Veo 3.1 vs Seedance 2.5: Wenige Referenzen oder viele

Veo 3.1 ist Googles Videomodell. In der Gemini API haben die Modell-IDs der Veo-3.1-Vorschau das angegebene Abschaltdatum 22. Oktober 2026 erreicht, laut der Tabelle der Gemini-API-Abkündigungen von Google (Google nennt es als frühestmögliches Datum). Dort wird Gemini Omni Flash (gemini-omni-1.1-flash) als Nachfolger genannt.

Veo 3.1 wird auch über Anbieter wie fal.ai angeboten. Laut der Referenz-zu-Video-Seite von fal.ai für Veo 3.1 wird dieser Endpunkt am 17. November 2026 abgekündigt. Prüfe deshalb deinen Anbieter, bevor du darauf aufbaust.

Seedance 2.5 ist ein Modell von ByteDance. Laut dem Seedance-2.5-Leitfaden von fal.ai vom 18. August 2026 ist es über die API von fal.ai mit Endpunkten für Text-zu-Video, Bild-zu-Video und Referenz-zu-Video verfügbar.

Veo 3.1 nimmt laut Googles Veo-Dokumentation vom Stand Oktober 2026 bis zu drei Referenzbilder an. Referenzen funktionieren bei Veo 3.1 und Veo 3.1 Fast, die Dokumentation führt sie für Veo 3.1 Lite jedoch nicht auf. Bei nur drei Plätzen wählst du die aussagekräftigsten Ansichten: meist von vorn, Dreiviertel und eine Nahaufnahme des charakteristischen Details.

Seedance 2.5 auf fal.ai nimmt laut dem Leitfaden von fal.ai vom Stand Oktober 2026 bis zu 30 Bilder, 10 Referenzvideos und 10 Audioclips, insgesamt 50 Dateien. Jede Video- oder Audiodatei läuft 1,8 bis 30,2 Sekunden, und jede Liste ist insgesamt auf 30,2 Sekunden begrenzt.

Im Seedance-Prompt wird jede Datei als @Image1, @Video1 oder @Audio1 benannt. So legst du fest, welches Bild die Figur, welches das Produkt und welches den Schauplatz zeigt. Ein Referenzvideo, in dem sich ein Produkt dreht oder eine Figur geht, liefert dem Modell Bewegungsinformationen, die Standbilder nicht enthalten können.

Der praktische Unterschied: Die drei Plätze von Veo 3.1 passen zu einem Motiv pro Einstellung. Seedance 2.5 bietet Platz für eine Figur, ein Produkt und ein Set in derselben Anfrage.

Veo 3.1 erzeugt 4, 6 oder 8 Sekunden, Clips mit Referenzbildern müssen laut Googles Veo-Dokumentation vom Stand Oktober 2026 aber 8 Sekunden lang sein. Standardmäßig wird in 720p ausgegeben, bei 8 Sekunden auch in 1080p und 4K, im Format 16:9 oder 9:16. Ton wird immer mit erzeugt. Ein Clip lässt sich in 7-Sekunden-Schritten auf insgesamt bis zu 148 Sekunden verlängern, in 720p.

Seedance 2.5 erzeugt laut dem Leitfaden von fal.ai vom Stand Oktober 2026 in einem Durchgang 4 bis 30 Sekunden oder eine vom Modell gewählte Länge. fal.ai nennt 480p und 720p sowie sieben Seitenverhältnisse: 21:9, 16:9, 4:3, 1:1, 3:4, 9:16 und auto. Der Ton entsteht zusammen mit dem Bild, und in doppelte Anführungszeichen gesetzte Dialoge kommen lippensynchron zurück. Bearbeiten und Verlängern laufen über denselben Referenzendpunkt.

Wenn du 1080p oder 4K brauchst, ist Veo 3.1 die richtige Wahl. Wenn du 15 bis 30 Sekunden ohne Schnitt brauchst, ist es Seedance 2.5.

Wir haben keine eigene Richtlinie von ByteDance zu echten Gesichtern in Seedance-2.5-Referenzen gefunden, daher machen wir dazu keine Aussage. Für Seedance 2.0 ist die Anbieterdokumentation eindeutig. Die Dokumentation von Venice AI vom Stand Oktober 2026 besagt, dass ein erkennbares menschliches Gesicht einen Einwilligungsschritt auslöst und eine wiedererkennbare Person des öffentlichen Lebens selbst mit Einwilligung abgelehnt wird.

Googles Veo-Dokumentation beschreibt Referenzbilder als Stil- und Inhaltsreferenzen, die Googles Sicherheitsfiltern unterliegen. Wenn dein Motiv ein echter Moderator oder Creator ist, teste beide Modelle mit deinen Referenzen, bevor du dich festlegst.

Auf fal.ai kostet Veo 3.1 Referenz-zu-Video laut Stand Oktober 2026 0,40 $ pro Sekunde mit Ton in 720p oder 1080p und 0,20 $ ohne Ton. In 4K sind es 0,60 $ mit Ton oder 0,40 $ ohne. Ein 8-Sekunden-Clip in 1080p mit Ton kostet 3,20 $.

Seedance 2.5 auf fal.ai wird nach Output-Tokens abgerechnet. Laut dem Leitfaden von fal.ai sind das Stand Oktober 2026 etwa 0,22 $ pro Sekunde in 480p und 0,47 $ pro Sekunde in 720p, mit oder ohne Ton. Ein 8-Sekunden-Clip in 720p kostet rund 3,80 $, ein 30-Sekunden-Clip in 720p etwa 14 $. Bild- und Audioreferenzen werden nicht berechnet, Videoreferenzen schon.

Wähle Veo 3.1 für Einstellungen mit einem Motiv, 8-Sekunden-Beats und Ausgabe in 1080p oder 4K. Produkt-Hero-Shots, Moderatoren-Intros und kurze Werbeschnitte passen gut dazu. Wenn die Auflösung wichtig ist, ist Veo 3.1 die stärkere Wahl.

Wähle Seedance 2.5 für Szenen mit mehreren festen Elementen, für Bewegungsreferenzen und für lange Einzeltakes von bis zu 30 Sekunden. Bei den Eingaben und der Länge ist es das flexiblere Modell, vorausgesetzt, dein Motiv erfüllt seine Gesichtsregeln und 720p reicht dir.

Wir haben nicht dieselben Referenzen in beide Modelle gegeben. Dieser Vergleich beruht daher auf veröffentlichten Funktionen und Regeln, nicht auf gemessener Treue.

RefVid betreibt keines der beiden Modelle. Es läuft mit Kling 3.0 Omni, mit 1 bis 5 Referenzfotos pro Motiv, bis zu 3 Motiven in einer Einstellung und Clips von 3 bis 15 Sekunden. Sobald seine API öffnet, wechselt es zu Kling 4 Omni Reference.