Kling 3.0 vs Veo 3.1

Ce sont les deux noms de modèles vidéo que la plupart des gens tapent en premier, et sur le papier ils se recouvrent plus que n’importe quelle autre paire ici : tous deux font le son dans la même passe, tous deux acceptent une première et une dernière image, et tous deux font du 16:9 et du 9:16. Les différences tiennent à la durée, au format, aux références et à la façon dont chacun traite la parole.

La durée est la séparation la plus nette. Veo 3.1 fait des prises de quatre, six ou huit secondes et rien d’autre ; au-delà, il faut enchaîner plusieurs prises, chacune partant de la dernière image de la précédente. Kling 3.0 fait n’importe quel nombre entier de secondes de trois à quinze en une seule prise. Il cadre aussi en 1:1, ce que Veo ne propose pas, et rend en 4K là où Veo s’arrête à la 1080p.

La parole est ce qui justifie le prix de Veo. Son prompt a trois canaux sonores : le dialogue entre guillemets dans le temps où il se place, une ligne SFX pour les événements, et une ligne d’ambiance pour le fond sous tout le clip. Une réplique entre guillemets revient prononcée, et une prise de huit secondes en contient une vingtaine de mots. Kling fait aussi du son quand on l’active, et prononce une réplique écrite mot pour mot, mais sa voix est inventée à chaque prise : un personnage qui parle dans plusieurs clips n’aura pas la voix d’une seule personne et devra être redoublé ensuite. Veo a sa propre manie : laissé à lui-même, il a tendance à mettre une musique sous le dialogue, donc écrivez « No music » si vous poserez votre propre piste.

Les références les départagent dans l’autre sens. Kling 3.0 n’a aucun emplacement de référence : un visage ou un produit ne l’atteint que comme première image ; son frère Kling v3 Omni ajoute sept images de référence et une vidéo de référence, aux mêmes prix en muet. Veo 3.1 accepte jusqu’à trois images de référence, mais seulement dans une prise en 16:9 de huit secondes, et il abandonne la dernière image dès que des références sont présentes. Pour un clip vertical qui doit tenir un personnage récurrent à partir d’images, la voie des références de Veo est fermée et Kling 3.0 n’en a pas : c’est Kling v3 Omni ou Seedance 2.5 qu’il faut prendre.

Côté prix, la réponse dépend de deux interrupteurs. Les chiffres sont les tarifs pour cinq secondes du tableau des prix, qui mettent les deux modèles sur un pied d’égalité ; Veo ne fait que des prises de quatre, six ou huit secondes, donc une vraie prise Veo coûte 0,8, 1,2 ou 1,6 fois son chiffre. En muet et en 720p, cinq secondes de Kling coûtent 70 crédits contre 83,5 crédits chez Veo. Avec le son, Kling coûte 105 crédits en 720p et 140 crédits en 1080p, contre 167 crédits chez Veo dans les deux résolutions. Le seul cas où Veo est moins cher est une prise muette en 1080p : 83,5 crédits contre 93,5 chez Kling. La 4K de Kling coûte 175 crédits pour cinq secondes, avec ou sans son.

Donc un clip où quelqu’un dit une réplique écrite, ou un plan 16:9 qui doit correspondre à une image de référence, va à Veo 3.1. Une prise de plus de huit secondes, un livrable carré, la 4K, ou des bruitages et une ambiance pour moins cher vont à Kling 3.0.