Tres modelos de vídeo merecen tu atención ahora mismo, y no son intercambiables. Veo 3.1 de Google es el que hace que un plano parezca filmado de verdad, con diálogos y diseño de sonido integrados. Seedance 2.0 de ByteDance es el que acepta referencias, de modo que el mismo personaje, producto o movimiento se mantiene de un clip al siguiente. Kling 2.6 Pro de Kuaishou es el que ofrece energía comercial al precio más bajo de los tres.
Los tres funcionan en el NinjaChat Studio y a través de la NinjaChat API. Cada clip que aparece a continuación fue generado a través del propio código de distribución de NinjaChat con el prompt exacto que se muestra debajo. Ninguno fue cortado, escalado o modificado en su duración.
La versión corta
| Seedance 2.0 | Veo 3.1 | Kling 2.6 Pro | |
|---|---|---|---|
| Desarrollado por | ByteDance | Kuaishou | |
| Úsalo para | Un personaje, producto o movimiento que necesites mantener entre clips | El plano cinematográfico con diálogos y diseño de sonido real | Clips comerciales y para redes sociales con impacto, al precio más bajo |
| Sonido | Audio nativo opcional, o seguir un clip de audio de referencia | Audio nativo con diálogos y efectos | Audio nativo |
| Entradas de referencia | Hasta cuatro imágenes, un vídeo de referencia, un clip de audio de referencia | Una imagen de inicio; hasta tres imágenes de referencia y control de primer y último fotograma en el Studio | Una imagen de inicio |
| Duración del clip (API) | 4 a 12 segundos | 4, 6 u 8 segundos | 5 o 10 segundos |
| Proporciones de pantalla | 16:9 o 9:16 | 16:9 o 9:16 | 16:9 o 9:16 |
| Salida | 1080p | HD, horizontal o vertical | HD, horizontal o vertical |
| ID en la API | seedance-2 | veo-3.1 | kling-video |
| Precio por clip en la NinjaChat API, 2 de septiembre de 2026 | $3,64 (formato de 12 segundos) | $3,20 (formato de 8 segundos) | $1,40 (formato de 10 segundos) |
Los precios son las tarifas públicas fijas para la solicitud de mayor duración aceptada por cada modelo, trasladadas directamente desde lo que el proveedor nos cobra; el precio actualizado siempre está disponible en la página de desarrolladores de cada modelo (Seedance 2.0, Veo 3.1, Kling 2.6 Pro).
Cómo los comparamos
No usamos un prompt idéntico para los tres en este artículo. Los clips son las ejecuciones de muestra atribuidas a cada modelo desde su página de NinjaChat, generados a través del propio sistema de distribución de NinjaChat con los prompts mostrados, y agrupados aquí según el trabajo para el que realmente contratarías un modelo de vídeo. Los prompts están impresos en su totalidad para que puedas hacer tu propia comparación: pega cualquiera de ellos en el Studio y cambia el modelo.
Trabajo 1: energía comercial
El spot de producto es por donde empieza la mayoría de la gente, y es donde los modelos se diferencian más rápido.
Kling 2.6 Pro
A sports drink bottle bursts through a wall of ice, shards flying in slow motion, electric blue splash forming a wave behind it, punchy commercial energy
Veo 3.1
Cold brew coffee pours over clear ice in extreme slow motion, amber cascades and caramel swirls, deep rich sound design, premium commercial
Seedance 2.0
A row of tiny robots on an assembly line, each painting one frame of a film strip; the strip runs off the line and comes alive as a moving picture
Qué observar: Kling apuesta por el impacto y la velocidad, que es exactamente lo que busca un anuncio social de seis segundos. La caída de Veo es más lenta y parece más cara, y el audio está haciendo un trabajo real: se escucha el hielo. Seedance mantiene una escena compleja con múltiples objetos sin que ninguno de los robots se entrometa con otro, que es precisamente la propiedad que importa cuando empiezas a encadenar planos.
Trabajo 2: una escena con historia
Veo 3.1
An old lighthouse keeper lights the great lamp as a storm arrives, rain streaking the glass, a small boat's light making it safely home below
Kling 2.6 Pro
POV walking through a neon night market, quick pans across sizzling food stalls, steam and lantern light, energetic vlog style
Seedance 2.0
The wind-up fox toy comes to life: gears whir, it blinks, stretches, and trots forward across the workbench, warm lamp light
El clip de Seedance comenzó como una imagen fija del zorro, entregada como referencia. Esa es la propuesta completa del modelo: no describes un zorro esperando que salga bien, sino que le entregas el zorro directamente. El faro de Veo es el más cinematográfico de los tres, con clima, un personaje y un desenlace en ocho segundos. El paseo POV de Kling muestra lo bien que maneja los movimientos de cámara rápidos, algo que los modelos anteriores convertían en una mancha borrosa.
Trabajo 3: el plano imposible
Veo 3.1
A ballerina made of golden autumn leaves forms mid-spin and dances, leaves scattering with each turn on a black stage, wind audible
Kling 2.6 Pro
Origami birds fold themselves out of sheet music and fly through a dark concert hall, camera chasing them through a spotlight
Seedance 2.0
Glowing data streams flow between dark server racks and weave themselves into a strip of moving film frames, abstract and precise
Los tres pueden hacer cosas que ninguna cámara puede. La diferencia está en qué mantienen creíble mientras lo hacen: Veo conserva la física de las hojas, Kling mantiene la persecución con la cámara legible, Seedance mantiene la geometría abstracta precisa en lugar de difusa.
Trabajo 4: mantener la coherencia
Este es el trabajo que decide en qué modelo construyes tu flujo de trabajo.
Seedance 2.0, el mismo zorro que en el Trabajo 2, nueva escena
The same emerald wind-up fox toy walks carefully along a moonlit bookshelf, past leaning books, tail swaying with each mechanical step
Kling 2.6 Pro, plano giratorio de producto
A smartwatch rotating in studio light, screen cycling through watch faces, macro detail of the crown clicking, minimal white set
Veo 3.1, encuadre cinematográfico amplio
A lone rider crosses a mirror-flat salt lake at dawn, perfect reflection below, wide anamorphic framing, hooves echoing in the silence
Seedance es el único de los tres que acepta un vídeo de referencia y un clip de audio de referencia junto con imágenes, de modo que un personaje, un movimiento de cámara y una banda sonora pueden quedar fijados. Veo acepta imágenes de referencia y un primer fotograma, lo cual es suficiente para la mayoría de trabajos de marca. Kling acepta una imagen de inicio, lo que es suficiente para hacer girar un producto o animar una imagen fija.
En qué destaca cada modelo
Seedance 2.0 gana cuando la entrada no es solo texto. Hasta cuatro imágenes de referencia fijan un rostro, una indumentaria o un producto; un vídeo de referencia guía el movimiento; un clip de audio de referencia establece la banda sonora. Genera salida en 1080p y funciona hasta 12 segundos a través de la API. Si estás produciendo una serie en lugar de un clip único, este es el modelo indicado. Guía completa de Seedance.
Veo 3.1 gana en el plano protagonista único. Los diálogos entre comillas se convierten en líneas habladas, el diseño de sonido forma parte del renderizado en lugar de ser un añadido posterior, y el movimiento es el más cinematográfico de los tres. Es el modelo al que acudir cuando un solo clip tiene que sostener una página de lanzamiento. Guía completa de Veo 3.1.
Kling 2.6 Pro gana en precio y ritmo. A $1,40 por un clip de diez segundos en nuestra API, está muy por debajo de la mitad del coste de los otros dos, maneja bien los movimientos de cámara rápidos y genera audio nativo. Para contenido social diario y anuncios de prueba, es la opción sensata por defecto. Kling 2.6 Pro en el Studio.
Prompts que obtienen los mismos resultados
Los prompts anteriores comparten una estructura, y esa estructura se puede trasladar entre modelos:
- Un plano, un sujeto. "A lone rider crosses a salt lake at dawn" funciona; una historia de tres escenas en un solo prompt no funciona.
- Nombra la cámara. "Wide anamorphic framing", "POV", "macro detail", "camera chasing them": los modelos responden al lenguaje de óptica y movimiento.
- Describe el sonido si el modelo lo genera. "Hooves echoing in the silence", "deep rich sound design", "wind audible". Para Veo, pon los diálogos entre comillas e indica quién los dice.
- Entrega una referencia en lugar de un adjetivo con Seedance. Adjunta la foto del producto en lugar de describirlo.
- Elige la duración según el trabajo. Ocho segundos es el punto óptimo de Veo; Kling se ajusta a cinco o diez; Seedance llega hasta doce.
Pruébalos con un plan de pago: abre el Studio en modo vídeo, elige un modelo y pega el prompt.
Cómo llamar a cada modelo a través de la API
La misma clave que sirve para chat e imágenes envía trabajos de vídeo. Envía con POST /v1/videos, luego consulta el estado con GET /v1/videos/{id} o registra un webhook en la consola y recibe un POST cuando el clip esté listo. El audio está desactivado por defecto a través de la API; activa generate_audio cuando lo necesites.
Seedance 2.0 con imágenes de referencia, un vídeo de referencia y audio activado:
curl https://www.ninjachat.ai/api/v1/videos \
-H "Authorization: Bearer $NINJACHAT_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "seedance-2",
"prompt": "The same emerald wind-up fox toy walks carefully along a moonlit bookshelf, past leaning books, tail swaying with each mechanical step",
"duration": 8,
"aspect_ratio": "16:9",
"reference_images": ["https://example.com/fox-front.webp", "https://example.com/fox-side.webp"],
"reference_video": "https://example.com/walk-cycle.mp4",
"generate_audio": true
}'
Veo 3.1 con una imagen de inicio y diálogos:
curl https://www.ninjachat.ai/api/v1/videos \
-H "Authorization: Bearer $NINJACHAT_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "veo-3.1",
"prompt": "An old lighthouse keeper lights the great lamp as a storm arrives, rain streaking the glass. He says quietly, \"There you are.\"",
"duration": 8,
"aspect_ratio": "16:9",
"image_url": "https://example.com/lighthouse-frame.webp",
"generate_audio": true
}'
Kling 2.6 Pro, diez segundos, vertical:
curl https://www.ninjachat.ai/api/v1/videos \
-H "Authorization: Bearer $NINJACHAT_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "kling-video",
"prompt": "A sports drink bottle bursts through a wall of ice, shards flying in slow motion, electric blue splash forming a wave behind it, punchy commercial energy",
"duration": 10,
"aspect_ratio": "9:16",
"generate_audio": true
}'
Luego consulta el estado:
curl https://www.ninjachat.ai/api/v1/videos/$JOB_ID \
-H "Authorization: Bearer $NINJACHAT_API_KEY"
El trabajo devuelve status: "completed" con una video_url que puedes descargar o servir directamente. Los trabajos fallidos se reembolsan automáticamente. La estructura completa de la solicitud, incluyendo end_image_url para el encadenamiento con fotogramas bloqueados en los modelos que lo admiten, está en la documentación de la API y en la especificación OpenAPI.
Versiones más económicas
Si el precio es determinante, cada familia tiene un nivel más ligero disponible a través de la API. Veo 3.1 Fast devuelve un clip en aproximadamente un minuto a $1,20 por clip a partir del 2 de septiembre de 2026, y es la opción correcta por defecto para volumen. Seedance 2.0 Fast y Seedance 2.0 Mini sacrifican algo de fidelidad a cambio de velocidad y tienen un precio inferior a Seedance 2.0; los números actualizados están en el catálogo. La opción Auto del Studio elige un modelo según el prompt si prefieres no elegir tú.
Preguntas frecuentes
¿Cuál es el mejor en general, Seedance 2.0, Veo 3.1 o Kling 2.6? No hay un ganador único. Veo 3.1 produce el plano más cinematográfico con diálogos y sonido. Seedance 2.0 es el indicado para construir una serie porque acepta referencias de imagen, vídeo y audio. Kling 2.6 Pro ofrece la mejor relación calidad-precio para clips sociales y comerciales con impacto. La mayoría de los equipos acaban usando dos de ellos.
¿Los tres generan sonido?
Sí. Veo 3.1 genera audio con líneas habladas y efectos. Seedance 2.0 genera audio cuando lo activas, o sigue un clip de audio de referencia que tú proporciones. Kling 2.6 Pro genera audio nativo. A través de la API, el audio está desactivado a menos que establezcas generate_audio en true.
¿Cuál acepta imágenes de referencia? Seedance 2.0 acepta hasta cuatro imágenes de referencia, además de un vídeo de referencia y un clip de audio de referencia. Veo 3.1 acepta una imagen de inicio a través de la API y hasta tres imágenes de referencia con control de primer y último fotograma en el Studio. Kling 2.6 Pro acepta una imagen de inicio.
¿Cuánto pueden durar los clips? Seedance 2.0 funciona de 4 a 12 segundos, Veo 3.1 de 4, 6 u 8 segundos, y Kling 2.6 Pro de 5 o 10 segundos. Para durations más largas, genera un plano por prompt y móntales juntos; los modelos están diseñados para planos individuales.
¿Puedo probarlos gratis? No en el Studio. NinjaChat es nuestro producto, y la generación de vídeo en él necesita un plan de pago; cada plan incluye una asignación mensual de créditos de vídeo. La API funciona con un saldo de prepago: una cuenta verificada por teléfono empieza con un saldo inicial de 0,50 $, y un clip de vídeo requiere una recarga (desde 5 $).
¿Estos clips están editados? No. Cada clip es la salida directa del modelo a través del propio código de distribución de NinjaChat, con el prompt impreso debajo. La única elección que hicimos fue qué cuatro clips mostrar por modelo, y esos son los mismos clips que aparecen en la página de cada modelo.