Veo 3.1 vs Seedance 2.5: pocas referencias o muchas

Veo 3.1 es el modelo de video de Google. En la API de Gemini, los IDs del modelo Veo 3.1 en preview llegaron a su fecha de cierre anunciada, el 22 de octubre de 2026, según la tabla de obsolescencias de la API de Gemini de Google (Google la indica como la fecha más temprana posible). Esa misma tabla señala a Gemini Omni Flash (gemini-omni-1.1-flash) como sustituto.

Veo 3.1 también se ofrece a través de proveedores como fal.ai. La página de referencia-a-video de Veo 3.1 en fal.ai indica que ese endpoint quedará obsoleto el 17 de noviembre de 2026, así que revisa tu proveedor antes de construir sobre él.

Seedance 2.5 es un modelo de ByteDance. Según la guía de Seedance 2.5 de fal.ai, fechada el 18 de agosto de 2026, está disponible en la API de fal.ai con endpoints de texto-a-video, imagen-a-video y referencia-a-video.

Veo 3.1 acepta hasta tres imágenes de referencia, según la documentación de Veo de Google a octubre de 2026. Las referencias funcionan en Veo 3.1 y Veo 3.1 Fast; la documentación indica que no están disponibles en Veo 3.1 Lite. Con tres huecos, elige las vistas más informativas: normalmente frontal, tres cuartos y un primer plano del detalle que identifica al sujeto.

Seedance 2.5 en fal.ai acepta hasta 30 imágenes, 10 videos de referencia y 10 clips de audio, 50 archivos en total, según la guía de fal.ai a octubre de 2026. Cada archivo de video o audio dura entre 1,8 y 30,2 segundos, y cada lista está limitada a 30,2 segundos combinados.

En el prompt de Seedance, cada archivo se nombra como @Image1, @Video1 o @Audio1, así que puedes indicar qué imagen es el personaje, cuál el producto y cuál el escenario. Un video de referencia de un producto que gira, o del paso de un personaje, aporta al modelo información de movimiento que las imágenes fijas no pueden dar.

La diferencia práctica: los tres huecos de Veo 3.1 encajan con un sujeto por plano. Seedance 2.5 tiene espacio para un personaje, un producto y un escenario en la misma petición.

Veo 3.1 genera 4, 6 u 8 segundos, pero los clips con imágenes de referencia deben durar 8 segundos, según la documentación de Veo de Google a octubre de 2026. La salida es 720p por defecto, con 1080p y 4K a 8 segundos, en 16:9 o 9:16. El audio siempre se genera. Un clip se puede extender en pasos de 7 segundos hasta 148 segundos en total, a 720p.

Seedance 2.5 genera de 4 a 30 segundos en una sola pasada, o una duración que elige el modelo, según la guía de fal.ai a octubre de 2026. fal.ai ofrece salida en 480p y 720p y siete relaciones de aspecto: 21:9, 16:9, 4:3, 1:1, 3:4, 9:16 y auto. El audio se genera junto con la imagen, y los diálogos escritos entre comillas dobles vuelven sincronizados. La edición y la extensión pasan por el mismo endpoint de referencia.

Si necesitas 1080p o 4K, Veo 3.1 es la opción. Si necesitas de 15 a 30 segundos sin corte, Seedance 2.5 es la opción.

No encontramos la política propia de ByteDance sobre rostros reales en las referencias de Seedance 2.5, así que no hacemos ninguna afirmación al respecto. Para Seedance 2.0, la documentación de los proveedores es explícita. La documentación de Venice AI a octubre de 2026 indica que un rostro humano detectable activa un paso de consentimiento, y que una figura pública reconocible se rechaza incluso con consentimiento.

La documentación de Veo de Google describe las imágenes de referencia como referencias de estilo y contenido, sujetas a los filtros de seguridad de Google. Si tu sujeto es un presentador o creador real, prueba ambos modelos con tus referencias antes de decidirte por uno.

En fal.ai, Veo 3.1 referencia-a-video cuesta 0,40 $ por segundo con audio a 720p o 1080p, y 0,20 $ sin audio, a octubre de 2026. A 4K cuesta 0,60 $ con audio o 0,40 $ sin audio. Un clip de 8 segundos a 1080p con audio cuesta 3,20 $.

Seedance 2.5 en fal.ai se factura por tokens de salida, que la guía de fal.ai sitúa en unos 0,22 $ por segundo a 480p y 0,47 $ por segundo a 720p a octubre de 2026, con audio activado o desactivado. Un clip de 8 segundos a 720p cuesta unos 3,80 $, y uno de 30 segundos a 720p unos 14 $. Las referencias de imagen y audio no se cobran; el video de referencia sí.

Elige Veo 3.1 para planos de un solo sujeto, bloques de 8 segundos y entregas en 1080p o 4K. Encaja bien en planos de producto destacados, presentaciones de presentadores y cortes publicitarios breves. Veo 3.1 es la opción más sólida cuando la resolución importa.

Elige Seedance 2.5 para escenas con varios elementos fijos, para referencias de movimiento y para tomas únicas largas de hasta 30 segundos. Es el modelo más flexible en entradas y duración, si tu sujeto cumple sus normas sobre rostros y si 720p te basta.

No hemos probado las mismas referencias en ambos, así que esto es una comparación de capacidades y normas publicadas, no de fidelidad medida.

RefVid no usa ninguno de los dos modelos. Usa Kling 3.0 Omni, con 1 a 5 fotos de referencia por sujeto, hasta 3 sujetos en un mismo plano y clips de 3 a 15 segundos, y cambiará a Kling 4 Omni Reference cuando se abra su API.