Comparativa de generadores de vídeo con IA: Veo, Kling, Seedance, Wan, Hailuo y Runway

Qué compara esta página (y qué no)

Esta comparativa se basa solo en la documentación oficial de cada fabricante, comprobada en noviembre de 2026. No es un ranking: no hemos generado vídeos para puntuar la calidad, no incluimos precios (cambian a menudo y dependen del plan) y no decimos cuál es «el mejor». Lo que sí puedes sacar de aquí es qué hace cada modelo, cómo hay que escribirle y qué opciones tiene.

Sora no aparece porque OpenAI lo ha retirado: la API dejó de funcionar el 24 de septiembre de 2026. Si venías de Sora, mira la guía de alternativas.

Versiones vigentes

• Google Veo 3.1: Veo 3.1, Veo 3.1 Fast y Veo 3.1 Lite (esta última en preview). Google indica que Veo 3.1 Fast se retirará «el 17 de noviembre de 2026 o después».
• Kling: Kling 4.0 es la versión actual; Kling 3.0 y 3.0 Omni siguen disponibles.
• Seedance (ByteDance): Seedance 2.0 (estándar, fast y mini) y Seedance 2.5.
• Wan (Alibaba): Wan 3.0 es la más reciente, solo por API; Wan 2.7, 2.6 y 2.5 siguen en la API, y Wan 2.2 es la última versión con pesos abiertos.
• MiniMax Hailuo: MiniMax-H3 («Hailuo 3.0») es la actual; Hailuo 2.3, Hailuo-02 y T2V-01-Director siguen en la API.
• Runway: Gen-4.5 para generar y Aleph 2.0 para editar vídeo.

Modos y duración de clip

• Veo 3.1: texto a vídeo, imagen a vídeo, primer y último fotograma, imágenes de referencia (no en Lite) y extensión. Clips de 4, 6 u 8 s (con referencias, solo 8 s); la extensión añade 7 s por paso hasta 37 s. 16:9 o 9:16; 720p o 1080p, y 4K solo en el modelo estándar.
• Kling 4.0: dos modos que no se combinan, Omni Reference (por defecto, hasta 15 recursos) y Keyframes (hasta 10 fotogramas clave). Edición de hasta 5 clips y multiplano. De 3 a 30 s (10 s por defecto); 720p, 1080p o 4K; 21:9, 16:9, 1:1, 9:16 o automático.
• Kling 3.0: texto a vídeo, imagen a vídeo, fotogramas de inicio y fin, Elements (un personaje a partir de 2–4 imágenes o un vídeo) y hasta 6 planos. De 3 a 15 s; 720p o 1080p.
• Seedance 2.0: texto a vídeo, primer fotograma, primero y último, referencia omni (hasta 9 imágenes, 3 vídeos y 3 audios), edición y extensión. De 4 a 15 s; 480p y 720p (1080p y 4K solo en el estándar); de 21:9 a 9:16. No admite directamente referencias con caras humanas reales.
• Seedance 2.5: de 4 a 30 s, hasta 1080p en 10 bits y hasta 50 referencias; acepta guiones gráficos de hasta 15 viñetas.
• Wan 3.0: de 2 a 30 s, hasta 1080p, audio opcional y referencia omni. Wan 2.7: de 2 a 15 s, 720p o 1080p, cinco formatos. Wan 2.2 (abierto): sin sonido.
• MiniMax H3: texto a vídeo, primer y/o último fotograma, referencia (hasta 9 imágenes, 3 vídeos y 3 audios) y edición. De 4 a 15 s; 768p o 2K; 24 fps. Hailuo 02 y 2.3: clips de 6 o 10 s a 768p, o de 6 s a 1080p.
• Runway Gen-4.5: texto a vídeo e imagen a vídeo. Duraciones, formatos y límites no los hemos podido verificar en fuentes oficiales.

Audio y diálogo

• Veo 3.1: diálogo, efectos y ambiente nativos. Diálogo entre comillas con quien habla, «SFX:» para efectos y «Ambient noise:» para el ambiente.
• Kling 4.0: audio estéreo con sincronía labial en 9 idiomas, entre ellos el español. El diálogo va entre comillas, indicando el idioma y describiendo la voz. Kling 3.0 documenta cinco idiomas, también con español.
• Seedance 2.0: diálogo entre { }, efectos entre < >, música entre （ ） y un solo idioma por diálogo. Seedance 2.5 documenta 11 idiomas, incluido el español.
• Wan: las versiones 2.5 a 2.7 añaden música o efectos si no aportas audio; Wan 3.0 tiene audio opcional; Wan 2.2 y 2.1 no tienen sonido. Para la voz, el texto entre comillas más emoción, tono, velocidad, timbre y acento.
• MiniMax H3: diálogo en 11 idiomas, incluido el español, con etiquetas <d> y un ID por personaje. En Hailuo 02 y 2.3 el audio no está documentado.
• Runway Gen-4.5: la prensa habla de audio nativo, pero no lo hemos podido confirmar en la documentación oficial.

Idioma del prompt y negativos

• Veo 3.1: prompt en inglés, según la ficha del modelo. Tiene un campo aparte, negativePrompt, donde se escribe una lista de términos («text, watermark»), no frases con «no».
• Kling 4.0: su guía desaconseja los prompts negativos porque pueden aumentar los errores; solo admite exclusiones concretas como «sin subtítulos» o «sin música de fondo».
• Seedance: no hay campo de negativo. Se usan frases de restricción dentro del prompt, como «avoid generating any text or subtitles» o «do not generate a watermark».
• Wan: prompt y negativo en chino o inglés. Campo negative_prompt en la API (hasta 500 caracteres en 2.7) y frases como «No background music.» dentro del prompt. Ojo: en 2.7 un LLM reescribe tu prompt por defecto (prompt_extend).
• MiniMax H3: el paisaje sonoro va en inglés; los negativos no están documentados. MiniMax recomienda pasar antes el prompt por su reescritor H3-Context-IR.
• Runway Gen-4.5: su guía dice que las frases en negativo no están soportadas y pueden dar resultados imprevisibles o contrarios. Describe solo lo que sí debe pasar.

Si dudas, escribe la parte visual en inglés en todos los modelos y deja el diálogo en el idioma que quieras solo en los que documentan ese idioma.

Sintaxis propia de cada modelo

• Veo 3.1: estructura cinematografía + sujeto + acción + contexto + estilo; multiplano con marcas [00:00-00:02]; referencias del tipo «Using the provided images for…».
• Kling 4.0: recursos etiquetados como @Image1, @Video1 o @Element1, secuencia temporal «0–X s» y, para editar, «Edit @Video1 … keep everything else unchanged». En Kling 3.0, planos como «Shot 1 (3s):».
• Seedance: signos literales （ ） < > { } 【 】, planos «Shot 1 / Shot 2» con un solo movimiento de cámara cada uno y referencias «Image 1», «Video 1». En 2.5, tiempos por segundos enteros («0-3s, 3-7s»).
• Wan: descripción general seguida de «Shot 1 [0–3 s] … Shot 2 [3–6 s] …»; una etiqueta única para cada personaje y la acción antes del diálogo.
• MiniMax H3: secciones integrated_multimodal_description, overall_soundscape y non_diegetic_music; diálogo con (S1) y <d>[English] …</d>; cortes con «At 00:03.500». Hailuo 02 y 2.3: 15 comandos de cámara entre corchetes.
• Runway Gen-4.5: prosa en positivo; «locked-off» para la cámara fija; los movimientos complejos se describen por fases.

Dónde se puede usar cada uno

• Veo 3.1: versiones GA en Vertex AI. En la Gemini API, los modelos preview de Veo 3.1 se apagaron el 22 de octubre de 2026. El acceso desde la app de Gemini o desde Flow no lo hemos verificado. La API de Runway también ofrece Veo 3.1.
• Kling: web y app de kling.ai; la API de Runway lista Kling 4.0.
• Seedance: BytePlus ModelArk, Volcengine Ark, Dola y BytePlus Playground; también la API de Runway. Algunas fuentes lo sitúan además en Dreamina y CapCut.
• Wan: Wan 2.2 con pesos abiertos (licencia Apache 2.0) en GitHub; Wan 3.0 y 2.5–2.7 por API en Alibaba Model Studio; la API de Runway ofrece Wan 3.0.
• MiniMax Hailuo: H3 con pesos en Hugging Face bajo una licencia comunitaria propia, más la API de MiniMax y la de Runway. Según fuentes secundarias, también la app Hailuo.
• Runway: Gen-4.5 en planes de pago. Su API funciona además como punto de acceso a modelos de otros fabricantes.

El mismo prompt, escrito para cada modelo

La idea de partida: una ceramista de unos sesenta años saca del torno un cuenco recién esmaltado en su taller, al anochecer y con lluvia; dice una frase corta. Travelling lento hacia delante, luz cálida de lámpara, estilo documental y nada de texto en pantalla. Así se escribe en la forma que documenta cada fabricante:

Slow dolly-in, medium shot at eye level. A potter in her sixties with a clay-stained linen apron lifts a freshly glazed blue bowl from the wheel in a small workshop at dusk. Warm light from a single desk lamp, rain running down the window behind her. Documentary style, natural colours, soft focus on the background. The potter says quietly, "This one stays with me." SFX: the wheel slowing to a stop. Ambient noise: steady rain on the glass.

text, subtitles, watermark, logo

Scene: a small pottery workshop at dusk, rain running down the window, lit by a single warm desk lamp. Style: realistic, natural documentary look. Camera: medium shot at eye level with a slow push-in throughout.
0–4 s: a potter in her sixties with a clay-stained linen apron stops the wheel and lifts a freshly glazed blue bowl with both hands.
4–10 s: she turns the bowl toward the lamp, studies it and smiles.
Audio: steady rain on the glass and the wheel slowing down. Potter (calm, warm voice of a woman in her sixties, slow pace, Spanish): "Este me lo quedo." No subtitles, no background music.

A potter in her sixties with grey hair tied back and a clay-stained linen apron lifts a freshly glazed blue bowl from the wheel. Small pottery workshop at dusk, rain on the window. Warm light from a single desk lamp, soft shadows. Shot 1: medium shot, slow push-in as she lifts the bowl. Shot 2: close-up of her hands turning the bowl toward the lamp, camera fixed. Natural documentary style, realistic textures, high detail. The potter says {This one stays with me.} <rain tapping on glass> <the wheel slowing down> Avoid generating any text or subtitles. Do not generate a watermark or logo.

A potter in her sixties lifts a freshly glazed blue bowl from the wheel in a small workshop at dusk, rain on the window, warm desk-lamp light, documentary realism. Shot 1 [0–4 s] medium shot, the camera pushes in slowly as the potter stops the wheel and lifts the bowl. Shot 2 [4–8 s] close-up, fixed camera, the potter turns the bowl toward the lamp, then says "This one stays with me." in a calm, warm, unhurried voice with a soft, slightly husky timbre and a neutral accent. Sound: steady rain on the glass.

subtitles, on-screen text, watermark, background music

integrated_multimodal_description: [Shot 1] A medium shot frames a potter in her sixties lifting a freshly glazed blue bowl from the wheel in a small workshop at dusk, lit by a single warm desk lamp, rain running down the window; the camera pushes in with small amplitude at slow speed. At 00:04.000, the camera cuts to a close-up of the bowl turning in her hands as the potter (S1) says: <d>[English] This one stays with me.</d>
overall_soundscape: Steady rain taps on the window glass. A potter's wheel hums and slows to a stop.
non_diegetic_music: N/A

A potter in her sixties lifts a freshly glazed blue bowl from the wheel in a small workshop at dusk, warm lamp light and rain on the window [Push in], then turns the bowl toward the lamp and smiles [Static shot].

The camera dollies in slowly on a potter in her sixties as she lifts a freshly glazed blue bowl from the wheel in a small workshop at dusk. She turns the bowl toward a warm desk lamp and smiles. Rain runs down the window behind her. Natural documentary look, soft shadows, a clean frame showing only the workshop and the potter.

Fíjate en lo que cambia: el diálogo solo va en español donde el modelo documenta el español; los negativos van en campo aparte en Veo y Wan, como restricción en Seedance y Kling, y desaparecen en Runway; y en Hailuo 2.3 y Runway no pedimos sonido porque no está documentado.

Cuál probar según lo que necesites

No te decimos cuál es mejor, pero sí cuáles documentan la función que buscas:

• Diálogo en español: Kling 4.0 y 3.0, Seedance 2.5 y MiniMax H3 incluyen el español entre sus idiomas.
• Pesos abiertos para ejecutarlo por tu cuenta: Wan 2.2 (Apache 2.0, sin sonido). MiniMax H3 también publica pesos, con una licencia comunitaria propia que conviene leer.
• Clips largos en una sola generación: Kling 4.0, Seedance 2.5 y Wan 3.0 llegan a 30 s. Veo 3.1 alcanza 37 s encadenando extensiones.
• Un campo de negativo aparte: Veo 3.1 (negativePrompt) y Wan (negative_prompt).
• Muchas referencias de personaje o estilo: Seedance 2.5 (hasta 50), Kling 4.0 (hasta 15 recursos), Seedance 2.0 y H3 (hasta 9 imágenes, 3 vídeos y 3 audios).
• Control de cámara con comandos cerrados: Hailuo 02 y 2.3, con sus 15 comandos entre corchetes.
• Primer y último fotograma: Veo 3.1, Kling 3.0, Kling 4.0 (Keyframes), Seedance 2.0 y H3.
• Editar un vídeo que ya tienes: Kling 4.0, Seedance 2.0, H3 y Runway Aleph 2.0.
• Vídeo vertical 9:16: Veo 3.1, Kling 4.0, Seedance 2.0 y Wan 2.7 lo documentan.

Cómo compararlos tú mismo

• Usa la misma escena en todos, adaptada a la sintaxis de cada uno como en los ejemplos de arriba.
• Fija duración, formato y resolución iguales siempre que el modelo lo permita.
• Genera al menos dos o tres veces cada prompt: un solo resultado dice poco.
• Cambia una sola cosa entre intentos (la cámara, la luz, el diálogo) para saber qué ha mejorado.
• Anota la versión exacta del modelo y la fecha: los modelos cambian y tus notas caducan.

Para no reescribir la escena a mano en cada formato, PromptNow tiene un generador de prompts por modelo (Veo, Kling, Seedance, Wan, Hailuo y Runway): rellenas el formulario una vez y obtienes el prompt en la sintaxis de esa herramienta, con los campos aparte que tenga.