Byg med CometAPIHar du brug for én API til flere modeller?Test workflowet i Playground, og opret derefter en API-nøgle, når model og pris passer til dit brugsscenarie.
Hvordan laver man en video med Sora-2's lydværktøj?
Sora 2 — OpenAIs anden generations tekst-til-video-model — løftede ikke kun den visuelle realisme: den behandler lyd som en førsteklasses borger. For skabere, markedsførere, undervisere og uafhængige filmskabere, der vil have korte, følelsesmæssigt engagerende AI-videoer, kondenserer Sora 2 det, der tidligere var en flertrins lyd-/videopipeline, til en enkelt promptstyret arbejdsgang.
Sora 2 — OpenAIs andengenerations tekst-til-video-model — skubbede ikke kun den visuelle realisme fremad: den ser lyd som ligeværdig med billedet. For skabere, marketingfolk, undervisere og uafhængige filmskabere, der vil have korte, følelsesmæssigt engagerende AI-videoer, samler Sora 2 den tidligere flertrins audio/video-pipeline i én, prompt-styret arbejdsgang.
Hvad er lyd i Sora 2?
Lyd i Sora 2 er integreret i videogenereringen frem for at være en eftertanke. I stedet for først at generere video og derefter lægge separat producerede speak, musik og lydeffekter ovenpå, producerer Sora 2 synkroniseret dialog, baggrundslyd og effekter, der forfattes i prompten og tilpasses handlingen på skærmen (læber, objektbevægelser, fysiske sammenstød). Den integrerede tilgang er en af de store nyheder, OpenAI annoncerede ved lanceringen af Sora 2: Modellen simulerer både visuelle elementer og lyd i tandem for at øge realismen og styrke fortællingens sammenhæng.
Tidligere genererede skabere visuelle elementer og skaffede, redigerede og tidssatte derefter lyd separat. Sora 2 vil samle de trin, så lyden matcher scenens dynamik allerede i første render — hvilket forbedrer realismen og sparer redigeringstid.
Ambient- og miljølyd — rumtone, menneskemurmel, vejr (regn, vind), der skaber indlevelse.
Musikmarkører — korte musikalske sting eller baggrundsloops, der understøtter stemningen (bemærk: licens- og stilbegrænsninger kan gælde).
Lagdelte mix — Sora 2 kan producere et simpelt mix af disse elementer; til mere kompleks mixing kan du eksportere stems og finpudse i en DAW.
3 vigtige lydfunktioner, der gør en forskel
Nedenfor er de tre mest effektfulde lydfunktioner, der ændrede min arbejdsgang, da jeg begyndte at teste Sora 2 (og som du bør evaluere, når du vælger et AI-videoværktøj).
1) Synkroniseret tale og lip-sync
Hvad det gør: Genererer tale, der tidsmæssigt er på linje med genererede ansigter eller animerede mundformer. Dette er ikke lip-sync som en separat efterbehandling; det er indbagt i genereringstrinnet, så timing og prosodi matcher de visuelle elementer.
Hvorfor det er vigtigt: Det sparer timer med manuel synkronisering og gør kortformede fortællinger eller dialogbaserede stykker mulige uden optagelse af skuespillere. Anvendelser: mikro-reklamer for produkter, instruktionsklip, sociale medie-cameos og hurtig prototyping af scener, der afhænger af dialogiske punchlines.
2) Kontekstuelle, fysisk-bevidste lydeffekter
Hvad det gør: Producerer SFX bundet til de fysiske forhold på skærmen: en kop klirrer mod et bord, når scenen viser, at den flyttes, fodtrin har passende efterklang for miljøet, døre knirker med korrekt timing.
Hvorfor det er vigtigt: Det tilføjer indlevelse og følelsesmæssige signaler (et pludseligt dunk kan overraske, subtil rumtone får en scene til at føles større). For branding og annoncer reducerer fysisk konsistente SFX den uhyggelige fornemmelse ved syntetisk indhold og øger den oplevede produktionsværdi.
3) Konsistens på tværs af flere klip med lydkontinuitet
Hvad det gør: Når der genereres en sekvens af klip eller sys klip sammen, forsøger Sora 2 at opretholde konsistente lydkarakteristika (samme rumklang, samme stemmetimbre for tilbagevendende karakterer, ensartet baggrundslyd).
Hvorfor det er vigtigt: Fortællekontinuitet på tværs af klip er afgørende selv for kortformede historier. Tidligere måtte skabere manuelt matche EQ og rumtone på tværs af klip; nu forsøger værktøjet at bevare kontinuiteten, hvilket fremskynder redigeringen og reducerer poleringstiden.
Hvordan får jeg adgang til Sora 2?
Sora 2 er tilgængelig på to hovedmåder:
Sora-appen / webapp — OpenAI annoncerede Sora 2 sammen med en Sora-app, der lader brugere skabe videoer direkte uden at skrive kode. Tilgængeligheden udrulles efter region og via appbutikker/åbne adgangsvinduer; nyere rapportering viser midlertidigt bredere adgang i nogle lande (USA, Canada, Japan, Sydkorea), men med forbehold og kvoter.
OpenAI Video API (modelnavn sora-2 eller sora-2-pro) — udviklere kan kalde Video-genererings-API’et med sora-2 eller sora-2-pro; platformens dokumentation viser tilladte parametre (prompt, seconds, size, input references). sora-2 er positioneret til hastighed og iteration, mens sora-2-pro sigter mod højere fidelitet og mere komplekse scener. Hvis du allerede har en OpenAI-konto og API-adgang, viser dokumentationen, hvordan anmodninger struktureres.
CometAPI tilbyder samme Sora 2 API-kaldsgrænseflade og endpoints, og deres API-pris er lavere end OpenAIs.
Eksempel: generér en video med synkroniseret lyd via curl (minimal)
Endpointet v1/videos accepterer model=sora-2 (eller sora-2-pro). Her er et simpelt eksempel med den dokumenterede multipart/form-data-stil:
curl https://api.cometapi.com/v1/videos \ -H "Authorization: Bearer $OPENAI_API_KEY" \ -F "model=sora-2" \ -F "prompt=A calico cat playing a piano on stage. Audio: single speaker narrator says 'At last, the show begins'. Add applause and piano sustain after the final chord." \ -F "seconds=8" \ -F "size=1280x720"
Denne anmodning opretter et videojob, der, når det er færdigt, giver en MP4 og et lydspor indbagt i den (API’et returnerer et job-id og en download-URL, når det er klar).
Pris for Sora 2 API via CometAPI
Sora-2
Pr. sekund:$0.08
Sora-2-pro
Pr. sekund:$0.24
Hvordan bruger du Sora 2’s lydværktøjer?
Dette afsnit er en praktisk gennemgang: fra prompts til API-kald til redigeringsarbejdsgange.
En hurtig arbejdsgang til at skabe en video med lyd
Definér din kreative brief. Beslut scene, karakterer, dialog, stemning, og om du vil have musik eller kun diegetisk lyd.
Skriv en prompt, der inkluderer lydsignaler. Angiv eksplicit, hvem der taler, hvordan de taler (tone, tempo), og hvilke SFX eller hvilken ambience du ønsker.
Generér et kort klip (10–30 sekunder). Sora 2 er tunet til korte, filmiske klip; længere narrativer er mulige via sammensyning/flerskuds-arbejdsgange, men kan kræve iteration.
Gennemgå audio-visuel sync. Hvis lip-sync eller lyd ikke er korrekt, så forfin prompten (tone, timing) og generér igen.
Eksportér stems eller mixet spor. Hvis UI/API’et understøtter det, så eksportér lyd-stems (dialog, SFX, ambience) for præcis mixing. Ellers eksportér det mixede klip og finjustér eksternt.
Vælg mellem “én-trins” video+lyd eller et separat lyd-asset
Sora 2 er stærkest, når du vil have ét trin: prompt → video (inkl. lyd). Brug video-endpointet (v1/videos) til det. Hvis du vil have fin kontrol over stemmetimbre, prosodi, eller planlægger at genbruge voice-lyd på tværs af flere videoer, kan du generere tale separat med endpointet /v1/audio/speech og derefter enten:
bede Sora om at remixe eller redigere en genereret video til at inkludere den uploadede lyd (hvor det understøttes), eller
bruge den separate lyd som et erstatningslag i et traditionelt NLE (Final Cut, Premiere), efter du har downloadet begge aktiver. Platformdokumentationen viser både video- og tale-endpoints som centrale byggeklodser.
Prompt engineering: instruér modellen eksplicit om lyd
Behandl lyd som en nødvendig del af scenebeskrivelsen. Læg lydinstruktioner ind i samme prompt, som du bruger til at beskrive bevægelse og visuelle elementer. Eksempelstruktur:
Scenebeskrivelse (visuelt): korte, overordnede story beats.
Lydinstruktioner (eksplicit): antal talere, bemærkninger om tone og lyd-design-cues.
Eksempel-prompt for et 12-sekunders klip (kopiér og tilpas):
A rainy evening on a narrow city alley. A woman in a red coat hurries across the wet cobblestones toward a flickering neon sign.Audio: Two speakers. Speaker A (woman) breathes slightly, hurried; Speaker B (offscreen street vendor) calls out once. Add steady rain on roof, distant car, and a clattering of an empty can when she kicks it. Dialogue: Speaker A: "I'm late. I can't believe I missed it."Speaker B (muffled, one line): "You better run!"Style: cinematic, short depth of field, close-up when she speaks; audio synced to lip movement, naturalistic reverb.
Placér lyd-cues efter de visuelle cues i prompten; den rækkefølge giver i praksis ofte klarere resultater, fordi modellen binder lyd til beskrevne begivenheder.
Eksempel: brug det officielle SDK (Node.js) til at skabe en video
import OpenAI from "openai";const openai = new OpenAI({ apiKey: process.env.OPENAI_API_KEY });const video = await openai.videos.create({ model: "sora-2", prompt: `A friendly robot waters plants on a balcony at sunrise. Audio: soft morning birds, one speaker voiceover says "Good morning, little world." Include distant city ambience. Style: gentle, warm.`, seconds: "8", size: "1280x720"});// Poll job status, then download result when completed (see docs).console.log("Video job created:", video.id);
Generér en separat speak med /v1/audio/speech (valgfrit avanceret trin)
Hvis du har brug for en konsistent fortællerstemme eller vil prøve stemmer af, så generér tale separat og behold den som et asset:
curl https://api.openai.com/v1/audio/speech \ -H "Authorization: Bearer $OPENAI_API_KEY" \ -H "Content-Type: application/json" \ -d '{ "model":"gpt-speech-1", "voice":"alloy", "input":"Welcome to our product demo. Today we show fast AI video generation." }' --output narration.mp3
Du kan derefter importere narration.mp3 i dit videoredigeringsprogram eller (hvor det understøttes) uploade den som en inputreference til en remix-flow.
Bemærk: Sora 2’s primære videoworkflow genererer lyd for dig; separat tale er til brugstilfælde, der kræver en bestemt stemme eller ekstern genbrug.
Remix og målrettede redigeringer
Sora 2 understøtter remix-semantik: Du kan oprette et videojob og derefter indsende målrettede ændringer (f.eks. skifte baggrund, udvide en scene) via et remix- eller edit-endpoint. Når du remixer, så instruér også modellen om lydændringer: “erstat musikken med sparsom klaver; behold dialogen identisk, men flyt en replik til 2,5 s.” Disse redigeringer er bedst til iterative arbejdsgange, hvor du vil have stram kontrol over timing uden at genopbygge scenen fra bunden.
Hvad er best practices og tips til fejlfinding?
Best practices
Start kort: render 4–8 sekunders klip for at iterere hurtigt; længere klip kræver mere compute og kan være sværere at iterere på.
Vær eksplicit med tidskoder:[SFX: door_close @00:01] fungerer langt bedre end “please add a door close.”
Adskil visuelle og lydmæssige direktiver tydeligt: læg kamera- og visuelle instruktioner på andre linjer end lydinstruktioner, så modellen kan parse dem rent.
Brug reference-lyd til signaturlyde: hvis en karakter eller et brand har en signaturstemme eller jingle, så upload en kort prøve og referér dens ID.
Mix efter render, hvis du har brug for præcis kontrol: hvis Sora 2 bringer dig 90% i mål, så eksportér lyd-stems og færdiggør i en DAW for mastering.
Fejlfinding af almindelige problemer
Lip-sync er off: Gør dine dialog-cues mere præcise (eksplicit start/slut-tider) og forenkle baggrundsstøj; stærk ambience kan maskere eller skubbe dialogtiming.
Lyd er mudret eller for rumklangstung: inkluder instruktioner om “tør” vs. “rum” i din prompt (f.eks. “tør stemme, minimal rumklang”).
SFX for høj eller for lav: bed om relative balancer som “SFX: soft door_close” eller “dialog 3 dB højere end ambience.”
Uønskede artefakter: prøv at rendere igen med en let anderledes promptformulering; modellen producerer nogle gange renere lyd ved alternativ ordlyd.
Praktiske kreative opskrifter (3 korte opskrifter, du kan kopiere)
Opskrift A — Social mikro-annonce (7–12 s): produktafsløring + én replik
Prompt:
7s, studio product shot: small espresso machine on counter. Visual: slow 3/4 pan in. Dialogue: "Perfect crema, every time." Voice: confident, friendly, male, medium tempo. SFX: steam release at 0:04, small metallic click at 0:06. Ambient: low cafe murmur.
Hvorfor det virker: En kort vokal krog + en branded SFX (damp) skaber en øjeblikkelig sanselig association. Brug den mixede eksport til at tilføje din brand-jingle i post, hvis nødvendigt.
Opskrift B — Instruktionsklip (10 s): hurtig how-to med trinelyd
Prompt:
10s, overhead kitchen shot. Visual: hands sprinkle salt into a bowl, then whisk. Audio: step narration (female, calm): "One pinch of sea salt." SFX: salt sprinkle sound at start, whisking texture under narration. Ambient: quiet kitchen.
Hvorfor det virker: Kombinationen af diegetiske SFX (salt, piskeris) med instruktionsstemme gør indholdet lettere at følge og genbruge på tværs af kanaler.
Opskrift C — Spændingsmoment (6 s): filmisk sting + miljø
Prompt:
6s, alleway at dusk. Visual: quick low-angle shot of a bicyclist’s tire skidding. Audio: sudden metallic screech at 00:02 synced to skid, heartbeat-like low bass underlay, distant thunder. No dialogue.
Hvorfor det virker: Korte spændingsmomenter bygger på skarpe SFX og lavfrekvente signaler til at udløse følelser; Sora 2’s fysikbevidste SFX kan accelerere den effekt.
Hvornår du ikke bør bruge Sora 2 alene
Langformet narrativ produktion med kompleks dialog og multi-scene-mix har stadig gavn af menneskelige skuespillere og avanceret lyd-design.
Strengt juridiske/compliance-kontekster (beviser, retssager) — syntetiske medier er ikke en erstatning for autentificerede optagelser.
Afsluttende tanker
Sora 2’s integrerede lydmuligheder ændrer den typiske videoproduktions-arbejdsgang ved at gøre synkroniseret dialog, miljølyd og referencebaseret stemmepersonalisering til førsteklasses genereringsoutput i stedet for efterproduktionstilføjelser. For skabere og udviklere kommer de bedste resultater af omhyggelig planlægning (lagdelt lydtænkning), klare, tidskodede prompts og iteration med korte testrenders.
For at komme i gang kan du udforske Sora-2-modellers (Sora, Sora2-pro) kapaciteter i Playground og konsultere API-guiden for detaljerede instruktioner. Før adgang skal du sikre, at du er logget ind på CometAPI og har fået din API-nøgle. CometAPI tilbyder en pris, der er langt lavere end den officielle, for at hjælpe dig med integrationen.
