API Sora — text-to-video dans un workflow compatible OpenAI

Sora est le modèle texte-vers-vidéo d’OpenAI, et « l’API Sora » désigne la manière dont les équipes génèrent des vidéos automatiquement plutôt que via l’application grand public. Aujourd’hui, sur Kunavo, le texte-vers-vidéo fonctionne avec Google Veo 3 via un seul point de terminaison vidéo de type OpenAI — l’accès à Sora est prévu dans la feuille de route et, comme le point de terminaison est indépendant du modèle, passer à Sora plus tard ne nécessitera qu’un changement d’un mot. Ce guide présente le workflow avec Veo 3 afin que chaque exemple fonctionne dès maintenant.

Qu’est-ce que l’API Sora ?

Sora (Sora 2 et Sora 2 Pro) transforme un prompt textuel — ou une image fixe — en un court clip vidéo, avec un audio synchronisé dans Sora 2. Le format de l’API permet d’intégrer la génération dans un pipeline : plans marketing, animations de produits, plans de coupe, aperçus de storyboard. La structure est la même pour les modèles vidéo modernes : envoyez un prompt et des paramètres, puis recevez une URL vidéo hébergée.

La vidéo sur Kunavo aujourd’hui : Veo 3

Kunavo expose la génération vidéo via un point de terminaison unique de type OpenAI, /v1/video/generations. Sora n’est pas encore activé dans le catalogue ; le modèle texte-vers-vidéo disponible est Google Veo 3, qui produit des clips cinématographiques avec audio natif. Les exemples ci-dessous utilisent veo-3 — lorsque Sora sera disponible, le seul changement concernera le champ model.

Démarrage rapide du texte-vers-vidéo

Un seul POST avec votre clé Kunavo. La génération peut prendre quelques minutes ; l’appel synchrone maintient donc la connexion ouverte jusqu’à ce que le clip soit prêt :

import requests

resp = requests.post(
    "https://api.kunavo.com/v1/video/generations",
    headers={"Authorization": f"Bearer {API_KEY}"},
    json={
        "model": "veo-3",
        "prompt": "a cinematic dolly-in on a red origami crane unfolding, soft light",
        "aspect_ratio": "16:9",
    },
    timeout=600,  # generation can take minutes
)
print(resp.json()["data"][0]["url"])

duration (en secondes) définit la durée du clip pour les modèles facturés à la seconde : les modèles Seedance et le modèle Wan 2.7. Les modèles Veo l’ignorent ; chaque clip Veo dure 8 secondes et est facturé par vidéo.

Génération de vidéo à partir d’images

Pour animer une image fixe, transmettez image_url (une URL https ou un fichier importé vers /v1/files) avec le prompt. Pour contrôler le mouvement, vous pouvez transmettre une première et une dernière image avec image_urls et image_mode: "frame". Des exemples complets figurent dans la documentation vidéo.

Cycle de vie des tâches asynchrones

En production, ne maintenez pas une connexion ouverte pendant 10 minutes. Soumettez une tâche à /v1/videos, récupérez immédiatement un identifiant de tâche, puis interrogez GET /v1/videos/{id} jusqu’à son achèvement. Les URL de résultats sont permanentes.

# Production: submit a task, then poll — no long-lived connection.
task = requests.post(
    "https://api.kunavo.com/v1/videos",
    headers={
        "Authorization": f"Bearer {API_KEY}",
        "Idempotency-Key": "my-task-uuid",   # retry-safe within ~24h
    },
    json={"model": "veo-3", "prompt": "...", "aspect_ratio": "16:9"},
    timeout=60,
).json()
# then poll GET /v1/videos/{task["id"]} until it completes

La documentation vidéo couvre la boucle complète d’interrogation, les clés d’idempotence et la livraison par webhook.

Tarification

Veo 3 est facturé par vidéo (par clip de 8 secondes en 720p, comme indiqué ici), environ 50–70% sous le tarif affiché par Google. Les résolutions supérieures coûtent plus cher — consultez la page de tarification pour le tableau complet des niveaux.

Conseils de prompting vidéo

• Décrivez le plan, pas seulement le sujet. Le mouvement de caméra (travelling, panoramique, rapprochement), le rendu de l’objectif, l’éclairage et le rythme comptent davantage que les adjectifs.
• Définissez explicitement le format — 16:9 pour le paysage, 9:16 pour le vertical/social.
• Chaque clip Veo dure 8 secondes. Prévoyez chaque plan pour cette durée et assemblez plusieurs générations pour les séquences plus longues.
• Utilisez une image de référence (image-vers-vidéo) lorsque vous devez conserver la cohérence d’un personnage ou d’un produit spécifique.

Questions fréquentes