텍스트-비디오 API — 프롬프트로 비디오 생성(OpenAI 호환, 2026)

텍스트→비디오 API는 텍스트 프롬프트를 짧은 비디오 클립으로 변환합니다. 프로그래밍 방식이므로 소비자용 앱을 클릭하는 대신 파이프라인에 생성을 스크립트로 통합할 수 있습니다. 이 가이드에서는 최신 비디오 모델에 공통된 API 형태, 현재 Kunavo에서 사용할 수 있는 모델, 클립당 가격 및 프로덕션에서 필요한 비동기 패턴을 다룹니다.

텍스트→비디오 API의 작동 방식

최신 비디오 모델의 형태는 동일합니다. prompt와 매개변수(duration, aspect_ratio, resolution)를 보내면 호스팅된 비디오 URL을 돌려받습니다. Kunavo는 하나의 OpenAI 스타일 엔드포인트 /v1/video/generations를 통해 이를 제공하므로 model 문자열만 바꾸어 비디오 모델을 전환할 수 있습니다. 새 SDK나 통합은 필요하지 않습니다.

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"])

duration은 초 단위 값으로, 초당 과금 모델, 즉 Seedance 모델들과 Wan 2.7에서 클립 길이를 지정합니다. Veo 모델은 이 값을 무시하며, 모든 Veo 클립은 8초이고 동영상당 과금됩니다.

Kunavo의 텍스트→비디오 모델

현재 세 가지 모델군을 사용할 수 있습니다. Google Veo 3(기본 오디오가 포함된 시네마틱 품질), ByteDance Seedance 2(다중 샷 스토리텔링과 참조 일관성), Alibaba Wan 2.7(예산형 시네마틱, 초당 과금)입니다. Sora, Kling 및 Hailuo는 로드맵에 있습니다. 엔드포인트가 모델에 구애받지 않으므로 이들을 도입하는 것은 model 필드를 한 단어 바꾸는 일입니다.

가격

Veo 3는 비디오당 과금됩니다(여기서는 720p의 8초 클립 기준). Google 공개 가격보다 약 50–70% 저렴합니다. 더 높은 해상도는 더 비쌉니다. 전체 티어 표는 가격 페이지에 있으며, AI 비디오 비용 계산기에서는 한 달 사용 비용을 계산할 수 있습니다. 여기에는 비디오당 과금과 초당 과금의 차이도 포함되어 있으며, 이 차이 때문에 비슷해 보이는 두 요금이 매우 다른 청구액을 만들 수 있습니다.

이미지-동영상

정지 이미지를 애니메이션으로 만들려면 프롬프트와 함께 image_url(https URL 또는 업로드한 파일)를 전달하세요. 제어된 전환에는 첫 번째 프레임과 마지막 프레임을 전달하세요. 전체 매개변수는 비디오 문서에 있습니다.

음성과 비디오: 이 엔드포인트가 하는 일과 하지 않는 일

‘Speech to video’는 서로 다른 두 가지를 의미하며, 여기서 어떤 기능을 제공하는지 정확히 구분할 필요가 있습니다.

생성된 음성이 포함된 비디오 — 예. Veo 3는 생성 과정의 일부로 기본 동기화 오디오를 생성합니다. 같은 텍스트 프롬프트에서 대사, 주변음 및 효과음이 영상에 맞춰 생성됩니다. 말하게 할 문장을 프롬프트에 설명하면 반환된 MP4의 오디오 트랙에 포함됩니다. 별도의 음성 모델도, 두 번째 API 호출도, 후반 작업 동기화 단계도 필요 없습니다. 이는 특히 Veo 3 제품군의 특성이며, Seedance 2와 Wan 2.7은 무음 비디오를 생성합니다.

오디오 파일로 비디오 구동 — 아니요. 녹음을 업로드해 립싱크되는 말하는 아바타를 얻거나, 녹음에서 음성을 전사하고 스토리보드를 만들고 싶다면 Kunavo에는 현재 이를 위한 모델이 없습니다. 여기의 비디오 모델은 텍스트 프롬프트와 선택적 소스 이미지를 입력으로 받으며, 오디오를 입력으로 받는 모델은 없습니다. 참고로 /v1/audio/transcriptions에도 현재 활성화된 모델이 없으므로 이 API만으로 2단계 버전을 구성할 수 없습니다. 이것이 사용 사례라면 이 도구는 적합하지 않으며, 존재하지 않는 우회 방법을 판매하기보다 그렇게 말하는 편이 낫습니다.

비동기 작업 수명 주기

생성에는 몇 분이 걸리므로 프로덕션에서는 연결을 유지하지 않습니다. /v1/videos에 작업을 제출하고 즉시 작업 ID를 받은 다음, 완료될 때까지 GET /v1/videos/{id}을 폴링하세요. 결과 URL은 영구적입니다.

# 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"

8개 모델 중 선택하기

이 페이지에서는 엔드포인트를 다룹니다. 비용 문제, 즉 각 모델에서 720p 8초 클립 하나의 가격과 클립 길이에 따라 비디오당 과금과 초당 과금이 서로 다른 모델을 상위에 올리는 이유는 비디오 생성 API 비교를 참조하세요.

자주 묻는 질문