Realismo vs control: el modelo de video con IA más realista no siempre es el indicado

El modelo de video con IA más realista no siempre es el indicado, porque el realismo y el control son dos habilidades distintas. El realismo es si un clip pasa por un video real grabado con el cel: una cara que se mueve como alguien que habla, café que cae como café, objetos que no cambian de forma. El control es si el clip hace lo que pediste: las acciones de tu prompt, en tu orden, en el cuarto que aprobaste en la imagen.

Este post muestra esa diferencia con tomas reales, no con un ranking. El 14 de noviembre de 2026 pasamos tres escenas por cuatro modelos de video en Hook Studio: Kling 3, Kling 4, Seedance 2 y Seedance 2.5. Cada modelo recibió la misma imagen aprobada y el mismo prompt, para una sola toma de 5 segundos. Cada clip de abajo es la toma tal como salió, con lo que dijo la revisión de realismo de Hook Studio. Camila, Marco y Nia son personas hechas con IA del elenco listo de Hook Studio.

• Realismo: el clip pasa por un video real. La cara se mueve como alguien que habla, no como alguien que actúa. Las manos, los líquidos y los objetos se comportan. Nada aparece, desaparece ni cambia de forma. La cámara se mueve como una mano que sostiene un cel.
• Control: el clip hace lo que pediste. Las acciones de tu prompt pasan, en tu orden. Las palabras caen en sincronía con la boca. El encuadre y la cámara se quedan como los escribiste. Los objetos se quedan donde los puso la imagen.

Las dos se cruzan. Una cara que hace gestos exagerados en una frase que el prompt pidió tranquila falla las dos: ignora la indicación y se nota que es IA. Un estante que crece a la mitad del clip también falla las dos. Pero un modelo puede ser fuerte en una prueba y débil en la otra, y nuestras tomas lo muestran.

Qué mide un ranking

Los rankings públicos ordenan los modelos por votos a ciegas: la gente ve dos clips y elige el que le gusta más (Artificial Analysis). El 14 de noviembre de 2026, Seedance 2.5 iba primero en el ranking de imagen a video de Artificial Analysis y Kling 3.0 iba en el lugar 23. En nuestra prueba hablada el orden se volteó: Kling 3 hizo las únicas tomas que pasaron. Un ranking te dice qué clips les gustaron más a los votantes en promedio. No te dice qué modelo resuelve tu escena.

Los fabricantes venden esa misma división. Kling pone los personajes estables y el movimiento basado en física entre las fortalezas de Kling 3.0 (Kling). ByteDance vende Seedance 2.0 por su "control a nivel de director" sobre la cámara, la actuación y la luz (ByteDance Seed). Para saber quién hace cada modelo, lee quién hace Kling, Seedance y Veo.

• Tres escenas, cada una desde una imagen aprobada: Camila dice una frase en la mesa de un café, en inglés y en español. Marco sirve café en una taza. Nia hace tres acciones seguidas en su sala.
• Lo mismo para cada modelo: la misma imagen y el mismo prompt, 5 segundos, una toma cada uno, sin repetir.
• Resolución: Kling 3 solo genera en 1080p. Kling 4, Seedance 2 y Seedance 2.5 corrieron en 720p.
• Seedance 2 no hizo la escena hablada. Corrió en las dos escenas de acción.
• Los veredictos: cada clip pasó por la revisión de realismo de Hook Studio, que marca lo que se ve falso. No califica si el clip siguió el prompt, así que los veredictos de dirección de abajo son nuestros, revisando cuadro por cuadro.

Camila está sentada en la mesa de un café en la Ciudad de México y le dice una frase a la amiga que la graba. Pasamos la frase por Kling 3, Kling 4 y Seedance 2.5, en inglés y en español, con la voz propia del clip. Mandamos el prompt en inglés, con la frase en español. Este es, palabra por palabra:

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?"

Camera: her friend, sitting across the table, eye level, handheld phone, slight natural hand sway. 5 seconds, with speech.

Kling 3 fue el único modelo cuyas tomas habladas pasaron, en los dos idiomas. Kling 4 mantuvo cada frase en sincronía y aun así reprobó por la cara. Seedance 2.5 reprobó en las dos cosas.

Una ronda es una muestra, no una regla. El 6 de noviembre, en la sesión de nuestra guía para hacer videos con IA, cuatro tomas habladas seguidas de Kling 3 reprobaron la misma revisión por sobreactuar. Juzga cada toma, no el nombre del modelo.

Tres acciones, en orden

Nia sostiene una taza en su sala. El prompt pide tres acciones en un orden fijo: un trago, la taza al estante de la pared y luego un saludo 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.

Camera: her friend, standing about two meters in front of her in the living room, eye level, handheld phone. 5 seconds, no sound.

Los cuatro modelos hicieron las tres acciones en el orden correcto. La diferencia fue lo que cada uno rompió en el camino.

El estante confundió a todos los modelos. En la imagen tiene una sola correa, y los cuatro lo rehicieron como un estante más largo con dos correas cuando Nia llegó a él. La revisión solo reprobó a Kling 3 por eso, la toma donde además desapareció la taza.

El café servido

Marco sirve café de una jarra de vidrio en una taza hasta la mitad, y luego deja la jarra en la barra. Tranquilo, sin hablar, grabado por su roomie desde el otro lado de la barra.

Seedance 2 muestra la diferencia dentro de un solo clip: el café más creíble de los cuatro y una cámara que se fue por su lado. Kling 3 la muestra en toda la prueba: las caras que sí publicarías y las escenas que no.

Le decimos la revisión en dos pasadas. Hazla con cada toma antes de quedártela.

1. 1Pasada 1, realismo, sin sonido. Mira la toma al tamaño del cel. Ve primero la cara: ¿alguien haría esa cara en ese momento? Luego las manos, cualquier líquido y todo lo que crece, aparece o desaparece. Luego la cámara: ¿se mueve como una mano o se va sola?
2. 2Pasada 2, control, con el prompt al lado. Palomea cada acción de tu prompt, en orden. Prende el sonido y revisa que la boca coincida con las palabras. Después pon la imagen junto al último cuadro y compara los objetos uno por uno.
3. 3Revisa el último segundo. Tres de los problemas de nuestra prueba cayeron ahí: los desfases de lip-sync en español de Kling 3 y Seedance 2.5, del segundo 4.0 al 4.9, y la taza que desapareció del estante en Kling 3.
4. 4No te quedes con la revisión automática. La revisión de realismo de Hook Studio aprobó la toma de Kling 4 en la que cambió la pintura. Dos cuadros lado a lado lo mostraron.

• Separa las escenas. Marca cada escena de tu reel como hablada (una cara dice una frase) o de acción (manos, un producto, algo que pasa).
• Las escenas habladas van en el modelo cuyas caras pasan. En nuestra prueba fue Kling 3, a 143 créditos por 5 segundos con voz.
• Las escenas de acción van en el modelo que hace los pasos y respeta la escena. En nuestra prueba fue Seedance 2.5, a 197 créditos. Kling 4 pasó la revisión en las dos escenas de acción por 63 créditos menos, con una pintura que cambió.
• Mezcla modelos en un mismo reel. Cada escena es su propio clip desde su propia imagen, así que el gancho puede ir en un modelo y la escena del producto en otro. En Hook Studio eliges el modelo de video debajo de la caja de mensajes, y lo puedes cambiar antes de cualquier clip.
• El precio no predice el resultado. Las tomas habladas que pasaron costaron 143 créditos en Kling 3. Las que reprobaron costaron 134 en Kling 4 y 197 en Seedance 2.5.

Para el método completo, lee cómo elegir un modelo de video con IA. Para ver todos los modelos lado a lado, lee cuál es la mejor IA para crear videos y Kling vs Seedance.

Lo que esta prueba no te dice

• Una toma por modelo y por escena. Las tomas cambian. El mismo Kling 3 que pasó las dos tomas habladas aquí reprobó cuatro seguidas el 6 de noviembre.
• Cuatro modelos. Gemini Omni, Wan, MiniMax y los modelos de otros fabricantes no estuvieron en esta ronda.
• Dos resoluciones. Kling 3 corrió en 1080p, la única resolución que genera. Los otros tres corrieron en 720p.
• Nuestra lectura de la dirección. Los veredictos de dirección salen de los cuadros en los segundos 0.8, 2.2, 3.5 y 4.8, no de una calificación automática.