sora-2

Sora 2 er OpenAIs modell for video- og lydgenerering, som lager dynamiske klipp fra en skriftlig scenebeskrivelse eller en bildereferanse. Den genererer bildesekvensen sammen med synkronisert tale, effekter og bakgrunnslyd. Standardprofilen Sora 2 er rettet mot visuell utforsking, konseptutvikling, prototyper og grovklipp. Sora 2 Pro er en egen utgave rettet mot høyere visuell kvalitet og ferdigstilling i høyere oppløsning.

Beskriv en innstilling som kan ses og høres

Produsentens promptveiledning bygger en nyttig beskrivelse rundt bildeutsnitt, motiv, handling, omgivelser og lys. Gi scenen en sammenhengende visuell stil, og beskriv deretter bevegelsen i tydelige trinn. Et originalt produktkonsept kan vise en liten mekanisk gjenstand som roterer én gang på en arbeidsbenk mens kameraet beveger seg langsomt nærmere, med mykt vinduslys og en dempet motorlyd. Angi hva seeren skal legge merke til, og hvordan handlingen slutter.

Sørg for at kamerabevegelsen og motivets handling i hver innstilling er forståelige. En komplisert sekvens kan deles inn i egne innstillingsblokker, hver med sitt eget bildeutsnitt, sin handling og sin belysning. Behold de samme motivdetaljene og den samme paletten når flere klipp skal danne én sekvens. Veiledningen understreker at kortere innstillinger vanligvis følger regien mer pålitelig, og at gjentatt generering med samme prompt gir forskjellige opptaksvarianter.

Lanseringen av modellen beskriver forbedret fysisk oppførsel og kontinuitet mellom innstillinger, blant annet i realistisk stil, filmstil og animestil. Dette er tiltenkte egenskaper som må styres og undersøkes. Gjennomgå bevegelse, kontakt mellom objekter, proporsjoner og kontinuitet, fremfor å anta at et troverdig første bilde garanterer en sammenhengende sekvens. Hvis en handling er uklar, forenkler du den og gir den en synlig begynnelse og slutt.

Regisser dialog og lyd hver for seg

Angi replikkene atskilt fra den visuelle beskrivelsen, og bruk konsekvente etiketter for dem som snakker. Hold dialogen kort nok til å passe til handlingen og den tiltenkte klipplengden. For en animasjon med to figurer kan du veksle mellom et kort spørsmål og svar, fremfor å be en kort innstilling romme en lang tale. Veiledningen advarer om at komplisert, lang dialog kan forstyrre tempo og synkronisering.

Beskriv lydbildet som hører til scenen: lyden av en liten bevegelse, rommets bakgrunnslyd eller rytmen i en miljøeffekt. Forklar hvilken lyd som skal falle sammen med handlingen. Lytt til talen og effektene sammen med bildet, og kontroller hvem som snakker, ordlyden og timingen. Synkronisert lyd inngår i det genererte klippet og er ikke et eget tekstsvar.

Størrelse, varighet og en bildestyrt åpning

Standardmodellens dokumenterte utdatastørrelser er 720×1280 i stående format og 1280×720 i liggende format. Størrelser med høyere oppløsning i Pro-profilen skal ikke tilskrives standardmodellen Sora 2. Størrelse og varighet er uttrykkelige forespørselsinnstillinger; å skrive en annen størrelse eller be om en lengre film i prompten endrer ikke disse innstillingene. Opprettelsesreferansen oppgir klippinnstillinger på 4, 8 og 12 sekunder, så velg et kort, definert handlingsforløp når du forbereder en innstilling. Den utvidede produsentarbeidsflyten dokumenterer også klippinnstillinger på 16 og 20 sekunder.

En bildereferanse forankrer det første bildet, og teksten beskriver hva som skjer videre. Produsenten støtter referanser i JPEG, PNG og WebP og krever at bildet samsvarer med målstørrelsen for videoen. Forbered motiv, miljø og komposisjon i dette åpningsbildet, og be deretter om en bestemt bevegelse. Dette er en referanse for åpningsbildet, ikke en garanti for at hver detalj samsvarer gjennom hele klippet.

Gjenbrukbare ikke-menneskelige figurer

Den utvidede produsentarbeidsflyten kan lage en gjenbrukbar figurressurs fra en kort referansevideo av et dyr, en maskot eller en gjenstand. Forberedelsesveiledningen ber om et MP4-klipp på omtrent to til fire sekunder, i 720p til 1080p og formatet 16:9 eller 9:16. Samsvar mellom kilde- og utdataformat bidrar til å unngå et strukket utseende. Genereringen kan vise til opptil to figurer.

Behold figuridentifikatoren og nevn navnet i prompten; å sende identifikatoren alene utgjør ikke hele forberedelsen som veiledningen beskriver. Figurressurser kan følge en bildestyrt generering, men videoforlengelser godtar dem ikke. Produsenten blokkerer som standard opplasting av figurer som ligner mennesker og avviser referansebilder som inneholder menneskeansikter i den dokumenterte API-flyten. Sora-appens funksjoner for personlige figurer er en egen produktarbeidsflyt.

Viderefør eller rediger et ferdig klipp

En forlengelse tar en ferdig kildevideo og en prompt for videreføringen, og bruker hele kildeklippet som kontekst for bevegelse, kameraretning og scenekontinuitet. Veiledningen beskriver tillegg på opptil 20 sekunder per forlengelse. Den dokumenterte inndataen for forlengelse er kildevideoen og tekst; ekstra figur- eller bildereferanser er utelatt i denne modusen. Beskriv hvordan den eksisterende handlingen fortsetter, fremfor å introdusere en uvedkommende scene uten overgang.

Videoredigering retter seg mot en tydelig endring i et eksisterende klipp. En avgrenset revisjon kan endre fargen på et objekt eller scenens palett og samtidig beholde resten av innstillingen. Produsentveiledningen anbefaler én veldefinert endring om gangen og skiller redigering av en generert video fra opplasting av vilkårlige opptak, som har en egen betingelse for å være kvalifisert. Behold den ferdige kilden og angi nøyaktig hvilken revisjon som trengs, før du gjør en ny redigering.

Renderjobber og den ferdige videoen

Produsentens dokumenterte videoflyt er asynkron: en innsendt jobb kan stå i kø eller være under behandling før den fullføres eller mislykkes. En fullført jobb gir en MP4-video; miniatyrbilder og sprite-sheet-ressurser støtter forhåndsvisning og gjennomgang. Hold jobbidentiteten knyttet til prompten, referansene og de returnerte ressursene. Et første jobbsvar er ikke den ferdige, avspillbare videoen.

Den vanlige nedlastingsarbeidsflyten beskriver en levetid på én time for nedlastings-URL-en. Den utvidede batcharbeidsflyten klargjør uavhengige JSON-renderforespørsler med stabile elementidentifikatorer, opplastede referanser og et resultat koblet tilbake til hver innstilling; de ferdige ressursene har en egen nedlastingsperiode på opptil 24 timer. Ta vare på det ferdige klippet raskt, og undersøk selve bildet og lyden før du behandler det som et valgt opptak.

Produsentens dokumenterte innholdsbegrensninger for API-et krever materiale som passer for publikum under 18 år, og avviser opphavsrettsbeskyttede figurer eller musikk og generering av virkelige personer. Forbered scenen og referansene deretter. Modellens direkte resultat er video med lyd, ikke genererte stillbilder, et samtalebasert verktøysvar eller en film uten lengdegrense. Behold den nøyaktige standardmodellidentiteten og det godkjente kildeklippet når du viderefører et visuelt konsept.