Kling 4 vs Veo 3.1 para personajes y productos consistentes

Veo 3.1 es el modelo de vídeo de Google, con un modo de referencia que Google llama Ingredients to Video. Está disponible a través de las APIs de Google y de proveedores como fal.ai. Ojo con un cambio: en la API de Gemini, los identificadores del modelo preview de Veo 3.1 llegaron a su fecha de retirada prevista, el 22 de octubre de 2026 (Google indica que es la fecha más temprana posible). Su tabla de obsolescencias señala Gemini Omni Flash (gemini-omni-1.1-flash) como sustituto. Si llamas directamente a los identificadores preview, revisa tu integración ya.

Kling 4.0 se lanzó en la app de Kling el 15 de octubre de 2026, tras una fase de acceso anticipado que empezó a finales de septiembre. Su API para desarrolladores figura como próximamente. fal.ai muestra el modelo con precios, pero el acceso a la API también aparece como próximamente.

Según la documentación de Google, Veo 3.1 acepta hasta tres imágenes de referencia de una misma persona, personaje o producto. Las referencias funcionan en Veo 3.1 y Veo 3.1 Fast, no en Veo 3.1 Lite. Tres imágenes obligan a elegir bien: lo habitual es una vista frontal, una vista de tres cuartos y un detalle o un perfil.

Según la guía de Kling, Omni Reference de Kling 4.0 admite hasta 15 entradas en total: hasta 10 imágenes, hasta 5 vídeos con 30 segundos combinados, hasta 7 elementos y hasta 3 perfiles de voz. Los elementos te permiten definir varios sujetos a la vez, por ejemplo un presentador y el producto que sostiene, cada uno con sus propias imágenes.

Para un solo rostro, tres buenas imágenes pueden bastar. Para dos personajes en un mismo plano, o un producto cuya parte frontal, trasera y etiqueta importan todas, el mayor margen es una ventaja real, siempre que Kling 4.0 aproveche bien las referencias extra. Todavía no lo hemos probado.

Veo 3.1 genera 4, 6 u 8 segundos, pero las generaciones con imágenes de referencia deben durar 8 segundos. La salida es 720p por defecto, con 1080p y 4K solo a 8 segundos, en 16:9 o 9:16. El audio siempre se genera. Un clip puede ampliarse en pasos de 7 segundos hasta 148 segundos en total, pero la ampliación se realiza a 720p.

Kling 4.0 genera de 3 a 30 segundos en una sola pasada, a 720p, 1080p o 4K, en 21:9, 16:9, 1:1 o 9:16, con audio estéreo. Un modo de fotogramas clave aparte admite hasta 10 fotogramas clave.

En fal.ai, Veo 3.1 de referencia a vídeo cuesta 0,20 $ por segundo sin audio o 0,40 $ con audio a 720p o 1080p, y 0,40 $ o 0,60 $ a 4K. Un clip de 8 segundos a 1080p con audio cuesta 3,20 $.

fal.ai muestra Kling 4.0 a 0,157 $ por segundo a 720p y 0,235 $ a 1080p, pero como la API no está abierta, nadie puede hacer todavía una comparativa de costes para producción. Como referencia, Kling 3.0 Omni en fal.ai cuesta entre 0,084 $ y 0,14 $ por segundo, según el nivel y el audio.

Veo 3.1 encaja en planos cortos y pulidos en los que un solo sujeto debe quedar bien: un plano principal de producto de 8 segundos, la frase de apertura de un presentador o un momento de un solo personaje. Está disponible, documentado y tiene precio, algo que importa si entregas a clientes.

Sobre el papel, Kling 4.0 encaja mejor con varios sujetos o con acción continua y larga: una mascota junto a un producto, un diálogo entre dos personajes o un anuncio de 20 a 30 segundos en una sola toma. La pega es el acceso. Hasta que abra su API, solo lo puedes usar en la app y las herramientas de Kling.

No hemos pasado las mismas referencias por ambos modelos, así que no afirmamos cuál mantiene con más fidelidad un rostro o un logotipo.

Elige Veo 3.1 si quieres un sujeto por plano y clips cortos que necesites producir hoy mismo a través de una API. Usa tus tres huecos para una vista frontal, una de tres cuartos y el detalle más identificativo.

Espera a Kling 4.0, o usa mientras tanto Kling 3.0 Omni, cuando los planos necesiten más de tres ángulos, más de un sujeto o tomas más largas.

RefVid sigue la segunda vía. Funciona hoy con Kling 3.0 Omni, con hasta cinco imágenes de referencia por personaje o producto, y pasará a Kling 4.0 cuando se abra su API. No ofrece Veo 3.1.