Kling vs Seedance: la misma toma en los dos

Kling lo hace Kuaishou, y Seedance lo hace Seed, el laboratorio de IA de ByteDance. Los dos convierten una foto en un video corto con sonido, y los dos están en el menú de modelos de Hook Studio. Casi todas las páginas que los comparan son tablas de especificaciones, y algunas vienen de las propias apps de los fabricantes. Esta es una prueba: el 14 de noviembre de 2026 pasamos las mismas tres tomas por Kling 3, Kling 4, Seedance 2 y Seedance 2.5, y guardamos cada clip, también los que fallaron.

• El mismo inicio. Cada toma partió de una imagen que aprobamos antes de cualquier clip, así que todos los modelos empezaron desde el mismo primer cuadro.
• Las mismas palabras. Un prompt por toma, palabra por palabra igual para todos los modelos, en el estilo orgánico de Hook Studio: grabado con un celular por alguien que estaba ahí. Los prompts van en inglés, tal como los mandamos.
• La misma duración. 5 segundos. Kling 3 solo genera en 1080p, así que corrió en 1080p. Los otros tres corrieron en 720p.
• Dos revisiones. La revisión de realismo de Hook Studio lee los cuadros y marca lo que se ve falso, y la revisión de sincronía compara la boca con la voz, frase por frase. Si un clip hizo lo que pedía el prompt es nuestra propia lectura de sus cuadros.
• Un clip por modelo. Sin repetir y sin escoger el mejor de tres. Un solo clip es una muestra, no un veredicto.

Las personas están hechas con IA y salen del elenco de Hook Studio: Camila, Marco y Nia. Cada clip empieza en la imagen de su toma. Los clips se reproducen sin sonido: toca el ícono de la bocina en un celular para oírlo.

Camila está sentada en la mesa de un café en la Ciudad de México y dice una frase con la voz propia del clip: sin voz en off y sin pasada de sincronía de labios después. Hicimos esta toma en Kling 3, Kling 4 y Seedance 2.5. El menú de modelos de Hook Studio describe a Seedance 2.5 como "actuación más natural", así que representó a Seedance aquí. El prompt, palabra por palabra, en inglés y con la frase en español:

Seated at the café table, she is already talking to her friend across the table in Mexican Spanish, calm and friendly, with a small natural nod; her hand stays near the cup. She says: "Misma foto, misma frase, otro modelo de IA. ¿Cuál se ve real?"

Hicimos los mismos tres clips en inglés, desde la misma imagen, con la frase "Same photo, same line, different AI model. Which one looks real?" El resultado se sostuvo. Kling 3 pasó otra vez, y en inglés su boca coincidió con la voz en las dos frases. Kling 4 falló: la mano de Camila deja la taza y barre la mesa, y luego pone cara de duda. Seedance 2.5 falló con una cara de sorpresa y la boca fruncida, y su voz se adelantó 0.3 s de 1.5 a 3.4 s. Los clips en inglés están en la versión en inglés de este post.

O sea, dos de tres modelos convirtieron una frase tranquila en actuación, en los dos idiomas. Kling 4 mantuvo la boca con la voz, y Seedance 2.5 se desfasó en ambos. Kling 3 tampoco es inmune: en nuestra guía de la florería, sus cuatro tomas habladas salieron sobreactuadas. Cuenta con repetir cualquier clip hablado, sea cual sea el modelo.

Marco sirve café de una jarra de vidrio en una taza verde y luego deja la jarra en la barra. Sin voz. Servir un líquido pone a prueba dos cosas a la vez: las manos y el líquido. Todos los modelos recibieron el mismo prompt:

He is already pouring: the coffee streams from the carafe into the green mug and the mug fills about halfway; then he sets the carafe down on the counter beside the mug. Calm, unhurried, no talking.

Kling 3, 1.5 s

Seedance 2, 4.8 s

Los dos clips de Seedance sirvieron lo que pedía el prompt: media taza de café negro. Kling 4 y Seedance 2.5 fueron los dos clips que publicaríamos. El clip más barato de la toma, el de Kling 3, cometió el error más raro: una persona que nunca estuvo en la imagen.

Esta toma pone a prueba la dirección: ¿el modelo hace lo que dice el prompt, en el orden en que lo dice? Nia está en su sala con una taza blanca. El prompt pide tres acciones, una tras otra, en 5 segundos: dar un sorbo, dejar la taza en el estante de la pared y saludar a cámara con las dos manos.

Three actions, in this order, starting at once: first she takes one sip from the white mug; then she steps toward the narrow wooden wall shelf at waist height and sets the mug down on it; then she turns back to the camera and waves with both hands, smiling. No talking.

La imagen

Kling 4, 4.8 s

Los cuatro modelos hicieron las tres acciones en el orden correcto, así que el orden no fue la diferencia. La diferencia estuvo en el fondo. Todos rehicieron el estante más largo y con dos correas cuando ella llegó a él, y la revisión solo reprobó a Kling 3 por eso. Kling 4 cambió la pintura, y la revisión no lo vio. Sea cual sea el modelo, pon el último cuadro del clip junto a su imagen antes de publicarlo.

Catorce clips: uno por modelo y por toma, con la toma hablada en dos idiomas. Cada casilla es el veredicto de la revisión de realismo. Seedance 2 no participó en la toma hablada.

Ningún modelo ganó todas las tomas. Kling 3 pasó la frase hablada dos veces y falló las dos tomas sin voz. Kling 4 y Seedance 2.5 hicieron lo contrario. Con una muestra tan chica, el patrón por tipo de toma dice más que los totales.

Los precios son créditos de Hook Studio por un clip de 5 segundos, al 14 de noviembre de 2026. Un clip más largo cuesta en proporción, y una imagen cuesta 11. Solo Kling 3 cuesta más cuando la persona habla con la voz propia del clip. En 1080p, Kling 3 es por mucho el modelo más barato del menú.

Seedance 2 Mini y Seedance 2 Fast son la forma barata de hacer borradores: 34 y 49 créditos en 480p. Úsalos para ver cómo se mueve una toma antes de pagar la versión final. El borrador de un clip de Kling 3 corre en Seedance 2 Mini a 480p, otro modelo, así que la versión final no se va a mover igual.

Kling 4 salió el 15 de octubre de 2026, y Seedance 2.5 el 31 de julio de 2026. Estas son las especificaciones de los propios fabricantes:

En Hook Studio, cada clip dura de 4 a 10 segundos y parte de una imagen aprobada, en todos los modelos. Los límites de referencias importan cuando usas un modelo en la app o la API de su fabricante. Con el proveedor que usa Hook Studio, los dos modelos de Kling no aceptan archivos de referencia, y los de Seedance sí.

En la tabla de imagen a video de Artificial Analysis, leída el 14 de noviembre de 2026, Seedance 2.5 quedó primero, Seedance 2.0 tercero y Kling 3.0 en el lugar 23. No encontramos Kling 4 en ella. Esa tabla ordena votos a ciegas entre clips cortos. No mide la sincronía de labios, el orden de las acciones ni el precio, que es lo que miró esta prueba.

• Una persona hablando a cámara, en español o en inglés: empieza con Kling 3. Fue el único modelo cuyos clips hablados pasaron aquí, en los dos idiomas, a 143 créditos con voz. Aun así, cuenta con repetirlo.
• Un producto en las manos, con líquido o detalles chicos: Seedance 2.5 o Kling 4. Los dos pasaron la toma del café. Seedance 2.5 sirvió bien el café por 197 créditos; Kling 4 cuesta 134.
• Varias acciones en un orden fijo: los cuatro respetaron el orden. Elige el que deja quieto el fondo: Seedance 2.5 fue el más limpio, y Seedance 2 pasó por 131.
• El precio más bajo en 1080p: Kling 3, 96 créditos sin voz. Revisa las orillas del cuadro por si aparecen personas de más u objetos que cambian.
• Una toma larga, o muchos archivos de referencia: Kling 4 y Seedance 2.5 llegan a 30 segundos en las apps de sus fabricantes, y Seedance 2.5 acepta más referencias.
• Un primer vistazo barato al movimiento: Seedance 2 Mini o Seedance 2 Fast.

Un reel no tiene que quedarse en un solo modelo. En Hook Studio cada clip corre en el modelo que eliges para él, así que un reel puede abrir con un gancho hablado en Kling 3 y cortar a una toma de producto en Seedance. Para hacer esta prueba con tu propia toma, sigue cómo elegir un modelo de video con IA. Para los modelos más allá de estos dos, mira qué modelo de video con IA usar para cada trabajo, realismo vs control y quién hace Kling, Seedance y Veo.