API texte-vers-vidéo — générer une vidéo à partir d’un prompt (compatible avec OpenAI, 2026)

Une API de conversion de texte en vidéo transforme une invite textuelle en un court clip vidéo — de manière programmatique, afin que vous puissiez intégrer la génération à des pipelines au lieu de cliquer dans une application grand public. Ce guide couvre la structure d’API commune aux modèles vidéo modernes, les modèles actuellement disponibles sur Kunavo, la tarification par clip et le modèle asynchrone nécessaire en production.

Fonctionnement d’une API de conversion de texte en vidéo

La structure est la même pour les modèles vidéo modernes : envoyez un prompt et des paramètres (duration, aspect_ratio, resolution), puis recevez une URL hébergée vers la vidéo. Kunavo expose cela via un endpoint unique de style OpenAI, /v1/video/generations, ce qui vous permet de changer de modèle vidéo en modifiant la chaîne model — sans nouveau SDK ni nouvelle intégration.

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 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.

Modèles de conversion de texte en vidéo sur Kunavo

Trois familles sont actuellement disponibles : Google Veo 3 (qualité cinématographique avec audio natif), ByteDance Seedance 2 (narration en plusieurs plans et cohérence avec les références) et Alibaba Wan 2.7 (cinématographique à petit budget, facturation à la seconde). Sora, Kling et Hailuo sont prévus sur la feuille de route ; comme l’endpoint est indépendant du modèle, l’adoption de l’un d’eux se résume à modifier un mot dans le champ model.

Tarification

Veo 3 est facturé par vidéo (par clip de 8 secondes en 720p montré ici), environ 50–70 % en dessous du tarif catalogue de Google. Les résolutions supérieures coûtent davantage — la page des tarifs contient le tableau complet des niveaux, et le calculateur de coût vidéo IA estime le coût sur un mois — notamment la différence entre facturation par clip et à la seconde, qui explique pourquoi deux tarifs apparemment similaires peuvent produire des factures très différentes.

Génération de vidéo à partir d’images

Pour animer une image fixe, transmettez image_url (une URL https ou un fichier téléversé) avec l’invite ; transmettez une première et une dernière image pour contrôler les transitions. Les paramètres complets figurent dans la documentation vidéo.

Parole et vidéo : ce que fait et ne fait pas cet endpoint

« Parole vers vidéo » est recherché pour deux usages différents, et il convient de préciser lequel est disponible ici.

Vidéo avec parole générée — oui. Veo 3 produit un audio natif synchronisé dans le cadre de la génération : dialogues, sons ambiants et effets, synchronisés avec les images, à partir de la même invite textuelle. Décrivez dans l’invite la phrase que vous souhaitez faire prononcer et elle sera renvoyée sur la piste audio du MP4 généré. Aucun modèle vocal distinct, aucun second appel d’API, aucune étape de synchronisation en postproduction. Cette propriété est spécifique à la famille Veo 3 — Seedance 2 et Wan 2.7 génèrent des vidéos silencieuses.

Piloter une vidéo à partir d’un fichier audio — non. Si vous devez téléverser un enregistrement pour obtenir un avatar parlant synchronisé sur les lèvres, ou transcrire la parole et créer un storyboard à partir de celui-ci, Kunavo ne propose aujourd’hui aucun modèle pour cela. Les modèles vidéo utilisés ici prennent une invite textuelle et, facultativement, une image source ; aucun n’accepte l’audio en entrée. Pour être complet : /v1/audio/transcriptions ne dispose actuellement d’aucun modèle activé non plus, vous ne pouvez donc pas assembler la version en deux étapes avec cette seule API. Si c’est votre cas d’usage, ce n’est pas le bon outil, et mieux vaut le dire que vous vendre une solution de contournement inexistante.

Cycle de vie d’une tâche asynchrone

La génération prend quelques minutes ; en production, vous ne maintenez donc pas la connexion ouverte. Soumettez une tâche à /v1/videos, recevez immédiatement un identifiant de tâche, puis interrogez GET /v1/videos/{id} jusqu’à sa finalisation. Les URL de résultat sont 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"

Choisir entre les huit modèles

Cette page couvre l’endpoint. Pour la question financière — le coût d’un clip 720p de 8 secondes sur chaque modèle et les raisons pour lesquelles la facturation par clip et à la seconde placent des modèles différents en tête selon la durée du clip — consultez la comparaison des API de génération vidéo.

Questions fréquentes