Kling 4 vs Veo 3.1 pour des personnages et produits cohérents

Veo 3.1 est le modèle vidéo de Google, doté d'un mode de référence que Google appelle Ingredients to Video. Il est disponible via les API de Google et via des fournisseurs comme fal.ai. Point à surveiller : dans l'API Gemini, les identifiants de modèle en préversion de Veo 3.1 ont atteint leur date d'arrêt annoncée, le 22 octobre 2026 (Google la présente comme la date au plus tôt). Le tableau des dépréciations de Google indique Gemini Omni Flash (gemini-omni-1.1-flash) comme remplaçant. Si vous appelez directement ces identifiants de préversion, vérifiez votre intégration dès maintenant.

Kling 4.0 a été lancé dans l'application Kling le 15 octobre 2026, après une phase d'accès anticipé commencée fin septembre. Son API développeur est annoncée comme bientôt disponible. fal.ai répertorie le modèle avec ses tarifs, mais l'accès à l'API y est également indiqué comme bientôt disponible.

Veo 3.1 accepte jusqu'à trois images de référence d'une même personne, d'un même personnage ou d'un même produit, selon la documentation de Google. Les références fonctionnent sur Veo 3.1 et Veo 3.1 Fast, pas sur Veo 3.1 Lite. Trois images impliquent de bien choisir : en général une vue de face, une vue trois quarts et un détail ou un profil.

Omni Reference de Kling 4.0 accepte jusqu'à 15 entrées au total : jusqu'à 10 images, jusqu'à 5 vidéos totalisant 30 secondes, jusqu'à 7 éléments et jusqu'à 3 profils vocaux, selon le guide de Kling. Les éléments permettent de définir plusieurs sujets à la fois, par exemple un présentateur et le produit qu'il tient, chacun avec ses propres images.

Pour un seul visage, trois bonnes images peuvent suffire. Pour deux personnages dans un même plan, ou un produit dont la face avant, l'arrière et l'étiquette comptent tous, la plus grande capacité est un vrai atout, à condition que Kling 4.0 exploite bien ces références supplémentaires. Nous ne l'avons pas encore testé.

Veo 3.1 génère 4, 6 ou 8 secondes, mais les générations avec images de référence doivent durer 8 secondes. La sortie est en 720p par défaut, avec 1080p et 4K uniquement pour 8 secondes, en 16:9 ou 9:16. L'audio est toujours généré. Un clip peut être prolongé par étapes de 7 secondes jusqu'à 148 secondes au total, mais la prolongation se fait en 720p.

Kling 4.0 génère de 3 à 30 secondes d'un seul tenant, en 720p, 1080p ou 4K, en 21:9, 16:9, 1:1 ou 9:16, avec un audio stéréo. Un mode d'images clés distinct accepte jusqu'à 10 images clés.

Sur fal.ai, Veo 3.1 en référence-vers-vidéo coûte 0,20 $ par seconde sans audio ou 0,40 $ avec audio en 720p ou 1080p, et 0,40 $ ou 0,60 $ en 4K. Un clip de 8 secondes en 1080p avec audio coûte 3,20 $.

fal.ai affiche Kling 4.0 à 0,157 $ par seconde en 720p et 0,235 $ en 1080p, mais comme l'API n'est pas ouverte, personne ne peut encore établir une comparaison de coûts en production. Pour référence, Kling 3.0 Omni sur fal.ai coûte de 0,084 $ à 0,14 $ par seconde, selon le palier et l'audio.

Veo 3.1 convient aux plans courts et soignés où un seul sujet doit rester fidèle : un plan produit héros de 8 secondes, une phrase d'ouverture d'un présentateur, un moment de personnage isolé. Il est disponible, documenté et tarifé, ce qui compte si vous livrez à des clients.

Sur le papier, Kling 4.0 est mieux adapté aux scènes à plusieurs sujets ou aux actions longues et continues : une mascotte avec un produit, un dialogue à deux personnages, une publicité de 20 à 30 secondes en une seule prise. Le hic, c'est l'accès. Tant que son API n'est pas ouverte, vous ne pouvez l'utiliser que dans l'application et les outils de Kling.

Nous n'avons pas fait passer les mêmes références dans les deux modèles, donc nous ne pouvons pas affirmer lequel conserve le plus fidèlement un visage ou un logo.

Choisissez Veo 3.1 pour un seul sujet par plan et des clips courts à produire dès aujourd'hui via une API. Réservez vos trois emplacements à une vue de face, une vue trois quarts et le détail le plus identifiant.

Attendez Kling 4.0, ou utilisez Kling 3.0 Omni en attendant, lorsque les plans demandent plus de trois angles, plus d'un sujet ou des prises plus longues.

RefVid suit la seconde voie. Il tourne aujourd'hui sur Kling 3.0 Omni, avec jusqu'à cinq images de référence par personnage ou produit, et passera à Kling 4.0 dès l'ouverture de son API. Il ne propose pas Veo 3.1.