Veo 3.1, Kling 3.0 und Seedance 2.0 erzeugen alle Hochkantvideo mit Ton aus einem Text-Prompt oder einem Standbild. Sie unterscheiden sich darin, wie lang ein Clip sein kann, was du als Referenz einspeisen kannst und was eine Sekunde kostet. Dieser Artikel stellt das anhand der Dokumentation und einer Preisliste nebeneinander. Er bewertet keine Qualität, denn wir haben keinen Benchmark durchgeführt und erfinden auch keinen.
Funktionen und Grenzen im Vergleich
| Veo 3.1 | Kling 3.0 | Seedance 2.0 | |
|---|---|---|---|
| Längste einzelne Generierung | 8 Sekunden (4, 6 oder 8) | 15 Sekunden (3 bis 15) | 15 Sekunden (4 bis 15) |
| Ausgabeauflösung | 720p, 1080p, 4K (Fast und Lite bis 1080p) | Standard 720p, Pro 1080p, 4K-Modus bei Pro | 480p, 720p, 1080p, 4K |
| Hochformat 9:16 | Ja | Ja | Ja |
| Weitere Seitenverhältnisse | 16:9 | 16:9, 1:1 | 21:9, 16:9, 4:3, 1:1, 3:4 |
| Integrierter Ton | Ja | Ja, Sprache auf Chinesisch und Englisch | Ja, Effekte, Umgebungsgeräusche und lippensynchrone Sprache |
| Bild-zu-Video | Ja, erstes und letztes Bild | Ja, Start- und Endbild | Ja |
| Referenzeingaben | Referenzbilder (nur bei 8 Sekunden), Videoverlängerung | Figuren- und Objekt-Elemente, ein Referenzvideo | 9 Bilder, 3 Videos, 3 Audiodateien |
| Mehrere Einstellungen in einem Clip | Nicht dokumentiert | Ja, ein Prompt pro Einstellung | Auf den gelesenen Seiten nicht angegeben |
Die Angaben zu Veo stammen aus der Veo-3.1-Dokumentation von Google. Die Angaben zu Kling und Seedance stammen aus der Endpunkt-Dokumentation auf fal (Kling 3.0, Seedance 2.0) und von ByteDance Seed. Die Grenzen können je nach Anbieter abweichen, bestätige sie also bei dem Anbieter, den du nutzen willst.
Was die Unterschiede für ein Reel bedeuten
Die Clip-Länge bestimmt, wie viele Einstellungen du brauchst
Ein 30 Sekunden langes Reel braucht vier Clips von Veo 3.1 oder zwei von Kling 3.0 oder Seedance 2.0. Reels schneiden ohnehin oft, 8 Sekunden sind also machbar. Der Aufwand liegt darin, eine Figur und ein Setting über zusammengeschnittene Clips konsistent zu halten.
Referenzeingaben entscheiden, wie viel Kontrolle du hast
Seedance 2.0 akzeptiert in der Dokumentation die breiteste Auswahl an Referenzen: bis zu 9 Bilder, 3 Videos und 3 Audiodateien. Bei Kling 3.0 definierst du Figuren oder Objekte als Elemente und verweist im Prompt darauf. Veo 3.1 nimmt ebenfalls Referenzbilder, aber nur für Clips von 8 Sekunden. Wenn du in jeder Einstellung dieselbe Person brauchst, sieh dir zuerst diese Zeile an.
Ton ist bei allen dreien eingebaut
Dialoge, Effekte und Umgebungsgeräusche bekommst du ohne separates Audiotool. Kling dokumentiert Sprache auf Chinesisch und Englisch und gibt an, dass andere Sprachen ins Englische übersetzt werden. Das ist wichtig, wenn dein Sprechertext auf Deutsch, Spanisch oder Japanisch ist. Plane in dem Fall ein, die Stimme in deinem Schnittprogramm hinzuzufügen.
Die Verfügbarkeit solltest du prüfen
Google gibt an, dass die Veo-3.1-Vorschaumodelle in der Gemini API am 22. Oktober 2026 abgeschaltet werden, und verweist auf Gemini Omni Flash oder die allgemein verfügbaren Veo-3.1-Modelle auf der Enterprise-Plattform. Die Seite zum allgemein verfügbaren Veo 3.1 nennt ein Einstellungsdatum am 17. November 2026 oder später, und fal führt seine Veo-3.1-Endpunkte ab dem 17. November 2026 als veraltet. Wenn du einen Workflow um Veo 3.1 aufbaust, bestätige, dass es bei deinem Start noch angeboten wird. Kling listet auf seiner Website inzwischen auch Kling 4.0, 3.0 muss also nicht die neueste Option bleiben.
Preis pro Sekunde und pro Reel
| Modell und Auflösung | Günstigster Anbieter | Pro Sekunde | 30 Sekunden |
|---|---|---|---|
| Veo 3.1 Fast 1080p | wiro.ai | $0,12 | $3,60 |
| Veo 3.1 1080p | fal.ai | $0,40 | $12,00 |
| Kling 3.0 Standard 720p | fal.ai | $0,126 | $3,78 |
| Kling 3.0 Pro 1080p | fal.ai | $0,168 | $5,04 |
| Seedance 2.0 720p | BytePlus ModelArk | $0,15 | $4,50 |
| Seedance 2.0 1080p | BytePlus ModelArk | $0,37 | $11,10 |
Die Auflösung ist nicht in allen Zeilen gleich, vergleiche also Gleiches mit Gleichem. Kling in der Stufe Standard bei 720p und Seedance bei 720p liegen pro Sekunde nahe beieinander, und ein Clip mit Veo 3.1 in 1080p kostet mehr als beide. Im Preisrechner kannst du Auflösung, Ton und Anbieter umstellen und siehst die Kosten für jede Länge.
Drei Briefings, drei verschiedene Antworten
Ein einzelnes Produkt vor sauberem Hintergrund. Du brauchst eine starke Einstellung von wenigen Sekunden, die Clip-Länge spielt also kaum eine Rolle. Starte bei Preis und Auflösung und beurteile die günstigste Stufe jedes Modells an deinem eigenen Produkt.
Ein Gründer oder Creator, der in jeder Einstellung vorkommt. Konsistenz ist das Problem. Sieh zuerst nach, welches Modell dich dieselben Referenzbilder oder ein Element für diese Person einspeisen lässt, und halte jeden Clip kurz genug, um innerhalb der Grenze dieses Modells zu bleiben.
Eine Szene mit Dialog und Umgebungsgeräuschen. Alle drei erzeugen Ton, teste also, wie jedes mit der Sprache deines Skripts umgeht. Kling dokumentiert nur Sprache auf Chinesisch und Englisch. Plane daher für andere Sprachen ein, die Stimme separat aufzunehmen.
Bild-zu-Video ist der günstige Hebel
Jedes Modell kann von einem Standbild starten, und Veo und Kling nehmen auch ein Endbild. Wenn du zuerst ein Standbild generierst, freigibst und dann animierst, behältst du die Kontrolle über die Komposition, bevor du für Bewegung bezahlst. Es ist außerdem der einfachste Weg, den Look zwischen Clips konsistent zu halten: Nimm das letzte Bild eines Clips als Start des nächsten.
So wählst du ohne Benchmark
- Schreib die Einstellung auf, die du brauchst. Wenn du eine Person über zehn Einstellungen brauchst, starte bei den Referenzeingaben. Bei einer einzelnen Produkt-Nahaufnahme zählen Clip-Länge und Preis mehr.
- Starte denselben Prompt mit zwei Modellen in der günstigsten Auflösung. Beurteile die Ergebnisse mit deinen eigenen Augen anhand deines eigenen Briefings.
- Prüfe den Preis vor jedem Durchlauf. Ein Clip von 15 Sekunden in 1080p kostet mehr als das Doppelte desselben Clips in 720p.
- Rendere nur den Gewinner noch einmal in voller Qualität.
Wo Raytake ins Spiel kommt
Raytake ist eine Mac-App, die per Chat mit einem KI-Assistenten kurze Videos erstellt. Sie zeigt dir den Preis jedes Modells, bevor es läuft, und lässt dich Standbilder freigeben, bevor sie für ein Video bezahlt. Das Ausprobieren aus der Liste oben passiert so am günstigen Ende.
Häufige Fragen
- Welches Modell ist pro Sekunde am günstigsten, Veo 3.1, Kling 3.0 oder Seedance 2.0?
- Das hängt von Stufe und Auflösung ab. Zum Prüfdatum (29. Oktober 2026) ist die günstigste Zeile der Tabelle Veo 3.1 Fast mit $0,12 pro Sekunde. Vergleiche in derselben Auflösung und mit gleich eingestelltem Ton.
- Welches Modell hat den längsten Clip?
- Kling 3.0 und Seedance 2.0 erzeugen Clips bis zu 15 Sekunden. Veo 3.1 erzeugt Clips bis zu 8 Sekunden. Seedance 2.5 schafft 30 Sekunden.
- Unterstützen alle drei Hochkantvideo?
- Ja. Alle listen das Seitenverhältnis 9:16.
- Welches macht das beste Video?
- Wir bewerten die Qualität nicht, weil wir keinen Benchmark durchgeführt haben. Teste deinen eigenen Prompt mit zwei Modellen und urteile selbst.
