Melhores IAs para criar vídeos em 2026: ranking e teste

👁 122 leituras

Última atualização: 28 de setembro de 2026. Histórico de alterações: 28/09/2026 - primeira versão, 10 modelos, um comando sobre café e outro com uma fala, 19 clipes novos. No mesmo dia, a Kling anunciou o Kling 4.0: a versão 4.0 Flash está em acesso antecipado para um grupo limitado de usuários desde 28/09/2026, mas ainda não está na API. Por isso, testei o Kling mais recente disponível na API, o 3.0 Turbo Pro. Vou atualizar o ranking quando o 4.0 chegar à API. A cada novo modelo, vou registrar aqui a data e o que mudou.

Testei as melhores IAs para criar vídeos em dez modelos completos de vídeo disponíveis por API: Seedance 2.5 e 2.0, MiniMax H3 e H3 Max, Gemini Omni Flash 1.1, FLUX.3 Video, Kling 3.0 Turbo, Veo 3.1, Grok Imagine Video 1.5 e Wan 3.0. Cada modelo recebeu o mesmo comando sobre café do meu primeiro ranking de geradores de vídeo com IA e um novo comando em que uma mulher diz uma frase difícil. Testei a fala com faster-whisper e analisei a imagem em quadros extraídos com ffmpeg. A seguir, você encontra 20 vídeos, o custo de cada clipe, o tempo de geração e os resultados do teste de fala. Meu guia da Luma AI, com o teste do modelo Ray3.2, está na página da Luma AI. Novidade de 7 de outubro: Vidu Q4 Preview, terceiro lugar no ranking de imagem para vídeo da Artificial Analysis.

01Ranking de geradores de vídeo com IA: 6 modelosComparei seis modelos de vídeo com IA usando os mesmos dois prompts. Veja os clipes, as notas, o custo e o tempo de geração.Leia →02Gerador de vídeo com IA: ranking e preços em 2026Compare 6 geradores de vídeo com IA em testes, veja os resultados de fala em polonês e confira preços oficiais em dólares antes dos impostos.Leia →03Kling AI: como começar, custos e alternativasKling ai: entenda como começar, organizar referências, comparar alternativas e controlar o custo do projeto com orientações práticas e fontes oficiais.Leia →04Wan AI: modelos de vídeo da Alibaba, do 2.2 ao 3.0Conheça os modelos Wan AI, compare as versões 2.1, 2.2 e 3.0 e veja resultados, custos e opções de uso local ou por API.Leia →

O que mudei após os comentários dos leitores

Depois do primeiro ranking, recebi no X comentários concretos de três leitores. Considerei todos.

• Um leitor sugeriu tirar o Veo 3.1 por ser antigo e incluir Gemini Omni 1.1, FLUX.3 e P-video 2, da Pruna AI. Testei os modelos disponíveis: Gemini Omni Flash 1.1, modelo de vídeo do Google com áudio anunciado em 27 de agosto de 2026, e FLUX.3 Video, da Black Forest Labs, que também gera vídeo com áudio, estão no teste. Mantive o Veo como referência, usando a versão completa 3.1 em vez da Fast. Não testei P-video 2, da Pruna AI: ele não está no OpenRouter nem na fal.ai, e minha conta não passou pela autenticação na Segmind, que oferece o modelo. Vou incluí-lo em uma próxima atualização.
• O mesmo leitor comentou que o Kling também estava antigo e que o Kling 4 sairia em breve. O Kling 4.0 já foi anunciado oficialmente: segundo a nota de lançamento, o Kling 4.0 Flash entrou em acesso antecipado para um grupo limitado em 28 de setembro de 2026, e o Kling 4.0 completo será lançado em outubro. Como ainda não está na API, testei o Kling mais recente disponível por API: o Kling 3.0 Turbo, de junho de 2026.
• Um leitor sugeriu testar as versões completas do Seedance 2.0 ou 2.5, e não as versões Mini ou Fast, e trocar o Hailuo 2.3 pelo novo H3. O teste inclui Seedance 2.0 e 2.5 completos e, no lugar do Hailuo 2.3, os dois novos modelos MiniMax: H3 e H3 Max.
• Um leitor perguntou qual modelo se sai melhor em polonês, pois o MiniMax H3 tinha funcionado bem em seus testes. Acrescentei um comando com fala em polonês e medi a pronúncia. H3 Max disse a frase sem erros; o H3 comum errou uma palavra. Os detalhes estão na seção sobre fala.

Ranking das IAs para criar vídeos

* Preço promocional da fal.ai até 30 de setembro de 2026. Depois, US$ 0,40 por 5 s e US$ 2,40 por minuto. ** O Veo 3.1 não gera clipes de 5 segundos, apenas de 4, 6 ou 8 segundos; por isso, apresento a tarifa de US$ 0,40 por segundo multiplicada por 5. Preços em dólares, sem impostos. O custo por minuto é a tarifa por segundo multiplicada por 60, sem novas tentativas, então o valor real pode ser maior. WER é a porcentagem de palavras reconhecidas incorretamente na frase em polonês: quanto menor, melhor.

Qual gerador de vídeo com IA fala melhor em polonês

Todos os modelos receberam a mesma frase, cujo original polonês pode ser traduzido como: “Em Szczebrzeszyn, o besouro canta nos juncos, e eu pago 32 zlotys”. O teste foi feito em polonês, não em português. A frase reúne grupos consonantais difíceis, vogais nasais e uma palavra com sinais diacríticos, o que ajuda a revelar erros. Os dez modelos disseram a frase em 4,0 a 4,9 segundos, sem legendas na imagem.

O Whisper large-v3 conhece esse trava-língua e poderia “corrigir” uma pronúncia pouco clara. Por isso, também processei cada clipe com o modelo menor medium e detecção de idioma sem indicação prévia. O medium também não encontrou erros no H3 Max, Omni e Grok. No Veo 3.1, errou a primeira palavra; no H3 comum, errou as duas primeiras. Para o Kling, a detecção sem indicação prévia apontou armênio, com confiança de 0,32; nos outros nove modelos, apontou polonês, com confiança de 0,97 a 1,0. Portanto, Seedance 2.5 e 2.0 foram identificados como polonês, mas deformaram as palavras difíceis. O leitor que sugeriu testar a família H3 tinha razão, embora o H3 Max tenha se saído melhor que o H3 comum.

Modelos em detalhes: vídeos e minhas observações

Para cada modelo, mostro dois clipes: um de café e outro com a frase em polonês. As observações se referem ao que aparece nos quadros e ao que se ouve na faixa de áudio, não às promessas dos fabricantes.

1. Grok Imagine Video 1.5 - 8,5/10

Versão mais nova do modelo que venceu meu primeiro ranking. Entregou o clipe em 46 segundos, o menor tempo entre os modelos no OpenRouter. A faixa de áudio é a mais alta do teste (média de -13,7 dB), embora a ficha do modelo no OpenRouter não declare geração de áudio.

2. MiniMax H3 Max - 8,25/10

Segundo a descrição da fal.ai, o H3 Max é uma variante do MiniMax H3 ajustada pela fal para seguir melhor os comandos. Gera nativamente em 768p (1344×768). Foi o mais rápido no teste: de 14 a 16 segundos entre o envio da solicitação e o download do arquivo; a fal informou 2,6 segundos para a geração em si. Desativei a reescrita automática do comando para que o modelo fosse avaliado nas mesmas condições dos outros.

3. Gemini Omni Flash 1.1 - 8,0/10

Modelo de vídeo do Google, da família Gemini Omni, anunciado em 27 de agosto de 2026. O identificador oficial é gemini-omni-1.1-flash. Gerei os clipes pela fal.ai em 720p, pois o modelo não está no OpenRouter. O vídeo ficou pronto em 35 a 46 segundos.

3. Veo 3.1 completo - 8,0/10

Referência para o ranking: usei o Veo 3.1 completo, em vez da versão Fast do primeiro teste. É o modelo mais caro do teste (US$ 0,40 por segundo com áudio) e o único sem opção de 5 segundos; por isso, o vídeo de café tem 4 segundos e o da fala, 6. Reuni as versões e os preços do Veo no guia do Veo 3.

3. FLUX.3 Video - 8,0/10

Modelo de vídeo da Black Forest Labs, conhecida pelo gerador de imagens FLUX. O clipe teve resolução de 1280×704, em vez de 1280×720, e o modelo gera vídeos a partir de 5 segundos.

6. Wan 3.0 - 7,75/10

Usei a mesma versão do primeiro ranking. Para o café, reutilizei o clipe do teste do Wan 3.0 de 26 de setembro; o único clipe novo é o da fala. A geração foi a mais demorada entre os modelos mais bem colocados, levando cerca de 2,5 a 3 minutos. Saiba mais no guia do Wan AI.

7. MiniMax H3 - 7,25/10

O H3 básico gera nativamente em 768p; segundo a documentação da fal.ai, 2K e 4K são ampliações desse resultado. Escolhi 768p por ser a resolução mais próxima de 720p e a mais barata. Descrevi modelos MiniMax mais antigos no guia da Hailuo AI.

8. Seedance 2.0 completo - 7,0/10

Usei a versão completa, em vez da Fast do primeiro ranking. A cobrança é feita em tokens de vídeo; expliquei a fórmula no guia do Seedance. Cinco segundos em 720p custaram US$ 0,7623, o dobro de um clipe de 4 segundos da versão Fast.

9. Kling 3.0 Turbo Pro - 6,5/10

É o Kling mais recente disponível por API; o guia da Kling AI reúne as versões. O endpoint da fal.ai não permite escolher áudio ou resolução: sempre entrega 1920×1080, e a própria ferramenta acrescentou uma faixa de áudio.

9. Seedance 2.5 - 6,5/10

É o Seedance mais recente, capaz de gerar até 30 segundos em uma única execução, mas no OpenRouter só está disponível em 480p e 720p. Foi o segundo mais caro, depois do Veo: US$ 1,17 por 5 segundos.

O que não testei e por quê

• P-video 2 (Pruna AI) - segundo a Pruna e os intermediários, funciona no Replicate, Runware, Segmind e WaveSpeed, mas não está no OpenRouter nem na fal.ai. A chave da Segmind que uso foi rejeitada na autenticação. A versão P-Video-2-Pro, de 17 de setembro de 2026, é baseada no MiniMax H3, segundo a Runtime Wire.
• Kling 4.0 - o Kling 4.0 Flash está em acesso antecipado para um grupo limitado desde 28 de setembro de 2026; o Kling 4.0 completo deve ser lançado em outubro. Ainda não está na API; em 28 de setembro, conferi o OpenRouter e a fal.ai e testei o Kling mais recente disponível por API, o 3.0 Turbo Pro. Segundo a nota de lançamento, o 4.0 fala chinês, inglês, japonês, coreano, espanhol, português, alemão, francês e indonésio; polonês não está na lista. Atualizarei o ranking quando o 4.0 chegar à API. Descrevo as versões atuais no guia da Kling AI.
• Sora 2 - a OpenAI desativou a API do Sora 2 em 24 de setembro de 2026 e não indicou um sucessor. Em 28 de setembro, openai/sora-2-pro ainda aparecia no catálogo do OpenRouter, mas não o executei.
• Runway Gen-4.5 - está no OpenRouter, por US$ 0,12 por segundo em 720p, mas não gera áudio e, portanto, não pode passar pelo teste de fala. Também não coube no orçamento desta rodada.
• O bonde do primeiro ranking - não repeti o segundo comando, sobre um bonde em Varsóvia sob a chuva. Com orçamento de US$ 15, escolhi testar café e fala em polonês em todos os modelos, em vez de gerar três clipes para apenas alguns. Os bondes dos modelos anteriores estão no primeiro ranking.

Metodologia: como reproduzir o teste

• Comando 1, café (igual, palavra por palavra, ao do primeiro ranking): “Close-up de café quente sendo servido em uma xícara de cerâmica branca sobre uma mesa de cozinha de madeira, vapor subindo, luz da manhã entrando pela janela, pouca profundidade de campo, aproximação lenta e suave da câmera, realista.” Esta é uma tradução do comando original em inglês.
• Comando 3, fala em polonês: “Plano médio fechado de uma mulher na casa dos trinta sentada à mesa da cozinha, olhando diretamente para a câmera. Ela diz com clareza e calma, em polonês: ‘Em Szczebrzeszyn, o besouro canta nos juncos, e eu pago 32 zlotys.’ Luz natural de uma janela, câmera fixa, realista, sem legendas, sem texto na tela e sem música.” Esta é uma tradução do comando testado originalmente em inglês, que continha a frase em polonês. A geração e a avaliação da fala foram feitas em polonês; a versão traduzida acima não foi retestada em português.
• Configurações: 5 segundos, 16:9, 720p e áudio ativado. Exceções impostas pelos modelos: H3 e H3 Max em 768p nativo; Kling 3.0 Turbo Pro somente em 1080p; Veo 3.1 em 4 segundos para o café e 6 segundos para a fala. Usei a semente aleatória fixa 20260926 nos modelos que a aceitam (Seedance, H3 e Veo). Cada clipe foi gerado em uma tentativa, sem repetir.
• Provedores: OpenRouter para Seedance, FLUX.3, Grok, Wan e Veo; fal.ai para H3, H3 Max, Gemini Omni e Kling. Gerei os clipes em 28 de setembro de 2026.
• Custo: no OpenRouter, usei o campo usage.cost da resposta. A fal.ai não retorna o custo na resposta, então calculei o valor multiplicando o cabeçalho x-fal-billable-units pela tarifa da tabela de preços da fal. O resultado coincidiu com a tabela até o centavo.
• Tempo: do envio do pedido ao download do arquivo, com consulta a cada 10 segundos; a margem de erro é de aproximadamente 10 segundos.
• Imagem: extraí 5 quadros de cada clipe (5%, 28%, 50%, 72% e 95% da duração) e, quando havia dúvidas, também ampliei quadros dos pontos de 60% e 90%. Detectei cortes de edição com o filtro de mudança de cena do ffmpeg (limiar 0,25).
• Fala: usei faster-whisper large-v3 e medium na CPU, com o idioma polonês indicado e sem filtro de fala, além de detecção de idioma sem indicação prévia e medição de volume. Calculei o WER depois de converter o texto para minúsculas, remover pontuação e substituir “32” por “trinta e dois” e a abreviação polonesa para zloty pela palavra correspondente. O padrão tinha 12 palavras.
• Nota: como no primeiro ranking, dei uma nota de 0 a 10 a cada clipe com base em quatro critérios: física, consistência e artefatos, aderência ao comando e áudio. No clipe com fala, o áudio avalia sobretudo a pronúncia em polonês. A nota final é a média dos dois clipes.

Dois clipes por modelo são poucos para uma conclusão definitiva. O mesmo modelo pode ter um resultado melhor ou pior com outra semente; por isso, considero uma diferença de 0,25 ponto como empate. Vou atualizar o ranking quando novos modelos forem lançados e registrar a data da mudança no início. Comparo planos de assinatura e ferramentas com interface, não apenas APIs, no guia de geradores de vídeo com IA.

Se você quiser usar Kling, Seedance, Veo e modelos de imagem na mesma conta, veja o guia da Higgsfield com informações de preços.

Meu serviço Jantaris oferece 30 modelos de vídeo em um único saldo pré-pago em dólares - por exemplo, o Kling 3.0 a partir de US$ 0,09625 por segundo (720p) e o Veo 3.1 Lite a US$ 0,177 por clipe de 8 s; uma geração que falha custa US$ 0. Todos os preços: o guia do Jantaris.

Perguntas frequentes

Qual é a melhor IA para criar vídeos em 2026?

No meu teste de 28 de setembro de 2026, o Grok Imagine Video 1.5 venceu (8,5/10), seguido pelo MiniMax H3 Max (8,25) e por três modelos com nota 8,0: Gemini Omni Flash 1.1, Veo 3.1 e FLUX.3 Video. O melhor resultado visual foi o do Seedance 2.0.

Qual gerador de vídeo com IA fala polonês?

MiniMax H3 Max, Gemini Omni Flash 1.1 e Grok Imagine Video 1.5 disseram sem erros a frase difícil em polonês. Veo 3.1, FLUX.3 e H3 comum tiveram um erro cada; Seedance 2.5 e 2.0 erraram mais da metade das palavras.

Quanto custa gerar um vídeo com IA?

Por API, o custo foi de US$ 0,20 (MiniMax H3 Max em promoção até 30 de setembro de 2026) a US$ 2,00 (Veo 3.1) por 5 segundos em 720p com áudio, sem impostos. Um minuto de vídeo custa de cerca de US$ 2,40 a US$ 24, sem novas tentativas.

Existe gerador de vídeos com IA gratuito?

Desde 23 de setembro de 2026, o Google oferece o Gemini Omni 1.1 Flash gratuitamente no Google Vids para qualquer pessoa com uma conta Google ou Google Workspace, segundo a Unite.AI. Nenhum dos modelos testados era gratuito por API.

Qual gerador de vídeo com IA é mais rápido?

MiniMax H3 Max e H3, pela fal.ai, entregaram clipes de 5 segundos em 14 a 28 segundos. Seedance 2.0 e 2.5 e Wan 3.0 levaram de 2,5 a 3 minutos.

// continue lendoGLM-5.3: teste de escrita, preços e provedoresBenchmarksVoicebot ElevenLabs Agents: teste de atendimento por vozBenchmarksH3 Max Relight, Extend e Pixelcut: teste de vídeoGeral