Sora 2 vs Veo 3 Video API: tutorial + comparativa de precios (2026)
Integra las API de vídeo de OpenAI Sora 2 y Google Veo 3 paso a paso — código Python, tabla comparativa de precios (oficial, Kie, Replicate) y cómo elegir por presupuesto, duración y resolución.
Si quieres generar vídeos cortos con audio desde código, no te libras de dos modelos: Sora 2 (y Sora 2 Pro) de OpenAI y Veo 3 (y Veo 3.1) de Google. Ambos hacen texto a vídeo, imagen a vídeo y audio nativo, pero difieren mucho en cómo se integran, cuánto cuestan y en qué destacan. Esta guía reúne los pasos de integración, código que funciona y una tabla comparativa de precios para que tropieces menos y gastes menos.
Los dos modelos de vídeo de un vistazo
- Sora 2 / Sora 2 Pro (OpenAI): fuerte realismo físico, movimiento de cámara coherente y buena sincronía audio-vídeo — ideal para trabajo de cámara realista, demos de producto y «bustos parlantes» verosímiles. El nivel Pro tiene más resolución y estabilidad, y cuesta más. Acceso vía la API oficial de OpenAI y hosts de terceros como Replicate.
- Veo 3 / Veo 3.1 (Google): excelente aspecto cinematográfico e iluminación, alta fidelidad al prompt y generación nativa de diálogo y efectos de sonido. Acceso vía Google Vertex AI, la Gemini API y agregadores como Kie.ai. Veo 3.1 se divide en Lite / Fast / Quality — elige por calidad de imagen y presupuesto.
La duración por toma es corta en ambos (normalmente ~8 segundos); los vídeos largos se hacen encadenando varios clips.
Integración + código
El flujo es el mismo en ambos: consigue la clave → envía la tarea de generación → sondea el estado de la tarea → descarga el clip. El vídeo no se devuelve de forma síncrona — no lo escribas como una llamada de modelo de texto «una petición, un resultado».
Sora 2 (API oficial de OpenAI)
- Activa y crea una clave de API en la plataforma de OpenAI;
- Envía la tarea con el endpoint
videos, sondea hastacompletedy luego obtén la descarga.
from openai import OpenAI
client = OpenAI(api_key="sk-tu-clave")
# 1) Enviar la tarea de generación
video = client.videos.create(
model="sora-2", # o "sora-2-pro"
prompt="Un corgi corriendo sobre nieve fresca, sol de la mañana, cámara lenta, cinematográfico",
seconds=8,
size="1280x720",
)
# 2) Sondear la tarea hasta que termine
while video.status in ("queued", "in_progress"):
video = client.videos.retrieve(video.id)
# 3) Descargar el clip
if video.status == "completed":
content = client.videos.download_content(video.id, variant="video")
content.write_to_file("sora2.mp4")Los nombres de campo siguen la documentación oficial de generación de vídeo de OpenAI; pueden variar algo entre versiones del SDK.
Veo 3 (Gemini API)
Google recomienda el SDK google-genai — de nuevo «enviar la tarea → sondear la operation → descargar».
import time
from google import genai
client = genai.Client(api_key="TU_CLAVE_GEMINI")
# 1) Enviar la tarea de generación
operation = client.models.generate_videos(
model="veo-3.0-generate-preview", # Veo 3; para el nivel fast usa el nombre de modelo fast correspondiente
prompt="Toma aérea nocturna de una ciudad, reflejos de neón en calles mojadas, estilo cyberpunk",
)
# 2) Sondear hasta que la operation esté lista
while not operation.done:
time.sleep(10)
operation = client.operations.get(operation)
# 3) Guardar el vídeo
video = operation.response.generated_videos[0]
client.files.download(file=video.video)
video.video.save("veo3.mp4")Los nombres de modelo y parámetros exactos siguen la documentación de vídeo de la Gemini API. En agregadores como Kie.ai o Replicate, cambia por su endpoint REST y cabeceras de auth; sigue la documentación de cada proveedor para la estructura de petición/callback.
Tabla comparativa de precios
La tabla siguiente es aproximada, en USD, a julio de 2026. Los tipos de cambio, niveles y promociones cambian constantemente — consulta el precio en vivo de cada plataforma antes de contratar. El «clip de 8 s» se estima como precio por segundo × 8 segundos, con audio incluido.
| Modelo | Canal | Resolución | Por segundo (aprox) | Clip 8 s (aprox) | Audio |
|---|---|---|---|---|---|
| Sora 2 | OpenAI oficial | 720p | $0.10 | $0.80 | Nativo |
| Sora 2 Pro | OpenAI oficial | 720p | $0.30 | $2.40 | Nativo |
| Sora 2 Pro | OpenAI oficial | 1024p+ | $0.50 | $4.00 | Nativo |
| Sora 2 | Replicate | 720p | $0.20–0.35 | $1.60–2.80 | Nativo |
| Veo 3 | Google oficial | 720/1080p | $0.75 (con audio) | $6.00 | Nativo |
| Veo 3 Fast | Google oficial | 720/1080p | $0.15 | $1.20 | Nativo |
| Veo 3 Fast | Kie.ai | 720/1080p | ~$0.05 | ~$0.40 | Nativo |
| Veo 3 Quality | Kie.ai | 1080p | ~$0.25 | ~$2.00 | Nativo |
Algunas conclusiones para ahorrar:
- El acceso oficial directo suele ser el más caro. Veo 3 oficial con audio ronda los $0.75/s — el techo de esta tabla; los agregadores (nivel Fast de Kie a ~$0.05/s) bajan el mismo modelo a una fracción de eso.
- Sora 2 estándar es 3× más barato que Pro. Si no necesitas la máxima resolución y solo quieres borradores o clips para redes, el nivel estándar basta.
- Replicate sale más caro pero es estable — su propuesta es fiabilidad y experiencia de desarrollo, no precio bajo.
Comparativa de capacidad / duración / resolución
| Dimensión | Sora 2 / Sora 2 Pro | Veo 3 / Veo 3.1 |
|---|---|---|
| Creador | OpenAI | Google DeepMind |
| Duración por toma | ~4–12 s (Pro más larga y estable) | ~8 s máx |
| Resolución | 720p / 1024p+ (Pro) | 720p / 1080p |
| Audio nativo | ✅ diálogo + efectos | ✅ diálogo + efectos |
| Imagen a vídeo | ✅ | ✅ |
| Puntos fuertes | Realismo físico, tomas coherentes, sincronía A/V | Iluminación cinematográfica, textura, fidelidad al prompt |
| Acceso principal | OpenAI oficial / Replicate | Vertex AI / Gemini API / Kie |
Cómo elegir
- Presupuesto primero, alto volumen: usa un agregador de Veo 3 Fast (p. ej. Kie) a unos céntimos por segundo — genial para material masivo de redes y para A/B testing de copy contra visuales.
- Trabajo de cámara realista, bustos parlantes verosímiles: elige Sora 2 / Sora 2 Pro — el realismo físico y la sincronía A/V son su terreno.
- Vídeo cinematográfico, de calidad publicitaria: elige Veo 3 Quality — la iluminación y la fidelidad al prompt encajan con trabajo de acabado final.
- Valida antes de escalar: ambos lados tienen niveles Fast/estándar baratos. Deja el pipeline y los prompts funcionando en el nivel barato, y cambia al caro solo para el render final — ahorra mucho coste de prueba y error.
FAQ (preguntas frecuentes)
- ¿Cuál es más barato, Sora 2 o Veo 3? Para «nivel rápido + agregador», Veo 3 Fast vía una plataforma como Kie suele ser lo más barato (
$0.05/s). Entre el acceso oficial directo, Sora 2 estándar ($0.10/s) es mucho más barato que Veo 3 oficial con audio (~$0.75/s). Compara por canal y nivel, no solo por el nombre del modelo. - ¿Puedo usar los vídeos comercialmente? ¿Llevan marca de agua? Las políticas de licencia y marca de agua difieren por proveedor y cambian — algunos canales baratos añaden marca de agua o restringen el uso comercial. Rígete siempre por los términos vigentes de la plataforma que uses; no traslades conclusiones de otro sitio.
- ¿Y si 8 segundos por toma no bastan? Usa «guion de tomas + generación por clips + montaje»: divide una toma larga en varios segmentos de 8 segundos, genera cada uno y móntalos con un editor o ffmpeg — cuida la continuidad visual y de audio entre segmentos.
- ¿Hay cuota gratuita? Los proveedores oficiales y la mayoría de agregadores dan a los nuevos usuarios un pequeño crédito de prueba; los importes y la vigencia cambian a menudo — rígete por los términos actuales de la página de registro.
- ¿Cómo gestiono modelos de texto/imagen junto con esto? Si tu app ya llama a modelos de texto como Claude, GPT y Gemini, puedes usar el endpoint unificado compatible con OpenAI de GetModel para reunir esas claves y facturación en una sola clave con saldo compartido; consulta los modelos disponibles y los precios en vivo en la página de precios. La disponibilidad de modelos de vídeo se actualiza con el tiempo — rígete por la página de precios.