API text-to-video — genera video da un prompt (compatibile con OpenAI, 2026)

Un'API text-to-video trasforma un prompt testuale in una breve clip video, in modo programmatico, così puoi integrare la generazione nelle pipeline invece di fare clic in un'app per consumatori. Questa guida illustra la struttura dell'API comune ai moderni modelli video, i modelli attualmente disponibili su Kunavo, i prezzi per clip e il pattern asincrono necessario in produzione.

Come funziona un'API text-to-video

La struttura è la stessa nei moderni modelli video: invia un prompt e i parametri (duration, aspect_ratio, resolution), e ricevi un URL video ospitato. Kunavo lo espone tramite un unico endpoint in stile OpenAI, /v1/video/generations, quindi puoi passare da un modello video all'altro modificando la stringa model, senza un nuovo SDK o una nuova integrazione.

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 (in secondi) imposta la durata del clip nei modelli con fatturazione al secondo: i modelli Seedance e il modello Wan 2.7. I modelli Veo lo ignorano; ogni clip Veo dura 8 secondi e viene fatturato per video.

Modelli text-to-video su Kunavo

Oggi sono disponibili tre famiglie: Google Veo 3 (qualità cinematografica con audio nativo), ByteDance Seedance 2 (narrazione multi-shot e coerenza con le immagini di riferimento) e Alibaba Wan 2.7 (cinematografico economico, con fatturazione al secondo). Sora, Kling e Hailuo sono in roadmap; poiché l'endpoint è indipendente dal modello, adottarne uno richiede modificare una sola parola nel campo model.

Prezzi

Veo 3 viene addebitato per video (per la clip di 8 secondi a 720p mostrata qui), circa50–70% in meno rispetto al prezzo di listino di Google. Le risoluzioni più alte costano di più: la pagina dei prezzi contiene la tabella completa delle fasce, mentre il calcolatore dei costi dei video IA calcola il costo di un mese, inclusa la distinzione tra tariffazione per clip e al secondo, che è ciò che fa produrre fatture molto diverse a due tariffe dall'aspetto simile.

Da immagine a video

Per animare un'immagine fissa, passa image_url (un URL https o un file caricato) insieme al prompt; passa un primo e un ultimo fotogramma per transizioni controllate. I parametri completi sono nella documentazione video.

Voce e video: cosa fa e cosa non fa questo endpoint

“Speech to video” viene cercato per due cose diverse, ed è utile precisare quale sia disponibile qui.

Video con voce generata — sì. Veo 3 produce audio nativo sincronizzato come parte della generazione: dialoghi, suoni ambientali ed effetti sincronizzati con le immagini, a partire dallo stesso prompt testuale. Descrivi nel prompt la battuta da pronunciare e questa sarà restituita nella traccia audio dell'MP4. Nessun modello vocale separato, nessuna seconda chiamata API, nessun passaggio di sincronizzazione in post-produzione. È una caratteristica specifica della famiglia Veo 3: Seedance 2 e Wan 2.7 generano video senza audio.

Controllare un video da un file audio — no. Se devi caricare una registrazione e ottenere un avatar parlante con sincronizzazione labiale, oppure trascrivere il parlato e ricavarne uno storyboard, oggi Kunavo non dispone di un modello per farlo. I modelli video qui accettano un prompt testuale e, facoltativamente, un'immagine sorgente; nessuno accetta l'audio come input. Per completezza: anche /v1/audio/transcriptions attualmente non ha alcun modello abilitato, quindi non puoi assemblare la versione in due passaggi usando solo questa API. Se questo è il tuo caso d'uso, questo non è lo strumento giusto ed è meglio dirlo chiaramente invece di venderti una soluzione alternativa che non esiste.

Il ciclo di vita asincrono delle attività

La generazione richiede minuti, quindi in produzione non mantieni aperta la connessione. Invia un'attività a /v1/videos, ricevi subito un ID attività e poi interroga GET /v1/videos/{id} finché non viene completata. Gli URL dei risultati sono permanenti.

# 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"

Scegliere tra gli otto modelli

Questa pagina tratta l'endpoint. Per la questione economica, cioè quanto costa una clip di 8 secondi a 720p con ciascun modello e perché la tariffazione per clip e quella al secondo mettono modelli diversi al primo posto a seconda della durata, consulta il confronto tra le API di generazione video.

Domande frequenti