API de Sora: generación de vídeos con IA (hoy con Veo 3.1)

Sora es el modelo de texto a vídeo de OpenAI y “Sora API” es la vía para que los equipos generen vídeo programáticamente en lugar de utilizar una aplicación de consumo. En Kunavo, hoy la conversión de texto a vídeo funciona con Google Veo 3 mediante un único endpoint de vídeo al estilo de OpenAI; el acceso a Sora está en la hoja de ruta y, como el endpoint es independiente del modelo, cambiar a Sora más adelante requerirá modificar una sola palabra. Esta guía muestra el flujo con Veo 3 para que todos los ejemplos funcionen ahora mismo.

¿Qué es la API de Sora?

Sora (Sora 2 y Sora 2 Pro) convierte una instrucción de texto, o una imagen fija, en un clip de vídeo corto, con audio sincronizado en Sora 2. El formato de la API permite incluir la generación en un flujo: piezas de marketing, animaciones de productos, b-roll y previsualizaciones. El formato es el mismo en los modelos de vídeo modernos: envía una instrucción y parámetros, y recibe una URL de vídeo alojada.

Vídeo en Kunavo hoy: Veo 3

Kunavo ofrece la generación de vídeo mediante un único endpoint al estilo de OpenAI: /v1/video/generations. Sora aún no está habilitado en el catálogo; el modelo activo de texto a vídeo es Google Veo 3, que produce clips cinematográficos con audio nativo. Los ejemplos siguientes utilizan veo-3; cuando llegue Sora, lo único que cambiará será el campo model.

Inicio rápido de texto a vídeo

Un único POST con tu clave de Kunavo. La generación puede tardar varios minutos; por eso la llamada sincrónica mantiene abierta la conexión hasta que el clip está listo:

import requests

resp = requests.post(
    "https://api.kunavo.com/v1/video/generations",
    headers={"Authorization": f"Bearer {API_KEY}"},
    json={
        "model": "veo-3",
        "prompt": "kırmızı bir origami turnanın açılışına yumuşak ışıkta sinematik dolly-in",
        "aspect_ratio": "16:9",
    },
    timeout=600,  # üretim dakikalar sürebilir
)
print(resp.json()["data"][0]["url"])

duration (en segundos) define la duración del clip en los modelos con facturación por segundo: los modelos Seedance y el modelo Wan 2.7. Los modelos Veo lo ignoran; cada clip de Veo dura 8 segundos y se factura por vídeo.

De imagen a vídeo

Pasa image_url junto con la instrucción para animar una imagen fija (una URL https o un archivo que hayas cargado en /v1/files). También puedes pasar el fotograma inicial y el final mediante image_urls y image_mode: "frame" para controlar el movimiento. Consulta ejemplos completos en la documentación de vídeo.

Ciclo de vida de una tarea asíncrona

No mantengas una conexión abierta durante 10 minutos en producción. Envía una tarea a /v1/videos, recibe inmediatamente un ID de tarea y consulta GET /v1/videos/{id} hasta que finalice. Las URL de resultados son permanentes.

# Üretim: bir görev gönderin, sonra yoklayın — uzun ömürlü bağlantı yok.
task = requests.post(
    "https://api.kunavo.com/v1/videos",
    headers={
        "Authorization": f"Bearer {API_KEY}",
        "Idempotency-Key": "my-task-uuid",   # ~24s içinde yeniden denemeye güvenli
    },
    json={"model": "veo-3", "prompt": "...", "aspect_ratio": "16:9"},
    timeout=60,
).json()
# ardından tamamlanana kadar GET /v1/videos/{task["id"]} adresini yoklayın

La documentación de vídeo cubre el ciclo completo de consulta, las claves de idempotencia y la entrega mediante webhooks.

Precios

Veo 3 se factura por vídeo (aquí se muestra por clip de 8 segundos en 720p) y cuesta aproximadamente un %50-70 menos que el precio de lista de Google. Las resoluciones superiores son más caras; consulta la página de precios para ver la tabla completa de niveles.

Consejos para las instrucciones de vídeo

• Describe la toma, no solo el sujeto. El movimiento de cámara (dolly, pan, push-in), la sensación de la lente, la iluminación y el ritmo importan más que los adjetivos.
• Especifica explícitamente la relación de aspecto: 16:9 para horizontal y 9:16 para vertical o redes sociales.
• Cada clip de Veo dura 8 segundos. Planifica cada toma para esa duración y une varias generaciones para crear secuencias más largas.
• Utiliza un fotograma de referencia (de imagen a vídeo) cuando un personaje o producto concreto deba mantener la coherencia.

Preguntas frecuentes