sora-2

A Sora 2 az OpenAI videó- és hanggeneráló modellje, amely írásos jelenetleírásból vagy képreferenciából készít dinamikus klipeket. A képsort a szinkronizált beszéddel, effektekkel és háttérhangokkal együtt generálja. Az alap Sora 2 profil vizuális kísérletezésre, koncepciófejlesztésre, prototípusokra és nyersvágatokra készült. A Sora 2 Pro külön kiadás, amely nagyobb képi hűséget és magasabb felbontású véglegesítést céloz.

Írj le egy látható és hallható beállítást

A készítő promptútmutatója a hasznos briefet a képkivágás, a főtéma, a cselekvés, a helyszín és a fény köré rendezi. Adj a jelenetnek egységes vizuális stílust, majd világos ütemekben írd le a mozgást. Egy eredeti termékkoncepció például bemutathat egy kis mechanikus tárgyat, amely egyszer megfordul a munkapadon, miközben a kamera lassan közelít, lágy ablakfénnyel és finom motorhanggal. Mondd meg, mire figyeljen a néző, és hogyan érjen véget a cselekvés.

Minden beállítás kameramozgása és a főtéma cselekvése legyen érthető. Egy összetett képsort külön beállításblokkokra bonthatsz, amelyeknek saját képkivágásuk, cselekvésük és világításuk van. Ha több klipből egyetlen képsort állítasz össze, őrizd meg ugyanazokat a főtémarészleteket és színpalettát. Az útmutató hangsúlyozza, hogy a rövidebb beállítások általában megbízhatóbban követik az utasításokat, és ugyanannak a promptnak az ismételt generálása eltérő változatokat ad.

A modell bemutatása javított fizikai viselkedést és beállítások közötti folytonosságot ír le, realisztikus, filmes és anime stílusokban is. Ezek olyan tervezett képességek, amelyeket irányítani és ellenőrizni kell. Vizsgáld meg a mozgást, a tárgyak érintkezését, az arányokat és a folytonosságot; ne feltételezd, hogy egy hihető első képkocka összefüggő képsort garantál. Ha egy cselekvés nem világos, egyszerűsítsd, és adj neki látható kezdő- és végpontot.

Irányítsd külön a párbeszédet és a hangot

A kimondandó mondatokat a vizuális leírástól elkülönítve add meg, és következetesen jelöld a beszélőket. A párbeszéd legyen elég rövid ahhoz, hogy illeszkedjen a cselekvéshez és a tervezett kliphosszhoz. Kétkarakteres animációnál váltogass egy rövid kérdést és választ, ahelyett hogy hosszú beszédet zsúfolnál egy rövid beállításba. Az útmutató figyelmeztet, hogy az összetett, hosszú párbeszéd felboríthatja a tempót és a szinkronizációt.

Írd le a jelenethez illő hangkörnyezetet: egy apró mozdulat hangját, a helyiség atmoszféráját vagy egy környezeti hatás ritmusát. Határozd meg, melyik hang essen egybe a cselekvéssel. Hallgasd meg a létrejött beszédet és effekteket a képpel együtt, ellenőrizve a beszélők hozzárendelését, a szöveget és az időzítést. A szinkronizált hang a generált klip része, nem külön szöveges válasz.

Méret, időtartam és képpel vezérelt nyitás

Az alapmodell dokumentált kimeneti méretei álló formátumban 720×1280, fekvő formátumban 1280×720. A Pro profil nagyobb felbontású méretei nem rendelhetők az alap Sora 2 változathoz. A méret és az időtartam külön kérésbeállítás; attól, hogy a promptban más méretet vagy hosszabb filmet kérsz, ezek a beállítások nem változnak meg. A létrehozási referencia 4, 8 és 12 másodperces klipbeállításokat sorol fel, ezért egy beállítás előkészítésekor válassz rövid, jól meghatározott mozzanatot. A kibővített készítői munkafolyamat 16 és 20 másodperces klipbeállításokat is dokumentál.

A képreferencia rögzíti az első képkocka kiindulását, a szöveg pedig leírja, mi történik utána. A készítő JPEG, PNG és WebP referenciákat támogat, és megköveteli, hogy a kép mérete egyezzen a célvideó méretével. A nyitóképen készítsd elő a főtémát, a környezetet és a kompozíciót, majd kérj konkrét mozgást. Ez a nyitóképkocka referenciája, és nem garantálja minden részlet egyezését a klip teljes hosszában.

Újrafelhasználható, nem emberi karakterek

A kibővített készítői munkafolyamat egy állatról, kabalafiguráról vagy tárgyról készült rövid referenciavideóból újrafelhasználható karakterelemet hozhat létre. Az előkészítési útmutató körülbelül két–négy másodperces, 720p és 1080p közötti MP4 klipet kér, 16:9 vagy 9:16 képaránnyal. A forrás és a kimenet azonos képaránya segít elkerülni a nyújtott megjelenést. A generálás legfeljebb két karakterre hivatkozhat.

Őrizd meg a karakterazonosítót, és említsd meg a karakter nevét a promptban; az azonosító önmagában történő átadása nem teljesíti az útmutató teljes előkészítését. A karakterelemek képpel vezérelt generálásban is használhatók, a videófolytatások azonban nem fogadják el őket. A készítő alapértelmezés szerint blokkolja az emberi hasonmást ábrázoló karakterfeltöltéseket, és a dokumentált API-folyamatban elutasítja az emberi arcot tartalmazó referenciaképeket. A Sora alkalmazás személyeskarakter-funkciói külön termékmunkafolyamathoz tartoznak.

Folytass vagy szerkessz egy elkészült klipet

A hosszabbítás egy elkészült forrásvideót és egy folytatási promptot használ, és a teljes forrásklipet a mozgás, a kamera iránya és a jelenet folytonossága szempontjából kontextusként veszi figyelembe. Az útmutató hosszabbításonként legfeljebb 20 másodperces hozzáadást ír le. A dokumentált hosszabbítás bemenete a forrásvideó és a szöveg; ebben a módban további karakter- vagy képreferenciák nem adhatók meg. Írd le, hogyan folytatódjon a meglévő cselekvés, ahelyett hogy átmenet nélkül egy független jelenetet vezetnél be.

A videószerkesztés egy meglévő klip egyértelmű módosítását célozza. Egy célzott átdolgozás megváltoztathatja egy tárgy színét vagy a jelenet palettáját, miközben a beállítás többi részét megőrzi. A készítő útmutatója egyszerre egy jól meghatározott módosítást javasol, és megkülönbözteti a generált videó szerkesztését a tetszőleges felvétel feltöltésétől, amelyre külön jogosultsági feltétel vonatkozik. Tartsd meg az elkészült forrást, és újabb szerkesztés előtt nevezd meg a szükséges pontos módosítást.

Renderelési feladatok és az elkészült videó

A dokumentált készítői videófolyamat aszinkron: a beküldött feladat várólistára kerülhet vagy folyamatban lehet, mielőtt befejeződik vagy hibával leáll. A befejezett feladat MP4 videót ad; a bélyegkép- és sprite-sheet-elemek az előnézetet és a böngészést segítik. Kapcsold össze a feladat azonosítóját a prompttal, a referenciákkal és a visszaadott fájlokkal. A feladat kezdeti válasza nem a végleges, lejátszható videó.

A szokásos letöltési munkafolyamat a letöltési URL egyórás élettartamát írja le. A kibővített kötegelt munkafolyamat egymástól független JSON renderelési kéréseket készít elő stabil elemazonosítókkal, feltöltött referenciákkal és az egyes beállításokhoz visszarendelt eredményekkel; az elkészült fájlokhoz külön, legfeljebb 24 órás letöltési időszak tartozik. Mentsd el mielőbb az elkészült klipet, és vizsgáld meg a tényleges képet és hangot, mielőtt kiválasztott változatként kezeled.

A készítő dokumentált API-tartalmi korlátozásai 18 év alatti közönségnek is megfelelő anyagot követelnek meg, és elutasítják a szerzői joggal védett karaktereket vagy zenét, valamint valós személyek generálását. Ennek megfelelően készítsd elő a jelenetet és a referenciákat. A modell közvetlen eredménye hangos videó, nem generált állókép, társalgási eszközválasz vagy korlátlan hosszúságú film. Egy vizuális koncepció folytatásakor őrizd meg a pontos alapmodell-azonosságot és az elfogadott forrásklipet.