pulita. Qualsiasi flusso di lavoro «genera da questo materiale» — inizia da qui.
Non esiste il modello migliore, solo quello giusto per te. Veo 3.1 Fast è la scelta conveniente, Kling 3.0 Turbo è la scelta stabile e Seedance 2.0 Mini è la scelta per il controllo dei riferimenti. Scegli in base al tuo caso d'uso, non alla fama del nome.