La respuesta ha cambiado desde que escribimos esta comparativa. OpenAI anunció el 24 de marzo de 2026 que dejaba de ofrecer Sora. La app y el sitio web de Sora cerraron el 26 de abril de 2026, y los modelos de Sora 2 y la Videos API se apagaron el 24 de septiembre de 2026. Así que hoy la pregunta práctica no es «¿Veo 3.1 o Sora 2?», sino «¿qué hacía Sora 2 y cuánto de eso cubre Veo 3.1?».
En resumen: Veo 3.1 iguala lo esencial de Sora 2 (video y sonido generados a la vez a partir de texto o de una imagen) y ofrece más control sobre cada toma: un fotograma inicial, un fotograma final opcional, hasta tres imágenes de referencia y salida de hasta 4K. Lo que no sustituye son los clips individuales más largos de Sora (de 15 a 25 segundos) ni la función Cameo para aparecer tú mismo en una escena. Para ver la cronología completa del cierre, consulta Sora 2 cierra.
Veo 3.1 vs Sora 2: especificaciones lado a lado
Los datos de Veo 3.1 proceden de la documentación de la API de Gemini de Google; los de Sora 2, de las páginas de modelos de OpenAI y de su actualización de producto de octubre de 2025. Todo revisado el 28 de septiembre de 2026.
| Veo 3.1 (Google DeepMind) | Sora 2 (OpenAI) | |
|---|---|---|
| Lanzamiento | 15 de octubre de 2025 (actualizado en enero de 2026) | 30 de septiembre de 2025 |
| Estado | Disponible: app Gemini, Flow, API de Gemini, Vertex AI | App cerrada el 26 de abril de 2026; API cerrada el 24 de septiembre de 2026 |
| Audio nativo | Sí: efectos, ambiente, diálogo; siempre activo | Sí: diálogo y efectos de sonido |
| Duración del clip | 4, 6 u 8 segundos | Hasta 15 s en la app para todos los usuarios; 25 s para Pro en la web |
| Secuencias más largas | Extensión: +7 s por paso, hasta unos 148 s a 720p | — (Storyboards servía para planificar tomas) |
| Resolución | 720p, 1080p, 4K | 720p (sora-2); hasta 1080p (sora-2-pro) |
| Relaciones de aspecto | 16:9, 9:16 | Horizontal y vertical |
| Fotogramas por segundo | 24 fps | — |
| Imagen a video | Sí | Sí |
| Primer y último fotograma | Sí | No disponible |
| Referencias | Hasta 3 imágenes de referencia | Cameos (una apariencia grabada) |
| Niveles del modelo | Veo 3.1, Fast, Lite | Sora 2, Sora 2 Pro |
Google describe la salida a 1080p y 4K de Veo 3.1 como reescalada, así que es mejor tratar el 4K como un formato de entrega y no como prueba de más detalle generado.
Audio y diálogo
El sonido fue la gran novedad de ambos modelos. OpenAI lanzó Sora 2 con diálogo y efectos de sonido sincronizados; Google afirma que Veo 3.1 genera de forma nativa efectos de sonido, ruido ambiente y diálogo, y en la API de Gemini el audio está siempre activado.
Ninguno de los dos fabricantes publicó una comparación de audio en igualdad de condiciones, así que toma con cautela cualquier afirmación de que la sincronización labial de uno sea claramente mejor. Lo que ayuda de forma fiable con Veo 3.1 es escribir el sonido en el prompt: el ambiente, el efecto principal y cada frase entre comillas. En un clip de 8 segundos caben una o dos frases de diálogo.
Realismo y movimiento físico
OpenAI convirtió el realismo físico en el sello de Sora 2, con ejemplos como un tiro de baloncesto fallado que rebota en el tablero en lugar de colarse de golpe en la canasta. Lo que Google promete para Veo 3.1 es una mayor fidelidad al prompt y texturas más realistas que en Veo 3. Ambas cosas son el posicionamiento de cada fabricante, no el resultado de una prueba controlada.
Para tu propio trabajo, la prueba útil es una escena que te importe: contacto físico, objetos que caen, líquidos o dos personas interactuando. Genérala y mírala a pantalla completa buscando manos que atraviesan objetos, pies que se deslizan u objetos que cambian de tamaño.
Duración del clip e historias más largas
Esta era la ventaja más clara de Sora 2. Todo el mundo podía generar clips de 15 segundos en la app, y los usuarios Pro podían llegar a 25 segundos en la web, con Storyboards para planificar un clip toma a toma.
Veo 3.1 genera hasta 8 segundos cada vez. La API de Google y Flow pueden ampliar un clip en tramos de 7 segundos (a 720p), pero el camino más sencillo suele ser planificar una secuencia de tomas cortas y montarlas. Si vienes de Sora, reescribe los prompts largos como una lista de tomas, cada una con una acción principal y un movimiento de cámara.
Control sobre la toma
Aquí Veo 3.1 te da más herramientas:
- Imagen a video: parte de tu propia imagen fija para fijar el encuadre, el sujeto y el estilo.
- Primer y último fotograma: añade una imagen final y Veo 3.1 construye el movimiento entre ambas.
- Imágenes de referencia: hasta tres imágenes de un personaje, un producto o un lugar para mantenerlos coherentes en clips distintos.
El equivalente en Sora 2 eran los Cameos, que servían para insertar en una escena a una persona grabada, no para fijar la composición. Si tu trabajo en Sora dependía de Cameos de ti mismo, no hay un equivalente directo en Veo 3.1, y los filtros de seguridad de Google restringen la generación de personas reales a partir de fotos.
¿Cuál te conviene ahora?
Como Sora 2 ya no está disponible, la decisión es qué usar en su lugar:
- Hacías clips cortos con sonido para redes en Sora: Veo 3.1 lo cubre directamente. Usa 9:16 para Shorts, Reels y TikTok.
- Dependías de tomas únicas de 15 a 25 segundos: planifícalas como varias tomas de 8 segundos con Veo 3.1, o usa un modelo que genere clips más largos de una sola pasada.
- Necesitas personajes o productos coherentes entre tomas: el fotograma inicial y las imágenes de referencia de Veo 3.1 son la mejor herramienta.
- Usabas Cameos de ti mismo: no existe un sustituto equivalente en Veo 3.1.
Probar Veo 3.1 aquí
Veo Video ofrece los tres niveles de Veo 3.1. Cada generación es un clip de 8 segundos con sonido, en 16:9 o 9:16, a 720p, 1080p o 4K, creado a partir de texto o de una imagen con un fotograma final opcional; Veo 3.1 Fast también admite hasta tres imágenes de referencia. La extensión y las duraciones de 4 o 6 segundos no están disponibles aquí.
Las cuentas nuevas reciben 30 créditos, suficientes para un clip de Veo 3.1 Lite a 720p, así que puedes probar primero uno de tus antiguos prompts de Sora. Usa Veo 3.1 para las tomas con calidad final. Para tomas únicas más largas, el generador de video con IA también funciona con MiniMax H3 Max.
Relacionado: Veo 3.1 vs Grok Imagine y Veo 3.1 vs Kling AI.