Sora API — text-to-video trên quy trình tương thích OpenAI

Sora là mô hình chuyển văn bản thành video của OpenAI, còn “Sora API” là cách các nhóm tạo video theo cách lập trình được thay vì thông qua ứng dụng dành cho người dùng. Hiện nay trên Kunavo, việc chuyển văn bản thành video chạy trên Google Veo 3 thông qua một endpoint video kiểu OpenAI — Sora nằm trong lộ trình, và vì endpoint không phụ thuộc mô hình, việc chuyển sang Sora sau này chỉ cần thay đổi một từ. Hướng dẫn này trình bày quy trình với Veo 3 để mọi ví dụ đều chạy được ngay.

Sora API là gì?

Sora (Sora 2 và Sora 2 Pro) biến prompt văn bản — hoặc một hình ảnh tĩnh — thành clip video ngắn, với âm thanh đồng bộ trong Sora 2. Dạng API cho phép bạn đưa việc tạo video vào pipeline: cảnh tiếp thị, hoạt ảnh sản phẩm, B-roll, bản xem trước storyboard. Cấu trúc giống nhau giữa các mô hình video hiện đại: gửi prompt và các tham số, nhận về URL video được lưu trữ.

Video trên Kunavo hiện nay: Veo 3

Kunavo cung cấp tính năng tạo video thông qua một endpoint kiểu OpenAI duy nhất, /v1/video/generations. Sora chưa được bật trong danh mục; mô hình chuyển văn bản thành video đang hoạt động là Google Veo 3, tạo các clip điện ảnh với âm thanh tích hợp sẵn. Các ví dụ dưới đây sử dụng veo-3 — khi Sora ra mắt, thay đổi duy nhất là trường model.

Khởi động nhanh chuyển văn bản thành video

Một lệnh POST với khóa Kunavo của bạn. Quá trình tạo có thể mất vài phút, vì vậy lệnh đồng bộ sẽ giữ kết nối cho đến khi clip sẵn sàng:

import os

import requests

API_KEY = os.environ["KUNAVO_API_KEY"]

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 (giây) đặt độ dài clip trên các mô hình tính phí theo giây: các mô hình Seedance và mô hình Wan 2.7. Các mô hình Veo bỏ qua tham số này; mỗi clip Veo dài 8 giây và được tính phí theo video.

Chuyển hình ảnh thành video

Để tạo chuyển động cho hình ảnh tĩnh, truyền image_url (URL https hoặc tệp bạn đã tải lên /v1/files) cùng với prompt. Để kiểm soát chuyển động, bạn có thể truyền khung hình đầu và cuối bằng image_urls và image_mode: "frame". Ví dụ đầy đủ nằm trong tài liệu video.

Vòng đời tác vụ bất đồng bộ

Trong production, đừng giữ kết nối trong 10 phút. Gửi một tác vụ đến /v1/videos, nhận ngay task id, sau đó polling GET /v1/videos/{id} cho đến khi hoàn tất. Các URL kết quả là vĩnh viễn.

# 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",   # a repeat returns the same task
    },
    json={"model": "veo-3", "prompt": "...", "aspect_ratio": "16:9"},
    timeout=60,
).json()
# then poll GET /v1/videos/{task["id"]} until it completes

Tài liệu video bao quát toàn bộ vòng lặp polling, khóa idempotency và việc gửi webhook.

Giá

Veo 3 được tính phí theo video (mỗi clip 8 giây ở 720p như minh họa tại đây), thấp hơn khoảng50–70% so với giá niêm yết của Google. Độ phân giải cao hơn có giá cao hơn — xem trang giá để biết bảng đầy đủ các cấp.

Mẹo viết prompt cho video

• Mô tả cảnh quay, không chỉ chủ thể. Chuyển động máy quay (dolly, pan, push-in), cảm giác ống kính, ánh sáng và nhịp độ quan trọng hơn tính từ.
• Đặt tỷ lệ khung hình một cách rõ ràng — 16:9 cho khung ngang, 9:16 cho khung dọc/mạng xã hội.
• Mỗi clip Veo dài 8 giây. Hãy lên kế hoạch cho từng cảnh quay theo độ dài đó, và ghép kết quả của nhiều lần tạo để có các chuỗi cảnh dài hơn.
• Sử dụng khung hình tham chiếu (chuyển hình ảnh thành video) khi bạn cần một nhân vật hoặc sản phẩm cụ thể giữ được tính nhất quán.

Câu hỏi thường gặp