sora-2

Sora 2 ist das Modell von OpenAI zur Video- und Audiogenerierung für dynamische Clips aus einer schriftlichen Szenenbeschreibung oder einer Bildreferenz. Es erzeugt die Bildfolge zusammen mit synchronisierter Sprache, Effekten und Hintergrundton. Das Standardprofil Sora 2 ist für visuelle Erkundung, Konzeptentwicklung, Prototypen und Rohschnitte vorgesehen. Sora 2 Pro ist eine separate Ausgabe für höhere Bildtreue und die Fertigstellung in höherer Auflösung.

Eine Einstellung beschreiben, die sichtbar und hörbar ist

Der Prompting-Leitfaden des Herstellers gliedert ein hilfreiches Briefing nach Bildausschnitt, Motiv, Handlung, Umgebung und Licht. Geben Sie der Szene einen stimmigen visuellen Stil und beschreiben Sie die Bewegung anschliessend in klaren Etappen. Ein eigenständiges Produktkonzept könnte ein kleines mechanisches Objekt zeigen, das sich auf einer Werkbank einmal dreht, während die Kamera langsam näher kommt, bei weichem Fensterlicht und einem dezenten Motorgeräusch. Geben Sie an, worauf die Betrachtenden achten sollen und wie die Handlung endet.

Halten Sie die Kamerabewegung und die Handlung des Motivs in jeder Einstellung verständlich. Eine komplizierte Sequenz lässt sich in einzelne Einstellungsblöcke mit jeweils eigenem Bildausschnitt, eigener Handlung und Beleuchtung aufteilen. Bewahren Sie dieselben Motivdetails und dieselbe Farbpalette, wenn mehrere Clips eine Sequenz bilden sollen. Der Leitfaden betont, dass kürzere Einstellungen Anweisungen in der Regel zuverlässiger folgen und dass wiederholte Generierungen mit demselben Prompt unterschiedliche Takes liefern.

Die Modellvorstellung beschreibt verbessertes physikalisches Verhalten und bessere Kontinuität über mehrere Einstellungen hinweg, unter anderem in realistischen, filmischen und Anime-Stilen. Diese vorgesehenen Fähigkeiten müssen gezielt angeleitet und geprüft werden. Kontrollieren Sie Bewegung, Kontakt zwischen Gegenständen, Proportionen und Kontinuität, statt anzunehmen, dass ein plausibles erstes Bild eine stimmige Sequenz garantiert. Wenn eine Handlung unklar ist, vereinfachen Sie sie und geben ihr einen sichtbaren Anfang und ein sichtbares Ende.

Dialog und Ton getrennt anleiten

Geben Sie gesprochene Sätze getrennt von der visuellen Beschreibung an und kennzeichnen Sie die Sprechenden einheitlich. Halten Sie Dialoge kurz genug, damit sie zur Handlung und zur vorgesehenen Cliplänge passen. Bei einer Animation mit zwei Figuren wechseln Sie eine kurze Frage und Antwort ab, statt in einer kurzen Einstellung eine lange Rede unterbringen zu wollen. Der Leitfaden warnt, dass komplexe, lange Dialoge Tempo und Synchronisierung beeinträchtigen können.

Beschreiben Sie die zur Szene gehörende Klangkulisse: das Geräusch einer kleinen Bewegung, die Raumatmosphäre oder den Rhythmus eines Umgebungsgeräusches. Erklären Sie, welcher Klang mit der Handlung zusammenfallen soll. Hören Sie die erzeugte Sprache und die Effekte zusammen mit dem Bild an und prüfen Sie Sprecherzuordnung, Wortlaut und Timing. Synchronisierter Ton ist Teil des erzeugten Clips und keine separate Textantwort.

Grösse, Dauer und ein bildgeführter Anfang

Die dokumentierten Ausgabegrössen des Standardmodells sind 720×1280 im Hochformat und 1280×720 im Querformat. Die höheren Auflösungen des Pro-Profils dürfen nicht dem Standardmodell Sora 2 zugeordnet werden. Grösse und Dauer sind ausdrückliche Anfrageeinstellungen; eine andere Grössenangabe oder der Wunsch nach einem längeren Film im Prompt ändert diese Einstellungen nicht. Die Referenz zur Erstellung nennt Cliplängen von 4, 8 und 12 Sekunden. Planen Sie deshalb eine kurze, klar definierte Handlung für die Einstellung. Der erweiterte Herstellerablauf dokumentiert ausserdem Einstellungen für 16- und 20-sekündige Clips.

Eine Bildreferenz verankert das erste Einzelbild; der Text beschreibt, was danach geschieht. Der Hersteller unterstützt Referenzen in JPEG, PNG und WebP und verlangt, dass das Bild der Zielgrösse des Videos entspricht. Bereiten Sie Motiv, Umgebung und Komposition in diesem Anfangsbild vor und verlangen Sie dann eine bestimmte Bewegung. Die Referenz legt das Anfangsbild fest, garantiert aber nicht, dass jedes Detail im gesamten Clip identisch bleibt.

Wiederverwendbare nichtmenschliche Figuren

Der erweiterte Herstellerablauf kann aus einem kurzen Referenzvideo eines Tiers, Maskottchens oder Gegenstands eine wiederverwendbare Figurenressource erstellen. Seine Vorbereitungshinweise nennen einen MP4-Clip von etwa zwei bis vier Sekunden, 720p bis 1080p, in 16:9 oder 9:16. Übereinstimmende Seitenverhältnisse von Quelle und Ausgabe helfen, eine gestreckte Darstellung zu vermeiden. Die Generierung kann bis zu zwei Figuren referenzieren.

Bewahren Sie die Figurenkennung auf und nennen Sie den Namen der Figur im Prompt; die Kennung allein zu übergeben erfüllt die Vorbereitung des Leitfadens nicht vollständig. Figurenressourcen können zusammen mit einer bildgeführten Generierung verwendet werden, Videoverlängerungen akzeptieren sie jedoch nicht. Der Hersteller blockiert standardmässig Figuren-Uploads mit menschlichem Aussehen und weist im dokumentierten API-Ablauf Referenzbilder mit menschlichen Gesichtern zurück. Die Funktionen der Sora-App für persönliche Figuren gehören zu einem separaten Produktablauf.

Einen fertigen Clip fortsetzen oder bearbeiten

Eine Verlängerung übernimmt ein abgeschlossenes Quellvideo und einen Fortsetzungs-Prompt. Sie verwendet den gesamten Quellclip als Kontext für Bewegung, Kameraführung und Szenenkontinuität. Der Leitfaden beschreibt Ergänzungen von bis zu 20 Sekunden pro Verlängerung. Als dokumentierte Eingabe dienen Quellvideo und Text; zusätzliche Figuren- oder Bildreferenzen sind in diesem Modus ausgeschlossen. Beschreiben Sie, wie die bestehende Handlung weitergeht, statt ohne Übergang eine unverbundene Szene einzuführen.

Die Videobearbeitung zielt auf eine klare Änderung an einem bestehenden Clip. Eine gezielte Überarbeitung kann die Farbe eines Gegenstands oder die Farbpalette der Szene ändern und den Rest der Einstellung bewahren. Der Herstellerleitfaden empfiehlt jeweils eine klar abgegrenzte Änderung und unterscheidet die Bearbeitung eines generierten Videos vom Upload beliebigen Filmmaterials, für den eine separate Zulassungsbedingung gilt. Bewahren Sie die abgeschlossene Quelle auf und benennen Sie die genaue gewünschte Änderung, bevor Sie erneut bearbeiten.

Renderaufträge und das fertige Video

Der dokumentierte Videoablauf des Herstellers ist asynchron: Ein eingereichter Auftrag kann zunächst in der Warteschlange stehen oder in Bearbeitung sein, bevor er abgeschlossen wird oder fehlschlägt. Ein abgeschlossener Auftrag liefert ein MP4-Video; Vorschaubilder und Sprite-Sheets unterstützen Vorschau und Durchsicht. Bewahren Sie die Auftragskennung zusammen mit Prompt, Referenzen und zurückgegebenen Ressourcen auf. Eine erste Auftragsantwort ist noch nicht das fertige abspielbare Video.

Der gewöhnliche Downloadablauf beschreibt eine Gültigkeit der Download-URL von einer Stunde. Der erweiterte Stapelablauf bereitet unabhängige JSON-Renderanfragen mit stabilen Elementkennungen, hochgeladenen Referenzen und einer Zuordnung jedes Ergebnisses zur jeweiligen Einstellung vor; für seine abgeschlossenen Ressourcen gilt ein separater Downloadzeitraum von bis zu 24 Stunden. Speichern Sie den fertigen Clip zeitnah und prüfen Sie das tatsächliche Bild und den Ton, bevor Sie ihn als ausgewählten Take behandeln.

Die dokumentierten API-Inhaltsbeschränkungen des Herstellers verlangen für Personen unter 18 Jahren geeignetes Material und weisen urheberrechtlich geschützte Figuren oder Musik sowie die Generierung realer Personen zurück. Bereiten Sie Szene und Referenzen entsprechend vor. Das direkte Modellergebnis ist ein Video mit Ton, keine generierten Standbilder, keine dialogbasierte Tool-Antwort und kein unbegrenzt langer Film. Bewahren Sie die genaue Identität des Standardmodells und den akzeptierten Quellclip, wenn Sie ein visuelles Konzept fortsetzen.