API de texto para vídeo — gere vídeos a partir de um prompt (compatível com OpenAI, 2026)

Uma API de texto para vídeo transforma um prompt de texto em um clipe curto — programaticamente, para que você possa integrar a geração a pipelines em vez de clicar em um aplicativo para consumidores. Este guia aborda o formato comum das APIs dos modelos de vídeo modernos, os modelos disponíveis no Kunavo hoje, o preço por clipe e o padrão assíncrono necessário em produção.

Como funciona uma API de texto para vídeo

O formato é o mesmo nos modelos de vídeo modernos: envie um prompt e parâmetros (duration, aspect_ratio, resolution), e receba uma URL de vídeo hospedada. O Kunavo oferece isso por meio de um único endpoint no estilo OpenAI, /v1/video/generations, portanto você alterna entre modelos de vídeo mudando a string model — sem novo SDK ou integração.

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 (em segundos) define a duração do clipe nos modelos cobrados por segundo: os modelos Seedance e o Wan 2.7. Os modelos Veo ignoram esse valor; cada clipe do Veo tem 8 segundos e é cobrado por vídeo.

Modelos de texto para vídeo no Kunavo

Três famílias estão disponíveis hoje: Google Veo 3 (qualidade cinematográfica com áudio nativo), ByteDance Seedance 2 (narrativa em múltiplos planos e consistência de referência) e Alibaba Wan 2.7 (cinematográfico econômico, cobrança por segundo). Sora, Kling e Hailuo estão no roadmap; como o endpoint é independente do modelo, adotar qualquer um deles exige uma mudança de uma palavra no campo model.

Preços

O Veo 3 é cobrado por vídeo (por clipe de 8 segundos em 720p, mostrado aqui), cerca de50–70% abaixo do preço de tabela do Google. Resoluções maiores custam mais — a página de preços contém a tabela completa de níveis, e a calculadora de custo de vídeo com IA calcula o preço de um mês — incluindo a diferença entre cobrança por clipe e por segundo, que faz duas tarifas visualmente semelhantes produzirem cobranças muito diferentes.

Imagem para vídeo

Para animar uma imagem estática, envie image_url (uma URL https ou um arquivo carregado) junto com o prompt; envie um primeiro e um último quadro para transições controladas. Os parâmetros completos estão na documentação de vídeo.

Fala e vídeo: o que este endpoint faz e não faz

«Fala para vídeo» é pesquisado com dois significados diferentes, e vale especificar qual deles está disponível aqui.

Vídeo com fala gerada — sim. O Veo 3 produz áudio nativo sincronizado como parte da geração: diálogo, som ambiente e efeitos, sincronizados com as imagens, a partir do mesmo prompt de texto. Descreva no prompt a fala que deseja ouvir, e ela retornará na faixa de áudio do MP4 produzido. Sem modelo de voz separado, sem segunda chamada de API, sem etapa de sincronização na pós-produção. Essa é uma propriedade específica da família Veo 3 — Seedance 2 e Wan 2.7 geram vídeo sem áudio.

Gerar vídeo a partir de um arquivo de áudio — não. Se você precisa carregar uma gravação e obter um avatar falante com sincronização labial, ou transcrever fala e criar um storyboard a partir dela, o Kunavo não tem um modelo para isso hoje. Os modelos de vídeo daqui aceitam um prompt de texto e, opcionalmente, uma imagem de origem; nenhum aceita áudio como entrada. Para completar: /v1/audio/transcriptions atualmente também não tem nenhum modelo habilitado, portanto você não pode montar a versão em duas etapas apenas com esta API. Se esse é o seu caso de uso, esta é a ferramenta errada, e é melhor dizer isso do que vender uma solução alternativa inexistente.

O ciclo de vida da tarefa assíncrona

A geração leva minutos, portanto em produção você não mantém a conexão aberta. Envie uma tarefa para /v1/videos, receba imediatamente um ID de tarefa e faça polling em GET /v1/videos/{id} até a conclusão. As URLs de resultado são 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"

Escolhendo entre os oito modelos

Esta página aborda o endpoint. Para a questão financeira — quanto custa um clipe de 8 segundos em 720p em cada modelo e por que a cobrança por clipe e por segundo coloca modelos diferentes no topo para diferentes durações de clipe — consulte a comparação de APIs de geração de vídeo.

Perguntas frequentes