Kling vs Veo: Google pasó de Veo a Gemini Omni, así que probamos Kling y Omni con las mismas tomas

Casi todas las páginas de Kling vs Veo comparan Kling con Veo 3 o Veo 3.1. Desde el 22 de octubre de 2026, la API de Gemini de Google ya no da servicio a Veo 3.1: su página de modelos retirados marca los tres modelos preview de Veo 3.1 como apagados y nombra a Gemini Omni 1.2 Flash como reemplazo. Así que este post prueba el modelo de Google que sí puedes usar hoy. El 14 de noviembre de 2026, Hook Studio agregó Gemini Omni 1.2 Flash, y lo pasamos por las mismas tres tomas que ya habíamos hecho con Kling 3 y Kling 4. Guardamos cada clip, también los que fallaron.

Veo es el modelo de video de Google DeepMind. Veo 3.1 salió el 15 de octubre de 2025 en la API de Gemini, la app de Gemini y Flow. Sumó hasta tres imágenes de referencia, un primer y un último cuadro, extensión de escenas y sonido propio, en clips de 4, 6 u 8 segundos.

El 19 de mayo de 2026, en Google I/O, Google presentó Gemini Omni, una familia de modelos de video que reciben texto, imágenes, sonido y video. Omni 1.2 Flash quedó disponible para todos el 5 de noviembre de 2026: clips de 3 a 15 segundos, formato vertical 9:16, imagen a video, imágenes de referencia, primer y último cuadro, edición por conversación y lo que Google llama una sincronía de labios más clara, a US$0.07 por segundo en 720p según la lista de precios de Google. Google dice que todavía está mejorando en acción deportiva rápida, cambios rápidos de guion y física compleja. Cada clip de Omni lleva la marca de agua SynthID de Google.

Esa tabla sale de la página de modelos retirados de la API de Gemini, consultada el 14 de noviembre de 2026. Ahí Google nombra a Gemini Omni 1.2 Flash como reemplazo de cada modelo de Veo 3.1. Los propios posts de Google sobre Omni nunca dicen que reemplaza a Veo, y Veo 3.1 sigue en la plataforma Vertex de Google Cloud. Lo exacto es esto: Google movió su API de video de Veo a Omni.

Por qué Hook Studio agregó Omni y no Veo

En Hook Studio cada clip parte de una imagen que tú aprobaste. Así la persona, el lugar y la luz se mantienen iguales de una toma a otra. La API de Google acepta una imagen para Veo 3.1, pero el proveedor de video con el que trabaja Hook Studio ofrece Veo 3.1 solo a partir de texto, así que no podía partir de tu imagen. Gemini Omni 1.2 Flash sí parte de la imagen, genera su propio sonido y trabaja en vertical. Entró al menú de modelos de Hook Studio el 14 de noviembre de 2026 como "Gemini Omni · lo más nuevo de Google".

Quién los hace

• Kling lo hace Kuaishou, la empresa china detrás de las apps de video corto Kuaishou y Kwai. Kling 4 salió el 15 de octubre de 2026.
• Veo y Gemini Omni los hace Google DeepMind. Google los pone en YouTube Shorts, Flow, la app de Gemini y Google Vids.

Para los demás fabricantes, de ByteDance a Alibaba, lee quién hace Kling, Seedance y Veo.

• El mismo inicio. Cada toma partió de una imagen que aprobamos antes de cualquier clip, así que todos los modelos empezaron del mismo primer cuadro.
• Las mismas palabras. Un prompt por toma, idéntico para cada modelo, con el estilo orgánico de Hook Studio: grabado con el celular por alguien que estaba ahí.
• La misma duración. 5 segundos. Kling 3 solo genera en 1080p, así que corrió en 1080p. Kling 4 y Gemini Omni corrieron en 720p.
• Dos revisiones. La revisión de realismo de Hook Studio lee los cuadros y marca lo que se ve falso. La revisión de sincronía de labios 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 cada uno. Sin repeticiones y sin escoger el mejor de tres.

Las personas son personas de IA del elenco listo de Hook Studio: Camila, Marco y Nia. Cada clip empieza en la imagen de su toma. Los clips se reproducen sin sonido: toca el altavoz para escucharlos.

Camila está 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 pasar después por sincronía de labios. Google anuncia sonido propio para Veo 3.1 y una sincronía de labios más clara para Omni 1.2 Flash, así que esta es la toma para empezar. El prompt, tal cual, en inglés como lo escribimos:

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?". Gemini Omni volvió a pasar, con la boca en sincronía en las dos frases. Kling 3 también pasó y quedó en sincronía. Kling 4 falló: la mano se fue por la mesa y la cara terminó en un gesto de duda con el ceño fruncido. Los clips en inglés están en la versión en inglés de este post.

Así que el clip más barato de la prueba fue también el único que pasó y quedó en sincronía en los dos idiomas. Es un clip por idioma. Kling 3 es el siguiente que conviene probar: también pasó los dos. Kling 4 mantuvo la boca con la voz, pero convirtió una frase tranquila en una actuación, en los dos idiomas.

Marco sirve café de una jarra de vidrio en una taza verde y luego deja la jarra en la barra. Sin sonido. El líquido, el vidrio y las manos muestran cómo un modelo maneja la física.

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.

Nia recibe tres instrucciones en un solo prompt: tomar un sorbo, dejar la taza en la repisa y luego voltear y saludar con las dos manos. Esta toma prueba si un modelo sigue indicaciones y si el cuarto sigue siendo el mismo mientras lo hace.

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.

Los tres hicieron las tres acciones en el orden correcto. Lo que los separó fue el cuarto. En la imagen, la repisa es pequeña y tiene una sola correa. Kling 3 la convirtió en una repisa larga de dos correas y perdió la taza, y la revisión de realismo lo reprobó. Kling 4 pasó, pero apareció una mancha amarilla en el cuadro de atrás, algo que la revisión no vio. Gemini Omni dejó la repisa pequeña y con una correa: según nuestra lectura de los cuadros, fue el único modelo de toda la prueba, Seedance incluido, que lo logró. Sus notas: la repisa cuelga a la altura del pecho y no de la cintura, y el saludo es un poco grande. También aparecen adornos nuevos en la orilla derecha cuando se mueve la cámara: una rama de eucalipto y libros en la mesa lateral.

Los precios están en créditos. Una recarga es de US$1 por 100 créditos, así que un clip de Gemini Omni de 5 segundos en 720p sale en unos 60 centavos de dólar, y uno de Kling 3 con voz en unos US$1.43. Ves el precio en una tarjeta antes de que corra cualquier clip. Veo 3.1 no está en Hook Studio.

En Hook Studio cada clip parte de tu imagen aprobada; los archivos de referencia de la tabla son lo que cada modelo recibe en las herramientas de su fabricante.

Qué dicen los rankings

En la arena de video de Artificial Analysis, consultada el 14 de noviembre de 2026, Gemini Omni Flash 1.2 quedó en el lugar 5 de texto a video y en el 14 de imagen a video. Kling 3.0 quedó en el 22 y el 23. Veo 3.1 quedó en el 25 y el 27. No encontramos Kling 4 en esas páginas. La arena ordena votos a ciegas sobre clips cortos. No mide si un clip siguió tu prompt, si mantuvo a tu personaje ni cuánto costó, y por eso hacemos nuestras propias tomas.

• Una persona hablando a cámara, en español o en inglés: empieza con Gemini Omni, 60 créditos en 720p u 89 en 1080p. Fue el único modelo de esta prueba que pasó y quedó en sincronía en los dos idiomas. Kling 3 es el siguiente que conviene probar, a 143. Cuenta con repetir cualquier clip hablado.
• Un producto en las manos, con líquido o detalles pequeños: Kling 4 pasó el café, a 134 créditos. Gemini Omni sirvió bien y luego sobreactuó, así que revisa el último segundo de cada clip de Omni.
• Varias acciones en un orden fijo: los tres respetaron el orden. Gemini Omni dejó el cuarto más parecido a la imagen; Kling 4 pasó, pero cambió el cuadro.
• Una sola toma larga: Kling 4 llega a 30 segundos en la app de Kling. Gemini Omni llega a 15 y Veo 3.1 a 8 por clip. En Hook Studio cada clip dura de 4 a 10 segundos.
• Si necesitas Veo 3.1 en sí: sigue en la plataforma Vertex de Google Cloud. No está en Hook Studio.

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 Gemini Omni y cortar a una toma de producto en Kling 4. Para Seedance con las mismas tres tomas, lee Kling vs Seedance. Para entender por qué el modelo más realista no siempre es el indicado, lee realismo vs control. Para hacer una prueba así con tus propias tomas, sigue cómo elegir un modelo de video con IA, y para un modelo por cada tipo de toma, lee cuál es la mejor IA para crear videos.