Ranking de geradores de vídeo com IA: 6 modelos

👁 116 leituras

Atualização de 28/09/2026: após comentários de leitores, publiquei um novo ranking, atualizado continuamente, com versões completas dos modelos (Seedance 2.5 e 2.0, MiniMax H3 e H3 Max, Gemini Omni Flash 1.1, FLUX.3, Kling 3.0 Turbo e Veo 3.1) e um teste de fala: melhores ferramentas de IA para criar vídeos.

Fiz um ranking de geradores de vídeo com IA usando dois prompts idênticos em seis modelos: Veo 3.1 Fast, Kling 3.0, Seedance 2.0 Fast, Hailuo 2.3, Grok Imagine Video e Wan 3.0. O primeiro prompt descrevia café sendo servido em uma xícara; o segundo, um bonde amarelo e vermelho de Varsóvia sob chuva, ao anoitecer. Gerei todos os clipes pela API do OpenRouter em 26 e 27 de setembro de 2026, com uma tentativa por modelo, sem gerar novamente. A seguir, você confere os 12 vídeos, os tempos, os custos até o centavo e minhas notas. Se o preço for sua prioridade, veja o modelo mais barato no top 10 do ranking da Artificial Analysis: o Agnes Video 2.5, por US$ 2,40 por minuto. Em outubro, o ranking da Artificial Analysis é liderado por Wan 3.0, Utopai X e Seedance 2.5. Nas cenas que testei, o melhor resultado foi do FLUX 3 Video.

01Gerador 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 →02Veo 3: guia de vídeo, acesso e custosVeo 3: entenda como começar, organizar referências, comparar alternativas e controlar o custo do projeto com orientações práticas e fontes oficiais.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 →

Como fiz o teste

Os dois prompts originais estavam em inglês e eram idênticos, palavra por palavra, para todos os modelos. São os mesmos que usei anteriormente para comparar o Wan 3.0 com o Wan 2.2; por isso, aproveitei daquele teste os clipes do Wan 3.0. Gerei os clipes dos outros cinco modelos em 27 de setembro pela API de vídeo do OpenRouter, na proporção 16:9, com áudio sempre que o modelo oferecia esse recurso.

• P1, café: tradução para o português do prompt original em inglês usado no teste: “Close-up de café quente sendo servido em uma xícara branca de cerâmica sobre uma mesa de cozinha de madeira, com vapor subindo, luz do sol da manhã entrando pela janela, pouca profundidade de campo, movimento lento e suave de aproximação da câmera, estilo realista.”
• P2, bonde: tradução para o português do prompt original em inglês usado no teste: “Um bonde amarelo e vermelho de Varsóvia passa por uma rua chuvosa ao anoitecer, com reflexos das luzes da rua nas pedras molhadas, pessoas com guarda-chuvas na calçada, câmera fixa em um tripé, filmagem cinematográfica e realista.”

Os prompts de teste estavam em inglês; as versões em português acima são traduções, não foram testadas novamente. Os clipes tinham 4 segundos porque o Veo não oferece vídeos de 5 segundos, apenas de 4, 6 ou 8, e eu queria comparar clipes de duração semelhante e ficar dentro do orçamento de US$ 4,50. Exceções: no OpenRouter, o Hailuo 2.3 começa em 6 segundos; o clipe do Wan 3.0 tinha 5 segundos, por ser de um teste anterior. Extraí cinco quadros de cada vídeo com o ffmpeg (aos 5%, 28%, 50%, 72% e 95% da duração) e os examinei em resolução máxima. Analisei o áudio com o faster-whisper medium em uma CPU, com e sem detector de fala, e medi o volume.

Atribuí notas de 0 a 10 para quatro aspectos: fidelidade ao prompt (câmera, luz, horário e cores do bonde), física (fluxo do líquido, aumento do nível do café, porcelana e movimento do bonde), artefatos (formas fundidas e texto sem sentido) e áudio. Medi o tempo de geração entre o envio da solicitação e o download do arquivo, verificando a cada 15 segundos (a cada 20 segundos no teste do Wan). Portanto, os tempos têm uma margem de erro de alguns segundos.

Resultados em uma tabela

Os custos vêm de usage.cost na resposta do OpenRouter e são valores em dólares antes de impostos. A coluna “por segundo” divide o custo pela duração real do clipe. Por isso, o Kling parece tão caro: cobrou US$ 0,63 por um clipe de 4 segundos, mas calculou o preço mínimo de 5 segundos, a US$ 0,126 por segundo. Também explico o mínimo de 5 segundos no artigo sobre o preço do Wan 3.0.

Prompt 1: café servido em uma xícara

Esta cena permite avaliar a física: se o fluxo entra na xícara, se o nível do café sobe, se a porcelana continua opaca e se a câmera se aproxima lentamente. A ordem segue as notas, da maior para a menor.

Prompt 2: bonde de Varsóvia na chuva

Este prompt testa a atenção aos detalhes: cores amarelas e vermelhas, anoitecer, chuva, reflexos de postes nas pedras, guarda-chuvas e câmera fixa em um tripé.

Áudio: o que há de fato nas faixas

Cinco dos seis modelos entregaram arquivos com faixa de áudio. O Grok incluiu áudio, embora a página do modelo no OpenRouter não anuncie geração de som. O Hailuo 2.3 não gerou áudio.

• Não há fala em nenhum clipe. Sem o filtro de fala, o Whisper “ouviu” em todos os clipes uma frase parecida com “Obrigado por assistir!”. Essa é uma alucinação conhecida do modelo diante de silêncio e ruído, com probabilidade de ausência de fala entre 0,52 e 0,84. Com o detector de fala (VAD) ativado, todas as transcrições, exceto uma, ficaram vazias.
• Música na cena do café. A exceção foi o Seedance: o detector classificou 3,9 segundos da faixa como voz. No entanto, a análise de frequência indica uma sequência de notas D, E, F e C, ou seja, uma melodia, não fala. O Wan 3.0 também acrescentou uma melodia ao mesmo prompt, com as notas G, A e D. As faixas do Veo e do Kling não apresentam esse padrão melódico.
• Volume. O áudio do café do Grok teve média de -51 dB, praticamente silêncio. O áudio do bonde do Wan teve média de -11 dB e picos de 0 dB; é preciso baixar o volume antes da edição. As outras faixas ficaram entre -16 e -39 dB, em média.

Conclusões

• Melhor custo-benefício: Grok Imagine Video. Foi o mais barato (US$ 0,28 por 4 s), o mais rápido (51 s) e o mais bem avaliado. Testei a versão básica; o OpenRouter também oferece o Grok Imagine Video 1.5 por US$ 0,14 por segundo em 720p, que não avaliei.
• Desempenho mais consistente: Veo 3.1 Fast. Fez o melhor café e um bom bonde, em 52-54 s por clipe. Limitação: só gera vídeos de 4, 6 ou 8 segundos, nos formatos 16:9 ou 9:16. Confira os detalhes no guia do Veo 3.
• O Wan 3.0 mantém um bom nível, apesar de levar mais de três vezes o tempo (170 s). É o único dos seis que gera até 30 segundos em uma única execução e que fala polonês. Veja o guia completo do modelo no hub do Wan AI.
• O Seedance 2.0 Fast cobra em tokens de vídeo, não por segundo. Na prática, o custo foi de US$ 0,092 por segundo. Explico o cálculo no guia do Seedance.
• O Kling 3.0 Standard gerou vídeo em 1080p, embora eu tenha solicitado 720p. Foi o mais caro por segundo e teve mais dificuldade com as cores e o horário do dia.
• O Hailuo 2.3 no OpenRouter só funciona em 1080p, com duração mínima de 6 segundos e sem áudio. Para rascunhos rápidos, eu escolheria o Grok.

Duas cenas não bastam para dar um veredito sobre um modelo inteiro. Com outra semente aleatória, o mesmo modelo pode gerar um clipe melhor ou pior; dei apenas uma tentativa a cada um. Esta é minha opinião: para cenas curtas e realistas, eu começaria pelo Grok e pelo Veo; deixaria o Wan 3.0 para cenas mais longas e diálogos em polonês. Para uma comparação mais ampla de ferramentas, planos e preços, consulte o guia de geradores de vídeo com IA.

Perguntas frequentes

Qual é o melhor gerador de vídeo com IA?

No meu teste, com dois prompts iguais para todos, o Grok Imagine Video venceu, com 8,25/10, seguido pelo Veo 3.1 Fast (8,0) e pelo Wan 3.0 (7,75). As diferenças entre os quatro primeiros são pequenas; vale testar um modelo com uma cena sua.

Qual é o gerador de vídeo com IA mais barato?

No OpenRouter, o mais barato foi o Grok Imagine Video: US$ 0,28 por 4 segundos em 720p com áudio. O Kling 3.0 Standard teve o maior custo por segundo porque cobrou 5 segundos por um clipe de 4 segundos.

Qual modelo gera vídeos mais rápido?

O Grok e o Veo 3.1 Fast entregaram clipes em 50-54 segundos. O Kling levou cerca de 114 segundos, o Seedance entre 106 e 164 segundos, e o Hailuo e o Wan 3.0, cerca de 3 minutos.

Esses modelos geram áudio?

Veo 3.1 Fast, Kling 3.0, Seedance 2.0 Fast, Wan 3.0 e Grok Imagine Video entregaram arquivos com áudio. O Hailuo 2.3 não gera áudio. Não houve fala em nenhum clipe, mas Seedance e Wan acrescentaram música à cena do café.

// continue lendoDeepSeek reduz preços de 2 modelos: V4 Flash em 90%, V4 Pro em 77%Notícias rápidasInVideo AI: preços, créditos, modelos de vídeo e aplicativoRevistaQuatro modelos de IA, uma tarefa: por que ainda escrevo sozinhoRevista