Sora API —— 在类似 OpenAI 的 Endpoint 上生成 AI 视频（目前使用 Veo 3.1）

Sora 是 OpenAI 的文本转视频模型，“Sora API”是团队以编程方式生成视频、而不是通过消费者应用的方式。在 Kunavo，目前文本转视频通过Google Veo 3在类似 OpenAI 的视频端点上运行——Sora 访问权限已列入路线图，而且由于该端点与模型无关，未来切换到 Sora 只需将 model 字段改动一个单词。本指南使用 Veo 3 展示工作流，因此每个示例都能立即运行。

什么是 Sora API？

Sora（Sora 2 和 Sora 2 Pro）可将文本提示词或静态图像转换为短视频片段，Sora 2 还支持同步音频。API 形式允许您将生成流程编写进管道：营销镜头、产品动画、B-roll、分镜预览。现代视频模型的形式基本一致：发送提示词和参数，获取托管视频 URL。

Kunavo 当前的视频方案：Veo 3

Kunavo 通过单一的类似 OpenAI 的端点提供视频生成，/v1/video/generations。Sora 尚未在目录中启用；当前启用的文本转视频模型是 Google Veo 3，可生成带原生音频的电影感片段。以下示例使用veo-3——Sora 上线后，唯一需要更改的是model字段。

文本转视频快速入门

使用您的 Kunavo 密钥发送 POST 请求。生成可能需要几分钟，因此同步调用会保持连接，直到片段完成：

import requests

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,  # die Generierung kann Minuten dauern
)
print(resp.json()["data"][0]["url"])

duration（秒）用于在按秒计费的模型（Seedance 系列模型和 Wan 2.7）上设置片段时长。Veo 模型会忽略它；每个 Veo 片段都是 8 秒，按视频计费。

图像转视频

要为静态图像添加动画，请将image_url（https URL 或上传到/v1/files的文件）与提示词一起传递。要控制运动，可以使用image_urls和image_mode: "frame"传递首帧和尾帧。完整示例请参阅视频文档。

异步任务生命周期

在生产环境中，不应保持 10 分钟的连接。将任务提交到/v1/videos，立即获取任务 ID，然后轮询GET /v1/videos/{id}，直到任务完成。结果 URL 永久有效。

# Produktion: Task einreichen, dann pollen — keine langlebige Verbindung.
task = requests.post(
    "https://api.kunavo.com/v1/videos",
    headers={
        "Authorization": f"Bearer {API_KEY}",
        "Idempotency-Key": "my-task-uuid",   # innerhalb von ~24h retry-sicher
    },
    json={"model": "veo-3", "prompt": "...", "aspect_ratio": "16:9"},
    timeout=60,
).json()
# dann GET /v1/videos/{task["id"]} pollen, bis er fertig ist

视频文档介绍完整的轮询循环、幂等键和 Webhook 交付。

价格

Veo 3 按视频计费（此处按 720p、8 秒片段计算），价格约比 Google 列表价低50–70%。更高分辨率的费用更高——完整的分级价格表请参阅价格页面。

视频提示词技巧

• 描述场景，而不仅仅是主体。摄像机运动（推轨、摇摄、推近）、镜头质感、光照和节奏比形容词更重要。
• 明确设置宽高比——横屏使用16:9，竖屏/社交媒体使用9:16。
• 每个 Veo 片段都是 8 秒。请按这个时长设计每个镜头；如需更长的序列，可将多个生成结果拼接起来。
• 使用参考帧（图像转视频），以便让特定角色或产品保持一致。

常见问题