Veo 3.1 vs Seedance 2.5 vs Kling 3.0: ¿qué modelo de vídeo con IA hace mejores anuncios?

La pregunta que más nos hacen los profesionales del marketing de performance es alguna versión de "¿qué modelo de vídeo con IA debería usar para mis anuncios?". La respuesta honesta es que es la pregunta equivocada. No hay un único mejor modelo, y la clasificación cambia cada pocas semanas con cada nueva versión. Lo que importa es encajar el modelo con el plano. Un clip UGC de alguien hablando a cámara, un giro de producto de lucimiento y una pieza de motion estilizada premian cada uno un motor distinto.

En Hermoso enrutamos Veo 3.1, Seedance 2.5 y Kling 3.0 en producción, eligiendo en cada trabajo en lugar de apostarlo todo a uno. Esta es la visión de quien lo usa a diario: dónde se gana de verdad cada modelo su sitio en un anuncio, basándonos en los renders que entregamos y no en benchmarks publicados.

Veo 3.1: audio nativo y sincronía labial

Lo que distingue a Veo 3.1 para anuncios es que genera la voz de forma nativa, en la misma pasada que el metraje, así que labios y audio salen de un único proceso. Esa sola propiedad resuelve la señal más persistente del vídeo con IA: el aleteo de labios de película doblada que aparece cuando pegas un audio TTS a una boca generada por separado. La percepción humana caza ese desajuste sin piedad, y ningún etalonaje lo esconde.

Por eso Veo es nuestra opción por defecto en cuanto hay una boca en cámara que tiene que hablar: testimonios a cámara, piezas del fundador hablando a cámara, cualquier concepto UGC construido alrededor de alguien que habla. Cuando el formato es una persona diciendo una frase, la voz nativa con sincronía labial vale más que cualquier otra diferencia de calidad entre modelos.

La contrapartida es que Veo aplica una política de contenido más estricta. Tiende a bloquear de más con nombres de marca, parecidos con personas reales y cualquier cosa cercana al alcohol, lo que puede tumbar un prompt por lo demás limpio. En nuestro proceso, un rechazo ahí activa un cambio automático a otro modelo en lugar de un callejón sin salida. Aun así, conviene tenerlo en cuenta si el plano depende de una marca concreta o de una cara reconocible.

Seedance 2.5: audio nativo, una toma continua y coherencia a partir de referencias

Seedance 2.5 es nuestro caballo de batalla para los planos de los que viven los anuncios: el producto en una mano real, girado, apoyado, vertido. Si le das una foto real del producto como referencia, mantiene la identidad del objeto real sorprendentemente bien (la forma de la botella, la geometría de la etiqueta, el color exacto) en lugar de inventarse un primo creíble como hace un prompt de texto sin referencia. Para creatividad DTC y de gran consumo, donde el producto en pantalla tiene que ser el de la estantería, esa fidelidad de referencia a vídeo lo es todo.

Lo segundo que hace Seedance y que encaja con los anuncios es la textura. Genera un grano convincente de cámara de móvil en mano: ese carácter de captura un poco imperfecto y sin glamour que se lee como UGC auténtico y no como un anuncio de tele pulido. Oriéntalo hacia piel mate y luz neutra y consigue ese aspecto de "alguien lo grabó con su móvil" mejor que las alternativas.

Dos propiedades más completan el paquete. Seedance genera el audio de forma nativa (voz, ambiente de la sala, los sonidos incidentales de la escena) en la misma pasada que el metraje, así que un spot UGC puede salir ya hablando, con un ambiente que de verdad corresponde a la sala, en lugar de un clip mudo esperando un doblaje. El audio viene activado por defecto y cuesta lo mismo tanto si lo dejas activado como si no. Y toma la fotografía de una persona real y la anima de forma fotorrealista: dale una cara sobre la que tengas los derechos y esa es la persona que sale en cámara, con textura de piel real, no una versión estilizada. Su principal límite es el que comparten todos los modelos (ver movimiento, más abajo): no le pidas que lance ni deje caer nada.

Treinta segundos en una sola toma sin cortes

La otra razón por la que Seedance 2.5 es nuestro modelo por defecto es la duración. Le pedimos treinta segundos. Nos dio 30,08: una sola toma continua, con sonido y cero cortes. No treinta segundos montados a partir de clips. Treinta segundos en los que la cámara simplemente no se detuvo nunca.

Para la creatividad publicitaria eso es más importante de lo que suena una mejora de especificaciones. Quince segundos han sido el techo práctico de una toma generada desde que existe esta categoría, así que todo lo que fuera más largo se cosía: renderizar los momentos por separado, igualar la luz, esconder las uniones. Las costuras son donde un anuncio con IA se delata. El etalonaje cambia un tono, el ambiente desaparece un fotograma, el pelo del actor se recoloca entre momentos. Una sola pasada de treinta segundos elimina las costuras porque elimina el cosido. Un pre-roll completo, toda la historia de un producto, una demo con principio y final pueden ir como un único plano continuo.

Renderiza a 480p, 720p y 1080p, así que un spot principal puede terminar en full HD en la misma toma única. El anterior Seedance 2.0 sigue en el catálogo, con un límite de quince segundos, y ahora lo reservamos para objetos, comida y b-roll: con personas se nota a la legua que es IA, con piel de cera y luz brillante, que es justo el aspecto que 2.5 corrigió. La duración, la resolución y si tiene que aparecer una cara real son tres preguntas distintas, y el enrutamiento existe para que nunca tengas que responderlas a mano.

Kling 3.0: identidad a partir de una cara, la misma persona en cada render

El gran punto fuerte de Kling 3.0 para anuncios es la identidad. Dale una imagen de referencia de una cara y mantiene a esa persona, con los mismos rasgos y la misma presencia, entre tomas y entre renders. Eso da a los equipos de performance lo que de verdad quieren de los actores con IA: un creador recurrente. La cara que protagonizó el hook ganador de la semana pasada puede protagonizar las tres variaciones de esta, así que tu audiencia se encuentra con alguien conocido en lugar de con un desconocido en cada anuncio. Un miembro del reparto ganador se convierte en un activo que reutilizas, no en una tirada de dados única.

El resto del paquete 3.0 también encaja con los anuncios. Igual que Seedance, genera el audio de forma nativa en la misma pasada que el metraje. Llega hasta quince segundos y puede cortar entre varios planos dentro de un mismo clip, así que una secuencia corta con guion vuelve como un solo archivo. Y la imagen a vídeo que hizo populares a los Kling anteriores sigue siendo excelente: parte de una imagen fija (una foto de producto, un fotograma clave, una pieza de arte de marca) y le añade un movimiento creíble, movimientos de cámara y un dinamismo controlado, en lugar de mover apenas una imagen casi estática.

Donde tenemos cuidado con todos los modelos, Kling incluido, es con el movimiento balístico: un objeto en vuelo libre de verdad bajo la gravedad. Una botella lanzada se queda suspendida un instante de más, gira a ritmo constante, aterriza sin peso. No es una debilidad propia de Kling; la masa y la inercia siguen siendo difíciles para todos. La solución es la coreografía, no la elección de modelo. Que los productos se sostengan, giren, apoyen, viertan: movimientos en los que una mano lleva el objeto y el modelo nunca tiene que resolver la gravedad solo.

Entonces, ¿cuál gana?

Una regla de decisión aproximada, tal como la aplicamos de verdad:

• Alguien habla a cámara y el primer plano importa → Veo 3.1, por la voz nativa con sincronía labial.
• Producto real, sostenido o manipulado, grano UGC → Seedance 2.5, basado en una foto real del producto.
• Un spot largo sin ningún corte, de hasta treinta segundos → Seedance 2.5, que mantiene una toma continua de principio a fin, hasta 1080p.
• La misma cara en toda una campaña, o movimiento añadido a una imagen fija → Kling 3.0, anclado a una referencia de cara.

La razón por la que esto sigue siendo una regla práctica y no una ley es que los modelos no paran de adelantarse unos a otros. Una nueva versión puede darle a un modelo un punto fuerte que antes era de otro. Justo por eso no pedimos a los usuarios que elijan: Hermoso envía cada trabajo al modelo que mejor encaja con ese plano y reajusta el enrutamiento a medida que salen versiones, así que la elección de arriba ocurre de forma automática, en cada render, sin que tengas que seguir un changelog.

Para una visión más amplia, probamos un mismo prompt publicitario en diez modelos de video, estos tres incluidos, con el precio de cada clip: 10 modelos de video con IA, un prompt. Lo que cuesta cada uno se desglosa en Precio de Veo 3, Precio de Seedance y Precio de Kling AI.

Y la elección de modelo es, de todas formas, la mitad pequeña de un buen anuncio. Las señales que delatan un anuncio con IA (piel de cera, texto de etiqueta ilegible, un tono dorado de glamour, una física que ningún objeto cumple) son sobre todo decisiones de proceso que se toman antes y después de que el modelo se ejecute. El modelo rara vez es el culpable. El generador de anuncios con IA de Hermoso trae esas soluciones integradas: una capa de realismo antibrillo, fotos reales del producto compuestas en las escenas, todo el texto y los logos compuestos en postproducción y no pintados por el modelo, y voz nativa reservada para las bocas en cámara. El modelo se elige por ti; el oficio viene incluido.

Por debajo, el mismo Studio también investiga lo que ya funciona en tu mercado en las bibliotecas de anuncios de Meta, Google y LinkedIn y en el TikTok orgánico, así que los conceptos parten de creatividades probadas antes de renderizar un solo fotograma. El plan gratuito no pide tarjeta, y la app te muestra el coste exacto antes de cada render. La forma más rápida de zanjar el debate de los modelos es generar un anuncio con tu propio producto y juzgar el resultado. El enrutamiento ya habrá elegido por ti.

Preguntas frecuentes

¿Qué modelo de vídeo con IA es mejor para anuncios?

No hay uno mejor. Veo 3.1 lidera en audio nativo y sincronía labial para la voz en cámara; Seedance 2.5, en fidelidad de producto a partir de referencias, audio nativo y duración de una sola toma (30 segundos medidos sin un solo corte); y Kling 3.0, en identidad a partir de una cara, la misma persona en todos los renders, además de imagen a vídeo. La elección correcta depende del plano, y la clasificación cambia con cada lanzamiento. Hermoso envía cada trabajo al modelo que mejor encaja.

¿Cuánto puede durar una sola toma generada con IA?

Treinta segundos, con Seedance 2.5. Pedimos treinta y medimos 30,08 en un solo plano continuo con audio nativo y sin cortes. Antes el techo eran quince segundos, y por eso los anuncios más largos se han cosido a partir de varios clips. Una sola pasada significa que no hay costura que esconder: ni cambio de etalonaje, ni ambiente que desaparece entre momentos. Renderiza hasta 1080p, así que incluso un spot en full HD puede ir en una sola toma.

¿Qué modelo tiene la mejor sincronía labial?

Según nuestra experiencia, Veo 3.1, porque genera la voz de forma nativa en la misma pasada que el metraje, así que labios y audio salen de un único proceso. El aleteo de labios inquietante viene de doblar un TTS generado aparte sobre una boca renderizada, así que reserva eso para los planos en los que no se ve ninguna boca.

¿Qué modelo mantiene bien mi producto real?

Seedance 2.5 mantiene bien la identidad del producto cuando le das una foto real como referencia y el objeto se compone dentro de la escena. Los prompts de texto describen categorías; las imágenes de referencia fijan la identidad, y por eso basarte en una foto auténtica funciona mejor que describir el producto con palabras.

¿Qué modelo mantiene al mismo actor en toda una campaña?

Kling 3.0. Dale una referencia de cara y mantiene la identidad de esa persona entre renders, así que un creador recurrente puede protagonizar toda una serie de anuncios en lugar de que aparezca una cara nueva en cada spot.

¿Por qué los vídeos con IA fallan con objetos lanzados o que se caen?

El movimiento balístico (un objeto en vuelo libre bajo la gravedad) es donde la física de todos los modelos actuales todavía se rompe a la vista, uses el que uses. Coreografía alrededor de eso: que los productos se sostengan, giren, apoyen o viertan, para que una mano lleve el objeto y el modelo nunca tenga que resolver la gravedad por su cuenta.

¿Tengo que elegir yo el modelo en Hermoso?

No. Hermoso envía cada render al modelo que mejor encaja con ese plano y reajusta el enrutamiento a medida que salen nuevas versiones, así que nunca tienes que seguir un changelog ni elegir un modelo. Tú describes el anuncio; el enrutamiento se encarga del resto.