文生视频 API——根据提示词生成视频（OpenAI 兼容，2026）

文本转视频 API会将文本提示转换为一段短视频——以编程方式完成，因此你可以把生成脚本化并接入流水线，而不是在面向消费者的应用中逐步点击。本指南介绍现代视频模型共有的 API 结构、Kunavo 当前已上线的模型、按片段计费方式，以及生产环境所需的异步模式。

文本转视频 API 的工作方式

现代视频模型的结构都相同：发送一个prompt和参数（duration、aspect_ratio、resolution），获得一个托管视频 URL。Kunavo 通过一个 OpenAI 风格的端点/v1/video/generations提供这项能力，因此只需更改model字符串即可切换视频模型——无需新的 SDK 或集成。

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（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。

Kunavo 上的文本转视频模型

目前已有三个系列上线：Google Veo 3（具备原生音频的电影级质量）、ByteDance Seedance 2（多镜头叙事和参考一致性）以及Alibaba Wan 2.7（预算型电影感，按秒计费）。Sora、Kling 和 Hailuo 已列入路线图；由于端点与模型无关，采用其中任何一个只需将model字段改动一个词。

定价

Veo 3 按视频计费（此处显示的是 720p 下每段 8 秒视频），价格约比 Google 的目录价低50–70%。更高分辨率的费用更高——定价页面包含完整的分层表，而AI 视频成本计算器可以计算一个月的费用——包括按片段与按秒计费的区别，这正是两个看起来相近的费率会产生截然不同账单的原因。

图像生成视频

要让静态图像动起来，请将image_url（https URL 或上传的文件）与提示一同传入；要实现受控转场，请传入首帧和末帧。完整参数见视频文档。

语音与视频：这个端点能做什么、不能做什么

“语音转视频”对应两种不同需求，值得明确这里支持的是哪一种。

生成带语音的视频——支持。Veo 3 会在生成过程中产生原生同步音频：对话、环境声和音效会根据画面定时，并由同一个文本提示生成。你只需在提示中描述希望说出的台词，返回的 MP4 音轨中就会包含它。无需单独的语音模型、第二次 API 调用或后期同步步骤。这是 Veo 3 系列特有的属性——Seedance 2 和 Wan 2.7 生成的是静音视频。

用音频文件驱动视频——不支持。如果你需要上传录音并获得口型同步的说话头像，或从录音转录语音并制作分镜，Kunavo 目前没有支持该功能的模型。这里的视频模型接受文本提示，并可选地接受源图像；没有任何模型接受音频作为输入。补充说明：/v1/audio/transcriptions目前也没有启用任何模型，因此你无法仅依靠这个 API 组合出两步式方案。如果这正是你的用例，那么这不是合适的工具；明确说明这一点，比向你兜售并不存在的变通方案更好。

异步任务生命周期

生成需要几分钟，因此在生产环境中不要保持连接。向/v1/videos提交任务，立即获得任务 ID，然后轮询GET /v1/videos/{id}直到完成。结果 URL 永久有效。

# 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"

如何在八个模型之间选择

本页面介绍端点。关于费用问题——每个模型生成一段 8 秒 720p 视频的价格，以及按片段和按秒计费为何会在不同片段长度下让不同模型占据首位——请参阅视频生成 API 对比。

常见问题