sora-2

Sora 2 est le modèle de génération vidéo et audio d’OpenAI pour créer des clips dynamiques à partir d’une description écrite de scène ou d’une image de référence. Il génère la séquence visuelle avec de la parole, des effets et des sons d’ambiance synchronisés. Le profil Sora 2 standard est destiné à l’exploration visuelle, au développement de concepts, aux prototypes et aux montages préliminaires. Sora 2 Pro est une édition distincte qui vise une fidélité visuelle accrue et une finition à plus haute résolution.

Décrire un plan que l’on peut voir et entendre

Le guide d’invites du fabricant organise un brief utile autour du cadrage, du sujet, de l’action, du décor et de la lumière. Donnez à la scène un style visuel cohérent, puis décrivez le mouvement en étapes claires. Un concept de produit original pourrait montrer un petit objet mécanique qui fait un tour sur un établi pendant que la caméra s’en approche lentement, dans une douce lumière de fenêtre, avec un léger bruit de moteur. Précisez ce que le spectateur doit remarquer et comment l’action se termine.

Gardez le mouvement de caméra et l’action du sujet de chaque plan faciles à comprendre. Une séquence complexe peut être divisée en blocs de plans distincts, chacun avec son cadrage, son action et son éclairage. Conservez les mêmes détails du sujet et la même palette lorsque plusieurs clips doivent former une seule séquence. Le guide souligne que les plans courts suivent généralement les consignes plus fidèlement et que plusieurs générations à partir d’une même invite produisent des prises différentes.

L’annonce du modèle décrit une amélioration du comportement physique et de la continuité entre les plans, notamment dans les styles réaliste, cinématographique et animé japonais. Il s’agit de capacités prévues qu’il faut diriger et examiner. Vérifiez le mouvement, le contact entre les objets, les proportions et la continuité au lieu de supposer qu’une première image plausible garantit une séquence cohérente. Si une action est ambiguë, simplifiez-la et donnez-lui un début et une fin visibles.

Diriger séparément les dialogues et le son

Précisez les répliques à part de la description visuelle et identifiez les personnages qui parlent de façon constante. Gardez les dialogues assez courts pour convenir à l’action et à la durée prévue du clip. Pour une animation à deux personnages, alternez une courte question et sa réponse plutôt que de demander à un plan bref d’accueillir un long discours. Le guide avertit que les dialogues longs et complexes peuvent perturber le rythme et la synchronisation.

Décrivez l’environnement sonore propre à la scène : le son d’un petit mouvement, l’ambiance de la pièce ou le rythme d’un effet du milieu. Expliquez quel son doit coïncider avec l’action. Écoutez la parole et les effets obtenus en regardant l’image, et vérifiez l’attribution des répliques, les mots prononcés et leur synchronisation. L’audio synchronisé fait partie du clip généré; ce n’est pas une réponse textuelle distincte.

Dimensions, durée et ouverture guidée par une image

Les dimensions de sortie documentées du modèle standard sont 720×1280 en portrait et 1280×720 en paysage. Il ne faut pas attribuer à Sora 2 standard les dimensions à plus haute résolution du profil Pro. Les dimensions et la durée sont des paramètres explicites de la requête; écrire d’autres dimensions ou demander un film plus long dans l’invite ne modifie pas ces paramètres. La référence de création énumère des durées de clip de 4, 8 et 12 secondes; préparez donc une action courte et définie pour chaque plan. Le flux de travail étendu du fournisseur documente aussi des durées de 16 et 20 secondes.

Une image de référence ancre la première image du clip, et le texte décrit la suite. Le fournisseur accepte les références JPEG, PNG et WebP et exige que l’image corresponde aux dimensions de la vidéo cible. Préparez le sujet, l’environnement et la composition dans cette image d’ouverture, puis demandez un mouvement précis. C’est une référence pour la première image, et non une garantie de reproduire tous les détails pendant tout le clip.

Personnages non humains réutilisables

Le flux de travail étendu du fournisseur permet de créer un élément de personnage réutilisable à partir d’une courte vidéo de référence d’un animal, d’une mascotte ou d’un objet. Ses consignes de préparation demandent un clip MP4 d’environ deux à quatre secondes, de 720p à 1080p, en 16:9 ou en 9:16. Faire correspondre les rapports d’image de la source et de la sortie aide à éviter un aspect étiré. La génération peut faire référence à un maximum de deux personnages.

Conservez l’identifiant du personnage et mentionnez son nom dans l’invite; transmettre l’identifiant seul ne constitue pas la préparation complète décrite par le guide. Les éléments de personnages peuvent accompagner une génération guidée par image, mais les prolongations vidéo ne les acceptent pas. Le fournisseur bloque par défaut les téléversements de personnages à apparence humaine et rejette les images de référence contenant des visages humains dans le flux d’API documenté. Les fonctions de personnages personnels de l’application Sora relèvent d’un flux de travail de produit distinct.

Prolonger ou modifier un clip terminé

Une prolongation utilise une vidéo source terminée et une invite de continuation, en prenant le clip source entier comme contexte pour le mouvement, la direction de caméra et la continuité de la scène. Le guide décrit des ajouts pouvant atteindre 20 secondes par prolongation. L’entrée documentée pour une prolongation est la vidéo source et le texte; les références supplémentaires de personnages ou d’images sont exclues de ce mode. Décrivez comment l’action existante se poursuit au lieu d’introduire une scène sans rapport et sans transition.

La modification vidéo vise un changement clair dans un clip existant. Une révision ciblée peut changer la couleur d’un objet ou la palette de la scène tout en conservant le reste du plan. Le guide du fournisseur recommande un changement bien défini à la fois et distingue la modification d’une vidéo générée du téléversement de séquences quelconques, qui comporte une condition d’admissibilité distincte. Conservez la source terminée et identifiez précisément la révision nécessaire avant de faire une autre modification.

Tâches de rendu et vidéo terminée

Le flux vidéo documenté du fournisseur est asynchrone : une tâche soumise peut être en file d’attente ou en cours avant de se terminer ou d’échouer. Une tâche terminée fournit une vidéo MP4; des vignettes et des planches de sprites servent à la prévisualisation et à la navigation. Conservez l’identité de la tâche avec l’invite, les références et les éléments retournés. Une réponse initiale de tâche n’est pas la vidéo finale prête à lire.

Le flux de téléchargement ordinaire indique une durée de validité d’une heure pour l’URL de téléchargement. Le flux étendu de traitement par lots prépare des requêtes de rendu JSON indépendantes avec des identifiants d’éléments stables, des références téléversées et un résultat associé à chaque plan; ses éléments terminés disposent d’une période de téléchargement distincte pouvant atteindre 24 heures. Sauvegardez rapidement le clip terminé et examinez réellement l’image et le son avant de le considérer comme une prise retenue.

Les restrictions de contenu documentées de l’API du fournisseur exigent du contenu convenant à un public de moins de 18 ans et rejettent les personnages ou la musique protégés par le droit d’auteur ainsi que la génération de personnes réelles. Préparez la scène et les références en conséquence. Le résultat direct du modèle est une vidéo avec audio, et non des images fixes générées, une réponse conversationnelle d’outil ou un film de durée illimitée. Conservez l’identité exacte du modèle standard et le clip source accepté lorsque vous poursuivez un concept visuel.