API de texto a vídeo — genera vídeo a partir de un prompt (compatible con OpenAI, 2026)

Una API de texto a vídeo convierte un prompt de texto en un clip de vídeo corto, de forma programática, para que puedas integrar la generación en pipelines en lugar de hacer clic en una aplicación para consumidores. Esta guía cubre la estructura de API común a los modelos de vídeo modernos, los modelos disponibles hoy en Kunavo, el precio por clip y el patrón asíncrono que necesitas en producción.

Cómo funciona una API de texto a vídeo

La estructura es la misma en los modelos de vídeo modernos: envías un prompt y parámetros (duration, aspect_ratio, resolution) y recibes una URL de vídeo alojada. Kunavo lo expone mediante un único endpoint con formato de OpenAI, /v1/video/generations, de modo que cambias entre modelos de vídeo modificando la cadena model; no necesitas un SDK ni una integración nuevos.

import requests

# One OpenAI-style endpoint for every text-to-video model.
resp = requests.post(
    "https://api.kunavo.com/v1/video/generations",
    headers={"Authorization": f"Bearer {API_KEY}"},
    json={
        "model": "veo-3",                       # swap the model, same request
        "prompt": "a cinematic dolly-in on a red origami crane unfolding",
        "aspect_ratio": "16:9",
    },
    timeout=600,  # generation takes minutes
)
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.

Modelos de texto a vídeo en Kunavo

Hoy hay tres familias activas: Google Veo 3 (calidad cinematográfica con audio nativo), ByteDance Seedance 2 (narración en múltiples planos y coherencia con referencias) y Alibaba Wan 2.7 (cinematográfico económico, con facturación por segundo). Sora, Kling y Hailuo están en la hoja de ruta; como el endpoint es independiente del modelo, adoptar cualquiera de ellos requiere cambiar una sola palabra en el campo model.

Precios

Veo 3 se factura por vídeo (por clip de 8 segundos en 720p, como se muestra aquí), aproximadamente un 50–70% por debajo del precio de lista de Google. Las resoluciones superiores cuestan más: la página de precios contiene la tabla completa de niveles, y la calculadora de costes de vídeo con IA calcula el precio de un mes, incluida la diferencia entre facturación por clip y por segundo, que es lo que hace que dos tarifas de aspecto similar produzcan facturas muy distintas.

Imagen a vídeo

Para animar una imagen fija, envía image_url (una URL https o un archivo subido) junto con el prompt; envía un primer y un último fotograma para controlar las transiciones. Los parámetros completos están en la documentación de vídeo.

Voz y vídeo: qué hace y qué no hace este endpoint

«Voz a vídeo» se busca para referirse a dos cosas distintas, y conviene precisar cuál está disponible aquí.

Vídeo con voz generada: sí. Veo 3 produce audio nativo sincronizado como parte de la generación: diálogo, sonido ambiente y efectos sincronizados con las imágenes, a partir del mismo prompt de texto. Describe en el prompt la frase que quieres que se pronuncie y aparecerá en la pista de audio del MP4 devuelto. No necesitas un modelo de voz independiente, una segunda llamada a la API ni un paso de sincronización en posproducción. Esta propiedad es específica de la familia Veo 3; Seedance 2 y Wan 2.7 generan vídeo sin sonido.

Generar vídeo a partir de un archivo de audio: no. Si necesitas subir una grabación y obtener un avatar parlante con sincronización labial, o transcribir el habla y crear un storyboard a partir de ella, Kunavo no tiene hoy ningún modelo para eso. Los modelos de vídeo de aquí aceptan un prompt de texto y, opcionalmente, una imagen de origen; ninguno acepta audio como entrada. Para completar la información: /v1/audio/transcriptions tampoco tiene actualmente ningún modelo habilitado, por lo que no puedes ensamblar la versión de dos pasos usando solo esta API. Si ese es tu caso de uso, esta no es la herramienta adecuada y es mejor decirlo que venderte una solución alternativa inexistente.

El ciclo de vida de la tarea asíncrona

La generación tarda minutos, así que en producción no mantienes abierta la conexión. Envía una tarea a /v1/videos, recibe inmediatamente un ID de tarea y, después, consulta GET /v1/videos/{id} periódicamente hasta que finalice. Las URL de resultados son permanentes.

# Production: submit a task and poll — don't hold a long connection.
task = requests.post(
    "https://api.kunavo.com/v1/videos",
    headers={"Authorization": f"Bearer {API_KEY}",
             "Idempotency-Key": "my-task-uuid"},
    json={"model": "veo-3", "prompt": "..."},
    timeout=60,
).json()
# then poll GET /v1/videos/{task["id"]} until status == "completed"

Cómo elegir entre los ocho modelos

Esta página cubre el endpoint. Para la cuestión económica —cuánto cuesta un clip de 8 segundos en 720p con cada modelo y por qué la facturación por clip y por segundo coloca modelos distintos en primer lugar según la duración del clip— consulta la comparativa de API de generación de vídeo.

Preguntas frecuentes