Kling AI vs Veo 3: qual é a melhor IA para gerar vídeos? Testamos!

Para testar diferentes aspectos, geramos três vídeos, a partir de três comandos em texto (prompts), reproduzidos em ambas as ferramentas. O primeiro vídeo, que mostra carros em uma cidade, foi pensado para exigir a máxima qualidade de imagem possível. O segundo vídeo, em que um chef ensina a fazer omelete, tem como objetivo explorar a sincronia do áudio. O terceiro teste é uma animação com gatinhos, pensada para testar a aderência ao prompt e as possibilidades em outro estilo visual.

No geral, Veo 3 se mostrou mais prático e entregou imagens mais bonitas, mas teve dificuldade em lidar com a progressão de cenas. Já a Kling AI também gerou bons vídeos e se saiu melhor diante de um roteiro mais complexo. Entenda em detalhes.

O Veo 3 é um modelo de IA que roda em diversos produtos do Google, como o Gemini e a plataforma de criação de vídeos Flow, utilizada nos testes que fizemos. Para o usuário pouco familiarizado com esse tipo de ferramenta, pode ser difícil compreender como acessar o Veo 3, o que tira pontos no quesito usabilidade.

No entanto, uma vez aberta a plataforma Flow, o usuário encontra uma interface limpa, organizada e absolutamente intuitiva, que permite a criação de diferentes projetos e, a partir daí, a geração de vídeos com apenas um comando e um clique

A plataforma da Kling AI, por sua vez, é acessada com mais facilidade pelo usuário leigo, mas tem uma interface mais poluída. Os diversos recursos disponíveis podem ser acessados por ícones no menu lateral , ou pelo “Kling O1”, espécie de chat onde é possível escrever um comando e obter um resultado que utiliza as melhores soluções para cada caso. Esta foi a opção que utilizamos.

No entanto, a Kling AI não permite gerar imagens e áudio com um único comando. Os vídeos são gerados sem som, e em seguida é possível acessar ferramentas para sincronizar fala e imagem, ou para gerar sons de fundo e música a partir de novos prompts. Numa tentativa rápida, não consegui usar esses dois recursos - voz e sons de fundo - em um mesmo vídeo. Essa etapa “extra” aumenta bastante o esforço e o tempo necessários para gerar um vídeo na Kling AI, ponto decisivo na experiência geral do usuário.

Resultado: Veo 3 (e Flow) ganham. O usuário precisa saber que o Veo 3 funciona “dentro” de outros serviços. Mas uma vez que isso esteja esclarecido, a experiência como um todo é mais fluida no produto do Google.

Para testar a qualidade das imagens, elaborei um prompt que desafiasse a capacidade dos modelos de IA e trabalhasse movimento, texturas, iluminação e reflexos. Pedi uma cena fotorrealista de carros esportivos rodando em alta velocidade por uma cidade à noite, sob chuva fraca. Também solicitei que o vídeo desse destaque às luzes da cidade, às sombras, às texturas e aos detalhes e reflexos na lataria dos carros. Os resultados em ambas as ferramentas foram satisfatórios, mas o Veo 3 impressiona pelo realismo. Na Kling AI, a cena ficou com um visual que lembra gráficos de videogame.

Nos outros dois testes que fizemos, as duas plataformas geraram imagens boas. No vídeo com o chef, considerei o resultado do Veo 3 mais agradável, mas a ferramenta falhou em transições de cena, fazendo objetos sumirem e mudarem de forma.

Na animação com gatinhos, o Veo 3 também teve dificuldades com transições de cena, mas ambos os resultados ficaram muito divertidos.

Resultado: apesar das falhas, Veo 3 ganha. Para gerar um único take, o Veo 3 é imbatível. Me impressionou, de fato, com a cena dos carros. Mas Kling AI também entrega imagens com qualidade, e pode ser uma melhor opção quando se deseja gerar clipes com cortes e diferentes cenas.

Para além da qualidade do áudio em si, este teste considerou a capacidade dos modelos de entregar uma fala fluida e natural, bem como a sincronia e a coerência entre os sons e as imagens exibidas. Solicitei um vídeo de um chef ensinando a fazer omelete. Além de exigir que as plataformas gerassem os ruídos coerentes com o ambiente de cozinha e as etapas da receita exibidas, pedi também que o chef dissesse algumas instruções, e que estas falas estivessem sincronizadas com o movimento dos lábios.

Veo 3 se saiu muito melhor neste teste, gerando automaticamente sons coerentes com o que é mostrado nas imagens. Também gerou uma fala bastante fluida e natural. A sincronia com o movimento dos lábios não fica perfeita, mas não chega a me incomodar.

Já a Kling AI, além de não gerar áudio junto com as imagens, não conseguiu entregar resultados satisfatórios em nenhum dos testes. Os sons não parecem naturais e não são bem sincronizados às imagens mostradas. No vídeo com o chef, não consegui incluir, ao mesmo tempo, fala e sons de fundo. Na versão com voz, a fala soa completamente artificial. Já na versão com som ambiente, os ruídos não são coerentes e incluem trechos de voz em alguma língua impossível de identificar.

Resultado: Veo 3 ganha disparado. Kling AI deixa a desejar nos recursos de áudio.

Nos três testes, Veo 3 levou cerca de 1min20s para gerar clipes completos, de aproximadamente 8 segundos cada. Kling AI também levou entre 1min e 1min30s para gerar os trechos com cerca de 5 segundos de duração, mas inserir o áudio demandou tempo adicional. No teste em que inclui voz, foram mais dois minutos apenas para processar a fala. De toda forma, ambas as plataformas permitem criar um vídeo bem rapidamente, e em menos de cinco minutos é possível chegar ao resultado final.

Resultado: Veo 3 ganha, principalmente por gerar imagem e som com um único comando.

Para testar a “atenção” das plataformas aos meus comandos (e também para explorar as possibilidades em animações), pensei em um vídeo de gatinhos com diferentes personagens e cenas. A ideia é que seja uma reunião de trabalho: aparece primeiro o gatinho chefe e, em seguida, entra um gatinho funcionário cansado. Os colegas olham em tom de desaprovação. Com a ajuda do ChatCPT, criei um roteiro que descreve expressões faciais, gestos e sons emitidos pelos bichanos.

Essa historinha fofa e divertida pareceu um desafio para as duas ferramentas, mas a Kling AI entregou algo mais próximo do solicitado.

Ainda que as imagens do Veo 3 também tenham ficado uma graça, a IA teve dificuldade em encadear cenas e fez, mais uma vez, coisas desaparecerem do nada.

No teste com carros esportivos, considero que as duas plataformas fizeram um bom trabalho ao seguirem minhas instruções. No vídeo do chef, o Veo 3 também apresentou problemas de continuidade, como já citamos. A Kling AI não produziu defeitos óbvios, mas é verdade que também não se esforçou para apresentar uma progressão nas ações.

Resultado: Empate. Kling AI é melhor em termos de continuidade, mas não é capaz de gerar áudio e vídeo a partir do mesmo prompt. Em vídeos que incluem fala, esse é um grande problema, que tira pontos da plataforma neste quesito também e dá vantagem ao Veo 3. Em se tratando de aspectos visuais, ambos os sistemas são competentes ao gerar o que é pedido.

As plataformas testadas não exigem que o usuário preencha muitos parâmetros para customizar o vídeo. Isso, por um lado, torna a experiência mais fluida, mas exige que o prompt seja pensado para conter o máximo de instruções.

A plataforma Flow, que roda o Veo 3, tem menus que permitem a escolha entre os formatos vertical e horizontal. Também oferece três predefinições de estilo visual e conta com uma ferramenta para a inserção de elementos a partir de imagens estáticas. Também é possível adicionar diferentes clipes de um mesmo projeto em uma sequência. Essa ferramenta de edição e montagem, apesar de bem básica, é conveniente e traz a interessante possibilidade de estender os clipes a partir de novos prompts.

Já a Kling AI, além de contar com os mesmos recursos disponíveis no Flow, permite ainda optar pelo formato quadrado e escolher entre as durações de 5s e 10s. A Kling AI conta, ainda, com uma biblioteca de elementos estáticos pré-definidos que podem ser adicionados ao vídeo.

Resultado: Veo ganha, mas somente por causa da possibilidade de estender clipes. No mais, ambas oferecem recursos similares.

Além da versão gratuita, Kling AI tem quatro opções de planos que variam de US$ 6,99 (cerca de R$ 38) a US$ 127,99 (cerca de R$ 690) por mês, oferecendo de 660 a 26 mil créditos mensais. A geração de um clipe de 5 segundos sem áudio, na plataforma, consome 30 créditos. Assim, o plano mais básico permite gerar 22 vídeos, enquanto o mais caro comporta a geração de mais de 860 cenas. Há a opção de planos anuais com desconto.

Já o acesso à versão paga do Veo 3 depende da assinatura de planos de IA do Google, que vão de R$ 24,99 a R$ 1209,90, com descontos para novos assinantes. A assinatura mais barata concede 200 créditos mensais na plataforma Flow, o que permite gerar dez vídeos como os desta reportagem (consomem 20 créditos cada). Já o plano mais caro fornece 25 mil créditos, suficientes para gerar 1.250 clipes. Também é possível comprar créditos extras avulsos, de acordo com tabela do Google.

No entanto, é importante destacar que os planos de IA da empresa oferecem acesso a diversos outros serviços e modelos de inteligência artificial, além de espaço de armazenamento no Google Drive. Assim, o valor não diz respeito apenas aos recursos do Veo 3, mas sim a todo um ecossistema de soluções.

Resultado: Impossível comparar. Uma assinatura é específica da plataforma de criação de vídeos, enquanto a outra abrange diversos outros recursos. Se o objetivo é apenas criar clipes curtos, os planos da Kling AI podem sair mais em conta. Os pacotes oferecidos pelo Google, no entanto, oferecem muito mais vantagens por preços próximos.

Veo 3 ganha. O modelo desenvolvido pelo Google parece ser mais poderoso, entrega imagens mais caprichadas e tem recursos de áudio que Kling AI definitivamente não possui. O ponto fraco são as transições de cena e a continuidade.

Já a Kling IA, apesar das limitações, consegue lidar melhor com roteiros e encadeamento de ações, podendo ser uma opção mais interessante para quem quer apenas se divertir, produzir memes e gerar vídeos fofos sem ter trabalho.

Veja também: ORKUT VAI VOLTAR???? Perguntamos para o criador da rede social!