Belangrijkste inzichten
- Native audio — geluid dat in dezelfde pass als de video wordt gegenereerd — is nog steeds de uitzondering, niet de norm.
- Veo, Sora 2, LTX-2, WAN 2.5, PixVerse v5, Grok en de nieuwste Kling-tiers lopen voorop in in-pass audio.
- Veel sterke visuele modellen zijn bewust stil — je voegt voice-over, muziek of SFX achteraf toe.
- Voor talking-heads en advertenties verandert native audio + lip-sync de workflow meer dan pure beeldkwaliteit.
Native audio vs. toegevoegd geluid
Er zijn twee totaal verschillende dingen die mensen bedoelen met “video met kunstmatige intelligentie met geluid.” De gebruikelijke is toegevoegde audio — je genereert een stille clip en legt daar een voice-over, muzieklaag of sound effects bovenop. De zeldzamere, indrukwekkendere is native audio: het model synthetiseert geluid in dezelfde generatiepassage als het beeld, zodat voetstappen op voetvallen landen, lippen met woorden meebewegen en de ambience bij de scène past.
Native audio is lastiger en is in 2026 nog steeds de uitzondering. We hebben elk model op Vivideo gecontroleerd om te zien welke daadwerkelijk geluid in-pass produceren en welke bewust stil zijn ontworpen.
De modellen die het kunnen
Een handvol frontmodellen genereert nu native audio: de Veo-lijn van Google, Sora 2 van OpenAI, LTX-2 van Lightricks, WAN 2.5 van Alibaba, PixVerse v5, Grok video van xAI en de nieuwste Kling-tiers. De rest — vaak uitstekend in beweging en realisme — rendert stil, en audio voeg je toe in post.
| Native audio | Standaard geluidloos (audio achteraf toevoegen) |
|---|---|
| Veo 3.1 / Veo 3.1 Fast | Hailuo (de meeste niveaus) |
| Sora 2 / Sora 2 Pro | Luma Ray 2 |
| LTX-2 / LTX-2 Pro | Pika, Vidu |
| WAN 2.5 · PixVerse v5 · Grok | Hunyuan, CogVideoX, Marey |
Lijsten zijn indicatief en veranderen snel naarmate labs nieuwe versies uitbrengen — Vivideo houdt de live-capabilityflags per model bij.
Waarom dit telt voor je workflow
Voor pure B‑roll maakt native audio nauwelijks uit — je ging ’m toch scoren. Waar het alles verandert is bij dialoog en ads: een model dat in één pass een stem en bijpassende mondbeweging genereert, stort een meerstapspipeline (genereren → voice-over → lip-sync) in tot één render. Voor talking-head, UGC- en ad-makers is die workflowshift vaak waardevoller dan een marginale sprong in visuele kwaliteit.
De praktische vuistregel in Vivideo: moet je clip praten, begin dan met een native-audiomodel; moet het vooral mooi ogen, kies dan op beeld en voeg geluid toe in de editor.
