Veo, Kling, Seedance et Wan excellent chacun dans un usage différent. Cette comparaison met en regard la durée des clips, la résolution, l’audio natif, le temps de rendu et les tarifs de chaque API de génération de vidéos, puis montre comment appeler l’API PicassoIA avec du code cURL et Python fonctionnel.
Si vous choisissez la meilleure API de génération de vidéos en 2027, la démo la plus jolie de cinq secondes doit être le dernier critère à juger. Ce qui fait la différence est plus discret : la durée d’un rendu, le coût d’une seconde de séquence terminée, la question de savoir si le son arrive dans la même requête et le nombre de tâches que vous pouvez lancer en parallèle. Cet article compare les quatre familles les plus demandées, Veo, Kling, Seedance et Wan, à partir des caractéristiques figurant sur leurs pages de modèles PicassoIA, de la documentation API des éditeurs et des temps de rendu indiqués dans les exemples d’exécution de chaque modèle. Lorsqu’un chiffre peut évoluer rapidement, comme le prix, je le signale et je vous renvoie vers la page qui contient le tarif actuel.
Une API de texte vers vidéo vend du temps GPU enveloppé dans une file d’attente de tâches. Vous envoyez un prompt, parfois accompagné d’une première image, d’une dernière image ou de fichiers de référence, le fournisseur vous renvoie un identifiant de tâche, et vous attendez. Un clip ne revient presque jamais dans la même requête HTTP, si bien que la plus grande partie du code qui entoure le modèle est une boucle d’interrogation dotée d’une gestion correcte des erreurs.
Les quatre familles fonctionnent de la même façon au niveau du protocole : créer une tâche, recevoir un identifiant, interroger jusqu’à ce que le statut indique terminé ou échoué. Alibaba décrit Wan 3 exactement de cette façon, avec un task_id et un délai typique d’une à cinq minutes, et l’API de PicassoIA suit le même schéma. Concevez votre code en conséquence dès le premier jour :
Avant de lire un nouveau fil de benchmarks, notez ces cinq chiffres pour votre propre charge de travail :
Voici comment se positionnent les quatre modèles phares, d’après les schémas publiés sur leurs pages PicassoIA :
| Modèle | Durée maximale du clip | Résolution | Audio natif | Entrées de contrôle |
|---|---|---|---|---|
| Veo 3.1 | 8 secondes | 720p, 1080p | Oui, activé par défaut | Première et dernière image, jusqu’à 3 images de référence |
| Kling v3 Video | 15 secondes | 720p standard, 1080p pro | Optionnel, désactivé par défaut | Image de début et de fin, jusqu’à 6 plans |
| Seedance 2.5 | 30 secondes | 480p, 720p | Oui, activé par défaut | Jusqu’à 30 images de référence, plus une vidéo et un audio de référence |
| Wan 3 | 30 secondes | 480p, 720p, 1080p | Non indiqué sur la page | Image de début, prompt négatif, seed |
💡 Astuce pro : La durée maximale est un plafond, pas une recommandation. Les clips plus longs coûtent plus cher, attendent plus longtemps dans la file et laissent davantage de marge au modèle pour dériver. Livrez donc le clip le plus court qui raconte l’histoire.
Le Veo 3.1 de Google est la famille à présélectionner en premier lorsque les images doivent avoir l’air tournées avec une vraie caméra et que le clip a besoin d’un son correspondant à la scène.
Veo 3.1 génère des clips de 4, 6 ou 8 secondes en 720p ou 1080p, au format 16:9 ou 9:16, et produit une bande sonore synchronisée, sauf si vous la désactivez. Au-delà d’un prompt texte, il accepte une image de début, une image de fin pour l’interpolation et jusqu’à trois images de référence qui maintiennent la cohérence d’un sujet. Une contrainte à retenir du schéma : les images de référence ne fonctionnent qu’en 16:9 et avec une durée de 8 secondes, et la dernière image est ignorée lorsque des références sont présentes. Les exemples d’exécution de sa page ont pris environ 73 à 114 secondes pour des clips de 8 secondes, nettement plus rapidement que les exemples de Kling v3 et de Wan 3.
Deux déclinaisons moins chères comptent tout autant pour une API. Veo 3.1 Fast et Veo 3.1 Lite sacrifient un peu de fidélité contre un prix et une vitesse plus avantageux. Vous pouvez donc faire vos brouillons sur le petit palier et générer la prise finale sur le palier standard.
Google facture l’API Gemini à la seconde de vidéo générée. Au moment de la rédaction, en octobre 2026, les tarifs publiés vont d’environ 0,05 $ par seconde pour Veo 3.1 Lite en 720p à environ 0,40 $ par seconde pour Veo 3.1 standard en 1080p, la 4K étant facturée plus cher. Un clip de 8 secondes sur le palier standard revient à environ 3,20 $. Dix essais pour obtenir une seule prise exploitable font 32 $, et c’est à ce moment qu’un prix tranquille à la seconde devient une vraie ligne budgétaire. Les mêmes dix brouillons sur Lite en 720p coûtent environ 4 $. Vérifiez les tarifs actuels sur la page de prix de Google avant de vous engager, car ces chiffres évoluent.
Kling v3 Video de Kuaishou est l’API à privilégier lorsqu’un clip doit enchaîner une séquence plutôt qu’un seul plan. Une requête peut contenir jusqu’à six plans, chacun avec son propre prompt et sa durée, et les durées doivent s’additionner pour atteindre la longueur totale, qui peut aller jusqu’à 15 secondes. Vous disposez aussi d’un mode standard en 720p, d’un mode pro en 1080p, de trois formats (16:9, 9:16 et 1:1), du verrouillage de l’image de début et de fin, ainsi que d’une limite de 2 500 caractères pour le prompt. L’audio est optionnel et désactivé par défaut sur PicassoIA : activez-le chaque fois que vous voulez une ambiance sonore.
La charge utile multi-plans est un court tableau JSON, transmis dans le champ multi_prompt sous forme de chaîne de caractères :
[
{"prompt": "Wide shot of a harbor at dawn, fishing boats leaving", "duration": 5},
{"prompt": "Close-up of a fisherman coiling wet rope, weathered hands", "duration": 5},
{"prompt": "The boat clears the breakwater, camera rises over open water", "duration": 5}
]
Deux variantes méritent un coup d’œil : Kling v3 Omni Video pour le texte vers une vidéo en 1080p, et Kling v3 Motion Control pour animer un personnage à partir d’une performance de référence.
Les clips les plus longs de Kling sont les plus lents parmi les exemples d’exécution listés sur sa page PicassoIA. Un rendu de 10 secondes a pris environ 300 secondes, un rendu de 15 secondes a pris entre 510 et 590 secondes environ, et un exemple piloté par image a dépassé 1 000 secondes. C’est acceptable pour un lot mis en file d’attente, mais pénible derrière un utilisateur qui fixe un spinner. Côté tarifs, la plateforme officielle de Kling vend des packs de crédits prépayés facturés à la seconde, et la version 1080p avec audio coûte plus cher que la version 720p silencieuse. Les hébergeurs tiers revendent les mêmes modèles à leurs propres tarifs : comparez donc le prix unitaire, pas le chiffre mis en avant.
Seedance 2.5 de ByteDance génère l’image et le son en une seule passe : répliques parlées écrites entre guillemets doubles, effets sonores et musique de fond. Sa page indique des clips allant jusqu’à 30 secondes, jusqu’à 30 images de référence pour des personnages cohérents, jusqu’à 10 vidéos de référence pour le transfert de mouvement, un audio de référence pour la synchronisation labiale, le contrôle de la première et de la dernière image, une sortie MP4 ou MOV, six formats fixes ainsi qu’une option adaptative. La résolution sur PicassoIA est 480p ou 720p, et régler la durée sur -1 laisse le modèle choisir la meilleure longueur.
ByteDance commercialise Seedance via BytePlus ModelArk, où les pages tarifaires actuelles décrivent des packs basés sur des tokens plutôt qu’un tarif fixe à la seconde, et le coût en tokens varie selon la résolution et selon que vous envoyez ou non une vidéo en entrée. Autrement dit, vous calculez vous-même le coût par seconde au lieu de le lire dans un tableau. La génération précédente, Seedance 2.0, reste disponible si vous avez besoin d’une base de référence connue.
💡 Astuce pro : Placez les dialogues entre guillemets doubles et décrivez la voix séparément, par exemple
The courier says, "Left at the red door.", d’une voix calme et grave. Le texte entre guillemets est ce qui déclenche la réplique parlée.
Seedance 2.5 Lite est l’édition légère. Elle est limitée à 480p et 720p, produit des clips de 5 ou 10 secondes et garde l’audio synchronisé activé par défaut. C’est aussi l’un des deux modèles vidéo de l’API propre à PicassoIA, ce qui en fait le modèle le plus simple de cette comparaison à tester depuis du code. Les exemples d’exécution de clips de 10 secondes sur sa page ont pris environ 104 secondes.
Alibaba a lancé Wan 3 fin août sous forme de service hébergé sur Alibaba Cloud Model Studio. Selon les informations publiques, aucun poids téléchargeable n’a été publié, contrairement aux versions précédentes Wan 2.x, publiées en open source. Une API hébergée est donc la seule voie d’accès. L’API prend en charge le texte vers vidéo, l’image vers vidéo à partir d’une première image ou de la première et de la dernière image, ainsi que la génération à partir de références, avec des paliers 480p, 720p et 1080p et jusqu’à 30 secondes en une seule passe.
Sur PicassoIA, le modèle expose l’expansion du prompt (activée par défaut), un prompt négatif, un seed et un format adaptatif qui suit l’image d’entrée lorsque vous en fournissez une. La page n’indique pas la génération audio : vérifiez-le avant de concevoir un pipeline autour de ce modèle. Alibaba estime qu’une tâche prend d’une à cinq minutes, et l’exemple 1080p de 5 secondes sur PicassoIA a pris environ 322 secondes. Pour une variante axée sur le 1080p, regardez Wan 3 Prime.
| Si vous avez besoin de | Commencez par | Pourquoi ça convient |
|---|---|---|
| Des plans de coupe photoréalistes avec son | Veo 3.1 | 1080p, audio activé par défaut, paliers Fast et Lite moins chers pour les brouillons |
| Une courte scène avec plusieurs plans | Kling v3 Video | Jusqu’à 6 plans et 15 secondes en une seule requête |
| Des personnages qui parlent et une synchronisation labiale | Seedance 2.5 | Dialogues entre guillemets, audio de référence, 30 images de référence |
| Des plans-séquences longs en 1080p | Wan 3 | 30 secondes et un palier 1080p |
| Des itérations rapides et peu coûteuses | Seedance 2.5 Lite | Clips de 5 ou 10 secondes en 480p ou 720p |
Quel que soit votre choix, chiffrez les nouvelles tentatives. Si un rendu sur trois est inutilisable, votre coût réel par seconde terminée vaut 1,5 fois le prix affiché. Faites vos brouillons sur un palier économique en 480p ou 720p, verrouillez le prompt et le seed, et ne dépensez pour le rendu final qu’une fois le mouvement juste. Ajoutez une file d’attente avec un backoff exponentiel pour qu’une rafale de requêtes ne dépasse jamais la limite de concurrence, et journalisez chaque identifiant de tâche avec son prompt afin de pouvoir reproduire un bon résultat plus tard.
Veo 3.1 fonctionne sur PicassoIA : vous pouvez donc tester vos prompts dans le navigateur avant d’écrire la moindre ligne d’intégration.
💡 Astuce pro : Ne changez qu’un réglage à la fois. Si vous modifiez en même temps le prompt, le seed et la résolution, vous ne saurez jamais quelle modification a aidé.
L’API de PicassoIA suit le format de Replicate. L’URL de base est https://api.picassoia.com/v1, les requêtes transportent un en-tête Authorization: Bearer pia_sk_..., et les modèles qu’elle expose aujourd’hui sont picassoia/picassoia-image, picassoia/picassoia-image-editor-pro, picassoia/picassoia-video et picassoia/seedance-2.5-lite. Veo ne figure pas dans cette liste, donc cet exemple utilise Seedance 2.5 Lite, le modèle vidéo avec audio. Créez d’abord la prédiction. Une requête réussie renvoie 201 Created.
curl -X POST https://api.picassoia.com/v1/models/picassoia/seedance-2.5-lite/predictions \
-H "Authorization: Bearer $PICASSOIA_TOKEN" \
-H "Content-Type: application/json" \
-d '{
"input": {
"prompt": "A lighthouse at dusk, slow dolly-in, waves breaking on dark rocks, soft evening light",
"duration": 5,
"resolution": "720p",
"aspect_ratio": "16:9"
}
}'
La réponse contient un id (le préfixe api_ suivi de 32 caractères hexadécimaux), un status valant starting, processing, succeeded, failed ou canceled, ainsi qu’une indication eta.next_poll_in_seconds. Interrogez GET /v1/predictions/{id} jusqu’à ce que le statut soit final :
import os, time, requests
BASE = "https://api.picassoia.com/v1"
HEADERS = {"Authorization": f"Bearer {os.environ['PICASSOIA_TOKEN']}"}
job = requests.post(
f"{BASE}/models/picassoia/seedance-2.5-lite/predictions",
headers=HEADERS,
json={"input": {"prompt": "A lighthouse at dusk, slow dolly-in", "duration": 5, "resolution": "720p"}},
).json()
while job["status"] in ("starting", "processing"):
time.sleep((job.get("eta") or {}).get("next_poll_in_seconds") or 2)
job = requests.get(f"{BASE}/predictions/{job['id']}", headers=HEADERS).json()
print(job["status"], job["output"])
Le champ output contient une liste d’URL, une seule URL ou null : gérez les trois cas. Limites à prendre en compte dans votre conception : 5 prédictions simultanées par compte, partagées entre tous les identifiants et les générations lancées via MCP, deux identifiants par compte et un corps de requête de 10 Mo. La référence de l’API de PicassoIA indique actuellement que les prédictions API sont gratuites et ne consomment aucun crédit, et que l’accès nécessite un plan Infinite. Les conditions du plan peuvent changer : consultez la page tarifaire avant de bâtir dessus.
Le moyen le plus rapide de trancher le débat Veo, Kling, Seedance et Wan consiste à faire passer le même prompt dans les quatre et à regarder les résultats côte à côte. Ouvrez Veo 3.1, Kling v3 Video, Seedance 2.5 et Wan 3 dans quatre onglets, collez une même description de scène, puis comparez le mouvement, le son et le temps de rendu. Ensuite, générez d’abord une image fixe de départ avec un modèle texte vers image, puis animez-la, car une image d’ouverture solide est le moyen le moins coûteux de guider une vidéo.
Parcourez le catalogue complet sur picassoia.com/en/all-models, choisissez un modèle pour les brouillons et un pour les rendus finaux, et créez vos premiers clips dès aujourd’hui. Picasso IA réunit tous ces modèles derrière un seul compte : expérimenter ne vous coûte donc que quelques minutes.
Choisissez votre langue
