Sora API の使い方 — 今すぐ動く AI 動画生成（Veo 3.1 / OpenAI 互換）

Sora は OpenAI's のテキストから動画を生成するモデルで、 “Sora API” は、コンシューマー向けアプリではなくプログラムで 動画を生成する方法です。Kunavo では現在、テキストから動画への生成は Google Veo 3 で、1 つの OpenAI スタイルの動画 エンドポイントを通じて動きます——Sora の対応はロードマップにあり、 エンドポイントはモデル非依存なので、あとで Sora に移るのは一語変更だけです。 このガイドでは、すべての例が今すぐ動くように Veo 3 でワークフローを示します。

Sora API とは？

Sora（Sora 2 と Sora 2 Pro）は、テキストプロンプト——または 1 枚の静止画——を 短い動画クリップに変換し、Sora 2 では同期した音声も付きます。API の形で 使えば、生成をパイプラインに組み込めます。マーケティング映像、製品 アニメーション、b-roll、絵コンテのプレビューなどです。形は最近の動画 モデル全般で共通で、プロンプトとパラメータを送り、ホストされた動画 URL を 受け取ります。

Kunavo で今使える動画: Veo 3

Kunavo は動画生成を 1 つの OpenAI スタイルのエンドポイント /v1/video/generations で公開しています。Sora はまだカタログで 有効化されておらず、現在利用できるテキストから動画へのモデルは Google Veo 3 で、ネイティブ音声付きの映画的なクリップを生成します。以下の例では veo-3 を使っています——Sora が登場したら、変えるのは model フィールドだけです。

テキストから動画へのクイックスタート

Kunavo キーで POST を 1 回するだけです。生成には数分かかることがあるため、 同期呼び出しはクリップが準備できるまで接続を保持します。

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",
        "duration": 5,
        "aspect_ratio": "16:9",
    },
    timeout=600,  # 生成には数分かかることがあります
)
print(resp.json()["data"][0]["url"])

画像から動画へ

静止画をアニメーション化するには、プロンプトと一緒に image_url（https の URL、または /v1/files にアップロードしたファイル）を 渡します。動きを制御したい場合は、image_urls と image_mode: "frame" で最初と最後のフレームを渡せます。 詳しい例は 動画ドキュメント にあります。

非同期タスクのライフサイクル

本番では、10 分間の接続を保持しないでください。/v1/videos に タスクを投入するとすぐにタスク ID が返るので、完了するまで GET /v1/videos/{id} をポーリングします。結果の URL は 恒久的です。

# 本番: タスクを投入してからポーリング——長時間の接続を保持しません。
task = requests.post(
    "https://api.kunavo.com/v1/videos",
    headers={
        "Authorization": f"Bearer {API_KEY}",
        "Idempotency-Key": "my-task-uuid",   # 約 24 時間はリトライしても安全
    },
    json={"model": "veo-3", "prompt": "...", "duration": 5, "aspect_ratio": "16:9"},
    timeout=60,
).json()
# その後 GET /v1/videos/{task["id"]} を完了までポーリングします

動画ドキュメント では、ポーリング ループ全体、冪等キー、Webhook 配信を解説しています。

料金

Veo 3 は動画単位の課金で（ここでは 720p の 8 秒クリップあたり）、 Google's の定価より約 50〜70% 安くなっています。解像度が高くなると コストも上がります——フルのティア表は 料金ページ をご覧ください。

動画プロンプトのコツ

• 被写体だけでなくショットを描写する。 カメラの動き （ドリー、パン、プッシュイン）、レンズの質感、ライティング、テンポは 形容詞よりも効きます。
• アスペクト比を明示する——横向きなら 16:9、 縦向き/SNS なら 9:16。
• クリップは短く。 5〜8 秒がスイートスポットです。 長いシーケンスは複数の生成をつなぎ合わせます。
• 参照フレームを使う（画像から動画）——特定のキャラクター や製品を一貫させたいときに有効です。

よくある質問