Kling 4 vs Veo 3.1 para personagens e produtos consistentes

O Veo 3.1 é o modelo de vídeo do Google e tem um modo de referência que o Google chama de Ingredients to Video. Ele está disponível nas APIs do Google e em provedores como o fal.ai. Um ponto de atenção: na API Gemini, os IDs de modelo de prévia do Veo 3.1 atingiram a data de desativação listada, 22 de outubro de 2026 (o Google informa essa como a data mais próxima possível). A tabela de descontinuações do Google indica o Gemini Omni Flash (gemini-omni-1.1-flash) como substituto. Se você chama os IDs de prévia diretamente, verifique sua integração agora.

O Kling 4.0 foi lançado no app da Kling em 15 de outubro de 2026, depois de uma fase de acesso antecipado que começou no fim de setembro. A API para desenvolvedores aparece como "em breve". O fal.ai lista o modelo com preços, mas o acesso à API também está marcado como "em breve" por lá.

O Veo 3.1 aceita até três imagens de referência de uma única pessoa, personagem ou produto, segundo a documentação do Google. As referências funcionam no Veo 3.1 e no Veo 3.1 Fast, mas não no Veo 3.1 Lite. Três imagens exigem escolha cuidadosa: normalmente uma vista frontal, uma vista de três quartos e um detalhe ou perfil.

O Omni Reference do Kling 4.0 aceita até 15 entradas no total: até 10 imagens, até 5 vídeos com 30 segundos somados, até 7 elementos e até 3 perfis de voz, segundo o guia da Kling. Os elementos permitem definir vários sujeitos ao mesmo tempo, como um apresentador e o produto que ele segura, cada um com suas próprias imagens.

Para um único rosto, três boas imagens podem bastar. Para dois personagens no mesmo plano, ou um produto em que frente, verso e rótulo importam, o orçamento maior é uma vantagem real, desde que o Kling 4.0 use bem as referências extras. Ainda não testamos isso.

O Veo 3.1 gera 4, 6 ou 8 segundos, mas gerações com imagens de referência precisam ter 8 segundos. A saída é 720p por padrão, com 1080p e 4K apenas em 8 segundos, em 16:9 ou 9:16. O áudio é sempre gerado. Um clipe pode ser estendido em etapas de 7 segundos até 148 segundos no total, mas a extensão roda em 720p.

O Kling 4.0 gera de 3 a 30 segundos em uma única passada, em 720p, 1080p ou 4K, nos formatos 21:9, 16:9, 1:1 ou 9:16, com áudio estéreo. Um modo separado de keyframes aceita até 10 keyframes.

No fal.ai, o Veo 3.1 de referência para vídeo custa US$ 0,20 por segundo sem áudio ou US$ 0,40 com áudio em 720p ou 1080p, e US$ 0,40 ou US$ 0,60 em 4K. Um clipe de 8 segundos em 1080p com áudio sai por US$ 3,20.

O fal.ai lista o Kling 4.0 a US$ 0,157 por segundo em 720p e US$ 0,235 em 1080p, mas como a API não está aberta, ninguém consegue fazer uma comparação de custo para produção ainda. Como referência, o Kling 3.0 Omni no fal.ai custa de US$ 0,084 a US$ 0,14 por segundo, conforme o plano e o áudio.

O Veo 3.1 combina com planos curtos e bem acabados em que um sujeito precisa sair certo: um plano-hero de produto de 8 segundos, a fala de abertura de um apresentador, um único momento de personagem. Ele está disponível, documentado e tem preço definido, o que importa se você entrega para clientes.

O Kling 4.0 é, no papel, a escolha melhor para vários sujeitos ou ações longas e contínuas: uma mascote com um produto, um diálogo entre dois personagens, um anúncio de 20 a 30 segundos em um único take. O problema é o acesso. Até a API abrir, você só pode usá-lo no próprio app e nas ferramentas da Kling.

Não passamos as mesmas referências pelos dois modelos, então não afirmamos qual mantém um rosto ou uma logo com mais fidelidade.

Escolha o Veo 3.1 para um sujeito por plano e clipes curtos que você precisa produzir hoje por API. Use suas três vagas para uma vista frontal, uma vista de três quartos e o detalhe mais identificador.

Espere pelo Kling 4.0, ou use o Kling 3.0 Omni enquanto isso, quando os planos exigirem mais de três ângulos, mais de um sujeito ou takes mais longos.

O RefVid segue o segundo caminho. Ele roda no Kling 3.0 Omni hoje, com até cinco imagens de referência por personagem ou produto, e vai migrar para o Kling 4.0 quando a API abrir. Ele não oferece o Veo 3.1.