Cada clipe deste teste usa exatamente as mesmas configurações — 8 segundos, 720p, 16:9 — para que a comparação continue justa. Mantivemos tudo na duração máxima do Veo 3.1 Fast, o que significa que nenhum modelo teve espaço extra para esconder seus pontos fracos.
Os três modelos em resumo
Não são três versões da mesma coisa. São feitos para trabalhos diferentes, e saber qual é qual poupa você de muita tentativa e erro.
Veo 3.1 Fast — a opção de velocidade do Google
O Google DeepMind divide o Veo 3.1 em duas camadas: Quality e Fast. A Fast foi projetada para ser mais rápida e barata mantendo especificações quase idênticas. A Curious Refuge Labs atribuiu a ela 6.9/10 no geral, com a adesão ao prompt como destaque em 7.3/10 — no mesmo nível da camada Quality. O restante: consistência temporal 6.5, fidelidade visual 7.1, qualidade de movimento 6.9, realismo cinematográfico 6.5. A conclusão deles: a diferença para a Quality é menor do que se esperaria, e a diferença de preço não é. No VidLux, o Veo 3.1 Fast gera clipes de 4, 6 ou 8 segundos em até 1080p.
Kling 3.0 Turbo — o cavalo de batalha da Kuaishou
Lançado em 17 de junho de 2026, o Kling 3.0 Turbo é a variante ajustada para velocidade do Kling 3.0. Duas funcionalidades realmente importam aqui: prompting multi-shot (defina até 6 shots em um único prompt e o modelo cuida das transições — sem emendas na pós-produção) e raciocínio de cena vCoT (ele pensa na lógica da cena antes de renderizar, para que movimentos de câmera, iluminação e comportamento do sujeito saiam de forma mais confiável do que na linha 2.x). A geração 3.0 também melhorou a sincronização labial e a estabilidade de clipes longos. No VidLux, ele gera de 3 a 15 segundos em 720p/1080p.
Seedance 2.0 Mini — o modelo leve da ByteDance
O Seedance 2.0 Mini é o membro econômico da família Seedance 2.0: mais rápido e barato por clipe, compartilhando as mesmas entradas multimodais do modelo padrão (referências de imagem, vídeo e áudio), mas limitado a 480p/720p com clipes de 4 a 15 segundos no VidLux. Quase não existe material oficial sobre ele — o que é exatamente o motivo de seus resultados aqui merecerem atenção. Sem hype, apenas resultados.
Níveis de duração e custos (por que escolhemos 8 segundos)
A diferença mais ignorada entre esses modelos é quanto tempo cada um consegue gerar de uma só vez:
| Modelo | Opções de duração | Custo em 720p / 8s |
|---|---|---|
| Veo 3.1 Fast | Apenas 4 / 6 / 8 segundos | 30 créditos |
| Kling 3.0 Turbo | 3–15 segundos (13 etapas) | 120 créditos |
| Seedance 2.0 Mini | 4–15 segundos (12 etapas) | 160 créditos |
O Veo 3.1 Fast chega no máximo a 8 segundos, mas esse clipe de 8 segundos custa apenas 30 créditos — cerca de 4 vezes mais barato que o Kling 3.0 Turbo e 5 vezes mais barato que o Seedance 2.0 Mini. Se o seu conteúdo já é de formato curto (clipes para redes sociais, vídeos de produto, vídeos de reação), o Veo 3.1 Fast é a escolha de melhor custo-benefício. Você só precisa do Kling ou do Seedance quando quer uma única tomada contínua com mais de 8 segundos.
É também por isso que toda comparação aqui usa 8 segundos: é a única duração em que os três modelos competem em igualdade de condições.
O que cada modelo realmente sabe fazer
As opções de entrada também diferem, e isso importa antes mesmo de você começar a gerar:
| Modo | Veo 3.1 Fast | Kling 3.0 Turbo | Seedance 2.0 Mini |
|---|---|---|---|
| Texto para vídeo | ✅ | ✅ | ✅ |
| Imagem para vídeo | ✅ | ✅ | ✅ |
| Referência para vídeo (imagens) | ✅ (até 3) | ❌ Não suportado | ✅ (até 9) |
| Referência para vídeo (áudio) | ❌ Não suportado | ❌ Não suportado | ✅ (até 3) |
| Referência para vídeo (vídeo) | ❌ Não suportado | ❌ Não suportado | ✅ (até 3) |
Duas coisas se destacam:
- O Kling 3.0 Turbo não tem referência para vídeo nenhuma. Ele trabalha a partir de texto e de uma única imagem. Se você precisa gerar a partir de material de referência, ele está fora de cogitação imediatamente.
- O Seedance 2.0 Mini é o único que aceita referências de áudio e vídeo — além de até 9 imagens de referência, ele pode receber 3 vídeos de referência e 3 clipes de áudio de referência. Ele consegue replicar o movimento ou o trabalho de câmera de um vídeo que você fornecer, ou o ritmo de um clipe de áudio. Nem o Veo nem o Kling oferecem essa dimensão de entrada. Então o teste de referência para vídeo abaixo é, na prática, uma disputa de dois: Veo 3.1 Fast (apenas imagens) contra Seedance 2.0 Mini (multimodal completo).
Como testamos
Cada teste segue as mesmas regras:
- Configurações idênticas: 8 segundos, 720p, 16:9 em todos (o teto do Veo 3.1 Fast)
- Entradas idênticas: o mesmo prompt para os três modelos em cada teste; os testes de imagem para vídeo compartilham a mesma imagem de entrada, gerada com o GPT Image 2
- Avaliação idêntica: análise quadro a quadro de cada clipe (volume de movimento, pontos de corte, estabilidade facial), combinada com a análise visual do material real
- Quatro modos cobertos: texto para vídeo (2 testes), imagem para vídeo (2 testes), referência para vídeo (1 teste), além de uma história multi-beat como bônus
Todos os ativos de teste foram gerados com o modelo de imagem do próprio VidLux (GPT Image 2), então as entradas são reproduzíveis — qualquer pessoa pode refazer os mesmos testes.
O veredito
| Teste | Resultado mais forte | O que os separou |
|---|---|---|
| Texto para vídeo: perseguição ao entregador | Kling 3.0 Turbo | Fase de aceleração mais limpa no final; cobertura mais completa das instruções de câmera |
| Texto para vídeo: rua chuvosa | Seedance 2.0 Mini | A pausa com o olhar para cima funcionou melhor; rosto mais estável |
| Imagem para vídeo: selfie no estádio | Empate | O Kling 3.0 Turbo manteve melhor o rosto; o Veo 3.1 Fast se moveu mais, mas fragmentou o quadro |
| Imagem para vídeo: frasco de perfume | Kling 3.0 Turbo | Menor volume de movimento — o mais próximo de um plano de produto travado |
| Referência para vídeo: dois personagens | Seedance 2.0 Mini | Ambos lidaram bem com dois personagens; o Seedance adiciona entradas de referência de áudio/vídeo que ninguém mais tem |
| História multi-beat (barquinho de papel) | Seedance 2.0 Mini | Três mudanças de cena com ritmo equilibrado; beats narrativos mais claros |
Resumindo: quer estabilidade? Escolha o Kling 3.0 Turbo. Quer custo-benefício? Escolha o Veo 3.1 Fast. Quer controle de referências? Escolha o Seedance 2.0 Mini. As evidências estão abaixo.
Texto para vídeo: perseguição ao entregador
Os três modelos receberam o mesmo prompt: uma única tomada de perseguição contínua de um entregador que sai de uma viela do mercado, contorna uma van de entregas, passa pela câmera e é seguido por uma panorâmica. Isso testa a continuidade do movimento e o quanto cada modelo segue as instruções de câmera.
Mostrar o prompt do entregador usado nos três modelos
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.
| Métrica | Veo 3.1 Fast | Kling 3.0 Turbo | Seedance 2.0 Mini |
|---|---|---|---|
| Volume de movimento (média) | 14.6 | 9.1 | 10.1 |
| Ritmo, início/meio/fim | 12.2 / 17.2 / 14.6 | 3.1 / 11.4 / 12.8 | 9.6 / 9.7 / 11.0 |
| Deriva do rosto, eixo X | 78.4% | 71.7% | 58.7% |
A curva de movimento do Kling 3.0 Turbo conta a história: quieta no início (3.1, entregador quase invisível), mais movimentada no meio (11.4, a contornada na van), mais forte no final (12.8, a aceleração). Isso corresponde diretamente aos três beats do prompt. O Veo 3.1 Fast se moveu mais no total (14.6), mas manteve mais ou menos o mesmo ritmo o tempo todo — muito movimento, sem construção. O Seedance 2.0 Mini ficou no meio, cobrindo as ações sem muita forma rítmica.
O Kling 3.0 Turbo vence este teste pela completude — não por se mover mais, mas por se mover nos momentos certos.
Texto para vídeo: rua chuvosa
O mesmo prompt para os três: uma mulher de capa de chuva amarela mostarda caminha por uma rua lateral chuvosa à noite, para sob um toldo vermelho e olha para cima, para os reflexos de neon. Isso testa o clima cinematográfico e o timing da atuação.
Mostrar o prompt da rua chuvosa usado nos três modelos
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.
| Métrica | Veo 3.1 Fast | Kling 3.0 Turbo | Seedance 2.0 Mini |
|---|---|---|---|
| Volume de movimento (média) | 4.0 | 4.0 | 5.4 |
| Ritmo no meio do clipe | 5.0 | 4.3 | 8.2 |
| Deriva do rosto, eixo X | 26.6% | 36.2% | 14.2% |
| Deriva do rosto, eixo Y | 11.3% | 11.6% | 19.2% |
O pico do Seedance 2.0 Mini no meio do clipe (8.2) é a pausa com o olhar para cima — o único momento de atuação que realmente parece intencional. A deriva do rosto dele (14.2%) também é a menor dos três enquanto a câmera se aproxima. O Kling 3.0 Turbo tem um corte seco por volta dos 3.25s, provavelmente uma mudança de iluminação sob o toldo; o Veo 3.1 Fast é estável, mas a atuação continua tímida.
O Seedance entrega a atuação mais forte aqui: andar, parar, olhar para cima, reflexos de neon — tudo em um único beat coerente.
Imagem para vídeo: selfie no estádio
Geramos um selfie noturno de estádio com o GPT Image 2 e depois demos exatamente essa mesma imagem aos três modelos. O prompt: reagir a um gol fora de campo, virar o telefone para a torcida, voltar para o selfie. Isso testa a estabilidade facial e a retenção de identidade.
Mostrar o prompt do estádio usado nos três modelos
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.
| Métrica | Veo 3.1 Fast | Kling 3.0 Turbo | Seedance 2.0 Mini |
|---|---|---|---|
| Volume de movimento (média) | 13.3 | 6.5 | 10.7 |
| Pontos de corte visíveis | 18 | 0 | 12 |
| Deriva do rosto, eixo X | 47.0% | 16.6% | 51.8% |
| Deriva do rosto, eixo Y | 32.5% | 12.1% | 36.7% |
Cada modelo tem um ponto fraco claro aqui:
- Veo 3.1 Fast: o maior movimento (13.3) e a sequência de reação completa — comemoração, giro do telefone, retorno ao selfie. Mas o quadro se desfaz com 18 pontos de corte visíveis, concentrados por volta de 3s e 5s, e objetos estranhos continuam aparecendo durante o giro do telefone. A ação mais completa, o quadro mais bagunçado.
- Kling 3.0 Turbo: o menor movimento (6.5) e a menor deriva facial do grupo (X 16.6% / Y 12.1%). O rosto simplesmente não se desfaz. A troca: a comemoração chega com menos impacto.
- Seedance 2.0 Mini: no meio (10.7), com 12 pontos de corte concentrados na explosão de comemoração (3.7–4.9s). Forte impacto emocional, mas o rosto se distorce em expressões grandes.
Em resumo: Kling 3.0 Turbo é a escolha para um rosto estável, Veo 3.1 Fast para a ação completa (fragmentação aceita) e Seedance 2.0 Mini para a emoção crua.
Imagem para vídeo: frasco de perfume
A mesma foto de produto do GPT Image 2 entregue aos três modelos, com um movimento orbital. Isso testa a consistência do objeto e o acabamento do plano de produto.
Mostrar o prompt do perfume usado nos três modelos
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.
| Métrica | Veo 3.1 Fast | Kling 3.0 Turbo | Seedance 2.0 Mini |
|---|---|---|---|
| Volume de movimento (média) | 2.0 | 1.5 | 2.6 |
| Pico de movimento | 2.4 | 2.1 | 4.6 |
Os planos de produto são o teste mais quieto do grupo: os três modelos se movem muito pouco (1.5–2.6), porque o sujeito é um frasco estático. As diferenças estão nos detalhes. O Kling 3.0 Turbo fica no nível mais baixo (1.5) — o mais próximo de uma câmera de produto travada, com o frasco absolutamente sólido. O Seedance 2.0 Mini tem o pico mais alto (4.6), então sua órbita é a mais clara, com a sensação do frasco girando. O Veo 3.1 Fast é estável, mas sua órbita é a mais tímida.
Para trabalho de produto no e-commerce: Kling para estabilidade, Seedance para uma órbita visível.
Referência para vídeo: dois personagens + uma cena
Este teste usa 3 imagens de referência do GPT Image 2: personagem A (mulher de suéter de tricô creme), personagem B (homem de óculos em uma jaqueta verde-oliva escura) e uma cena (o interior de um café moderno). O prompt coloca os dois personagens nesse café, conversando cara a cara.
Uma nota rápida sobre como a referência para vídeo funciona: as referências definem quem e onde; o prompt define o que acontece. O modelo extrai rostos, penteados e roupas das imagens dos personagens, pega o ambiente da imagem da cena e então gera a ação descrita no prompt. Este teste é deliberadamente mais difícil: as duas identidades precisam se manter íntegras, e a cena precisa corresponder.
Nota: o Kling 3.0 Turbo não suporta referência para vídeo, então esta rodada é apenas Veo 3.1 Fast contra Seedance 2.0 Mini.
Mostrar o prompt de referência para vídeo
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.
| Métrica | Veo 3.1 Fast | Seedance 2.0 Mini |
|---|---|---|
| Volume de movimento (média) | 3.1 | 6.4 |
| Rostos detectados o tempo todo | 100% | 100% |
Ambos os modelos lidaram com a carga de dois personagens mais a cena sem se desfazer. O Veo 3.1 Fast permanece mais quieto (3.1, quase imóvel como numa conversa), com os dois personagens e o café renderizados com nitidez. O Seedance 2.0 Mini se move mais (6.4 — gestos maiores, o brinde, mais risadas), e os dois personagens permanecem consistentes e bem separados.
É também aqui que a tabela de modos acima se paga: o Seedance 2.0 Mini é o único modelo que aceita referências de áudio e vídeo além de imagens, então é o único que consegue seguir o movimento de um clipe de referência ou o ritmo de uma referência de áudio. Se o objetivo é uma geração controlável e orientada por referências, o Seedance 2.0 Mini é a única opção séria aqui.
Bônus: a história do barquinho de papel (narrativa multi-beat)
Os testes do entregador e da rua chuvosa cobrem a capacidade de tomada única. Este teste bônus cobre a narrativa multi-beat: o prompt tem três beats — um barquinho de papel vermelho se esconde da chuva, resgata um vaga-lume e chega a águas quentes com os outros barcos. Os três modelos recebem 8 segundos. Quem encaixa três beats na mesma capacidade da forma mais limpa?
Mostrar o prompt do barquinho de papel usado nos três modelos
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.
| Métrica | Veo 3.1 Fast | Kling 3.0 Turbo | Seedance 2.0 Mini |
|---|---|---|---|
| Pontos de corte visíveis | 1 (aos 4.2s) | 2 (2.3s, 5.0s) | 3 (1.8s, 4.4s, 7.6s) |
| Ritmo, início/meio/fim | 14.1 / 13.7 / 7.2 | 4.9 / 5.3 / 3.3 | 8.0 / 7.7 / 8.8 |
| Volume de movimento (média) | 11.6 | 4.5 | 8.2 |
Mesmo com os 8 segundos fixos, o Seedance 2.0 Mini divide os três beats da forma mais limpa: pontos de corte em aproximadamente 1.8s, 4.4s e 7.6s, com ritmo quase uniforme (8.0 / 7.7 / 8.8) — o abrigo sob a folha, o resgate no ralo, o final caloroso, tudo se lê com clareza.
O Kling 3.0 Turbo acerta dois cortes (cerca de 2.3s e 5.0s) com o movimento mais estável do grupo, apenas um beat atrás do Seedance. O Veo 3.1 Fast consegue apenas um corte claro (cerca de 4.2s), com movimento inicial denso (14.1 / 13.7) que cai bruscamente (7.2) — os três beats colapsam em "ação contínua e depois um final".
Então, mesmo com a variável de duração removida, a narrativa multi-beat é o território do Seedance 2.0 Mini, o Kling 3.0 Turbo é o segundo estável, e o Veo 3.1 Fast é mais indicado para uma única ação contínua do que para empacotar beats narrativos.
Comparação lado a lado
| Categoria | Veo 3.1 Fast | Kling 3.0 Turbo | Seedance 2.0 Mini |
|---|---|---|---|
| Preço (720p / 8s) | 30 créditos | 120 créditos | 160 créditos |
| Opções de duração | Apenas 4/6/8s | 3–15s | 4–15s |
| Referência para vídeo | Apenas imagens (≤3) | Não suportado | Imagens + áudio + vídeo |
| Pessoas | Ação completa, quadro fragmentado | Rosto mais estável | Emoção mais forte, rostos se distorcem em expressões grandes |
| Movimento | Mais movimento, ritmo plano | Melhor completude, construção real | Estável, ritmo mais plano |
| Planos de produto | Estável | O mais próximo de travado | Órbita mais forte |
| História multi-beat | Uma ação contínua | Dois cortes, estável | Três cortes, ritmo mais uniforme |
| Manutenção do personagem de referência | Deriva visivelmente | — | Absolutamente sólida |
Qual modelo você deve usar?
- Orçamento apertado, formatos curtos → Veo 3.1 Fast. 8 segundos por 30 créditos é a forma mais barata de começar, e a adesão ao prompt e a cobertura de ação são sólidas. Clipes para redes sociais, vídeos de produto, conteúdo de reação — comece aqui.
- Os rostos precisam se manter, as tomadas precisam ser longas → Kling 3.0 Turbo. Melhor estabilidade facial do teste, alcance de 3 a 15 segundos e a cobertura mais completa das instruções de câmera. Vídeo focado em pessoas e tomadas de perseguição longas — comece aqui.
- O controle de referências é o trabalho → Seedance 2.0 Mini. O único modelo que aceita referências de imagem, áudio e vídeo, com manutenção de personagem absolutamente sólida no modo de referência e a narrativa multi-beat mais limpa. Qualquer fluxo de trabalho de "gerar a partir deste material" — comece aqui.
Não existe modelo melhor, só o ajuste certo. O Veo 3.1 Fast é a escolha de custo-benefício, o Kling 3.0 Turbo é a escolha de estabilidade e o Seedance 2.0 Mini é a escolha de controle de referências. Escolha pelo seu caso de uso, não pelo reconhecimento do nome.