API Sora — chuyển văn bản thành video trong quy trình tương thích OpenAI

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

API Sora là gì?

Sora (Sora 2 và Sora 2 Pro) biến prompt văn bản — hoặc ảnh tĩnh — thành một đoạn video ngắn, có âm thanh đồng bộ trong Sora 2. API cho phép đưa việc tạo video vào pipeline: cảnh quay marketing, hoạt ảnh sản phẩm, b-roll, bản xem trước storyboard. Định dạng giống nhau giữa các mô hình video hiện đại: bạn gửi prompt và các tham số, sau đó nhận lại URL của một video được lưu trữ.

Video trên Kunavo hiện nay: Veo 3

Kunavo cung cấp tính năng tạo video qua một endpoint duy nhất theo phong cách OpenAI, /v1/video/generations. Sora vẫn chưa được bật trong danh mục; mô hình chuyển văn bản thành video đang hoạt động là Google Veo 3, tạo ra các đoạn video mang tính 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 sẽ là trường model.

Bắt đầu nhanh với chuyển văn bản thành video

Một yêu cầu POST với khóa Kunavo của bạn. Quá trình tạo có thể mất vài phút, nên lệnh gọi đồng bộ sẽ giữ kết nối mở cho đến khi đoạn video 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": "um dolly-in cinematográfico em um origami de garça vermelha se abrindo, luz suave",
        "aspect_ratio": "16:9",
    },
    timeout=600,  # a geração pode levar minutos
)
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 ảnh thành video

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

Vòng đời của tác vụ bất đồng bộ

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

# Produção: envie uma tarefa e faça polling — sem conexão de longa duração.
task = requests.post(
    "https://api.kunavo.com/v1/videos",
    headers={
        "Authorization": f"Bearer {API_KEY}",
        "Idempotency-Key": "meu-uuid-de-tarefa",   # repetir o envio retorna a mesma tarefa
    },
    json={"model": "veo-3", "prompt": "...", "aspect_ratio": "16:9"},
    timeout=60,
).json()
# depois faça polling em GET /v1/videos/{task["id"]} até concluir

Tài liệu video trình bày đầy đủ vòng lặp polling, khóa idempotency và việc phân phối qua webhook.

Giá

Veo 3 được tính phí theo video (mỗi đoạn 8 giây ở 720p, như minh họa tại đây), thấp hơn khoảng 50–70% so với giá niêm yết của Google. Độ phân giải cao hơn có giá cao hơn — xem trang giá để biết đầy đủ các bậc giá.

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 điệu quan trọng hơn tính từ.
• Xác định rõ tỷ lệ khung hình — 16:9 cho phong cảnh, 9:16 cho video 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 ảnh thành video) khi cần giữ một nhân vật hoặc sản phẩm cụ thể nhất quán.

Câu hỏi thường gặp