sora-2

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

Décrire un plan que l’on peut voir et entendre

Le guide de prompting 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 effectuant un tour sur un établi pendant que la caméra s’approche lentement, avec une douce lumière de fenêtre et un léger bruit de moteur. Précisez ce que le spectateur doit remarquer et comment l’action se termine.

Rendez compréhensibles le mouvement de caméra et l’action du sujet dans chaque plan. 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 séquence. Le guide souligne que les plans courts suivent généralement les consignes plus fidèlement et que des générations répétées avec le même prompt produisent des prises différentes.

La présentation du modèle annonce un comportement physique et une continuité entre les plans améliorés, notamment dans les styles réaliste, cinématographique et anime. Ce sont des capacités à diriger et à examiner. Vérifiez le mouvement, le contact entre les objets, les proportions et la continuité, sans supposer qu’une première image plausible garantit une séquence cohérente. Si une action manque de clarté, simplifiez-la et donnez-lui un début et une fin visibles.

Diriger séparément les dialogues et les sons

Précisez les répliques séparément de la description visuelle et identifiez les locuteurs de manière cohérente. Gardez des dialogues assez courts pour tenir dans l’action et la durée du clip prévue. Pour une animation à deux personnages, alternez une brève question et sa réponse plutôt que de demander à un plan court d’accueillir un long discours. Le guide avertit que des dialogues longs et complexes peuvent perturber le rythme et la synchronisation.

Décrivez le paysage sonore propre à la scène : le son d’un petit mouvement, l’ambiance d’une pièce ou le rythme d’un effet environnemental. Expliquez quel son doit coïncider avec l’action. Écoutez les paroles et les effets avec l’image, en vérifiant l’attribution des voix, les mots et le timing. L’audio synchronisé fait partie du clip généré ; il ne s’agit pas d’une réponse textuelle séparée.

Dimensions, durée et début guidé par une image

Les dimensions de sortie documentées du modèle standard sont 720×1280 en portrait et 1280×720 en paysage. Les dimensions à plus haute résolution du profil Pro ne doivent pas être attribuées à Sora 2 standard. Les dimensions et la durée sont des paramètres explicites de la requête ; écrire d’autres dimensions ou demander un film plus long dans le prompt ne modifie pas ces paramètres. La référence de création indique des durées de 4, 8 et 12 secondes : préparez donc un temps d’action court et défini pour chaque plan. Le workflow étendu du fournisseur documente également des durées de 16 et 20 secondes.

Une image de référence fixe le point de départ de la première image, et le texte décrit la suite. Le fournisseur accepte les références JPEG, PNG et WebP et exige que leurs dimensions correspondent à celles de la vidéo cible. Préparez le sujet, l’environnement et la composition dans cette image initiale, puis demandez un mouvement précis. Cette référence guide l’image de départ sans garantir la reproduction de chaque détail pendant tout le clip.

Personnages non humains réutilisables

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

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

Prolonger ou modifier un clip terminé

Un prolongement utilise une vidéo source terminée et un prompt 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 allant jusqu’à 20 secondes par prolongement. L’entrée documentée de ce mode comprend la vidéo source et le texte ; les références supplémentaires de personnages ou d’images en sont exclues. Décrivez comment l’action existante se poursuit au lieu d’introduire une scène sans rapport et sans transition.

La retouche vidéo vise une modification claire d’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 une modification bien définie à la fois et distingue la retouche d’une vidéo générée du téléversement d’une vidéo quelconque, soumis à une condition d’éligibilité distincte. Conservez la source terminée et identifiez précisément la révision attendue avant d’effectuer une autre retouche.

Tâches de rendu et vidéo terminée

Le flux vidéo documenté du fournisseur est asynchrone : une tâche soumise peut être en attente ou en cours avant de se terminer ou d’échouer. Une tâche terminée produit une vidéo MP4 ; des miniatures et des planches de sprites facilitent les aperçus et la navigation. Conservez l’identité de la tâche avec le prompt, les références et les ressources renvoyées. La réponse initiale à une tâche n’est pas la vidéo finale lisible.

Le workflow de téléchargement ordinaire indique une durée de validité d’une heure pour l’URL de téléchargement. Le workflow étendu par lots prépare des requêtes de rendu JSON indépendantes, avec des identifiants d’éléments stables, des références téléversées et un résultat rattaché à chaque plan ; ses ressources terminées disposent d’une période de téléchargement distincte allant jusqu’à 24 heures. Sauvegardez rapidement le clip terminé et examinez l’image et le son réels avant de le retenir comme prise sélectionnée.

Les restrictions de contenu documentées de l’API du fournisseur exigent des contenus adaptés aux moins de 18 ans et rejettent les personnages ou musiques 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, pas 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.