Ciri utama
- Penjanaan multimodal (video + audio) — Sora-2-Pro menjana bingkai video bersama audio yang diselaraskan (dialog, bunyi ambien, SFX) bukannya menghasilkan video dan audio secara berasingan.
- Kesetiaan lebih tinggi / peringkat “Pro” — ditala untuk kesetiaan visual lebih tinggi, babak yang lebih mencabar (pergerakan kompleks, oklusi, dan interaksi fizikal), serta konsistensi per babak yang lebih lama berbanding Sora-2 (bukan Pro). Ia mungkin mengambil masa lebih lama untuk render berbanding model Sora-2 standard.
- Kepelbagaian input — menyokong prompt teks tulen, dan boleh menerima bingkai input imej atau imej rujukan untuk memandu komposisi (aliran kerja input_reference).
- Kameo / suntikan rupa — boleh memasukkan rupa pengguna yang dirakam ke dalam babak terjana dengan aliran kerja keizinan dalam aplikasi.
- Kebolehpercayaan fizikal: penambahbaikan pada kekekalan objek dan kesetiaan pergerakan (cth., momentum, daya apungan), mengurangkan artifak “teleportasi” yang tidak realistik dan lazim pada sistem terdahulu.
- Kebolehkawalan: menyokong prompt berstruktur dan arahan pada peringkat shot agar pencipta boleh menentukan kamera, pencahayaan, dan jujukan berbilang shot.
Butiran teknikal & permukaan integrasi
Keluarga model: Sora 2 (asas) dan Sora 2 Pro (varian berkualiti tinggi).
Modality input: prompt teks, imej rujukan, dan rakaman pendek video/audio kameo untuk rupa.
Modality output: video berkod (dengan audio) — parameter didedahkan melalui titik akhir /v1/videos (pemilihan model melalui model: "sora-2-pro"). Permukaan API mengikuti famili titik akhir video OpenAI untuk operasi cipta/dapatkan/senarai/padam.
Latihan & seni bina (ringkasan umum): OpenAI menerangkan Sora 2 sebagai dilatih pada data video berskala besar dengan pascalatihan untuk memperbaik simulasi dunia; perincian khusus (saiz model, set data tepat, dan tokenisasi) tidak dihuraikan secara umum baris demi baris. Jangkakan pengkomputeran berat, tokenizer video khusus/seni bina khusus dan komponen penjajaran multimodal.
Titik akhir API & aliran kerja: tunjuk aliran kerja berasaskan tugasan: hantar permintaan penciptaan POST (model="sora-2-pro"), terima id tugasan atau lokasi, kemudian lakukan tinjauan berkala (poll) atau tunggu sehingga siap dan muat turun fail hasil. Parameter lazim dalam contoh terbitan termasuk prompt, seconds/duration, size/resolution, dan input_reference untuk permulaan berpandukan imej.
Parameter tipikal:
model:"sora-2-pro"prompt: huraian babak dalam bahasa semula jadi, secara pilihan dengan petunjuk dialogseconds/duration: panjang klip sasaran ( Pro menyokong kualiti tertinggi dalam tempoh yang tersedia)size/resolution: laporan komuniti menunjukkan Pro menyokong sehingga 1080p dalam banyak kegunaan.
Input kandungan: fail imej (JPEG/PNG/WEBP) boleh dibekalkan sebagai bingkai atau rujukan; apabila digunakan, imej perlu sepadan dengan resolusi sasaran dan bertindak sebagai sauh komposisi.
Gelagat render: Pro ditala untuk mengutamakan koheren antara bingkai dan fizik yang realistik; ini lazimnya memerlukan masa komputasi lebih lama dan kos per klip lebih tinggi berbanding varian bukan Pro.
Prestasi penanda aras
Kekuatan kualitatif: OpenAI menambah baik realisme, konsistensi fizik, dan audio terselaras berbanding model video terdahulu. Keputusan VBench lain menunjukkan Sora-2 dan turunannya berada di kedudukan teratas atau hampir teratas dalam koheren temporal bagi sistem tertutup semasa.
Masa/tembusan bebas (contoh bench): Sora-2-Pro mengambil purata ~2.1 minit untuk klip 20 saat 1080p dalam satu perbandingan, manakala pesaing (Runway Gen-3 Alpha Turbo) lebih pantas (~1.7 minit) pada tugasan yang sama — pertukaran antara kualiti vs kependaman render dan pengoptimuman platform.
Had (praktikal & keselamatan)
- Fizik/konsistensi tidak sempurna — bertambah baik tetapi tidak sempurna; artifak, pergerakan tidak semula jadi, atau ralat segerak audio masih boleh berlaku.
- Kekangan durasi & pengkomputeran — klip panjang memerlukan komputasi intensif; banyak aliran kerja praktikal mengehadkan klip kepada durasi pendek (cth., unit saat satu digit hingga puluhan rendah untuk hasil berkualiti tinggi).
- Risiko privasi / keizinan — suntikan rupa (“kameo”) meningkatkan risiko keizinan dan salah-/disinformasi; OpenAI mempunyai kawalan keselamatan jelas dan mekanisme pembatalan dalam aplikasi, namun integrasi bertanggungjawab diperlukan.
- Kos & kependaman — render berkualiti Pro boleh lebih mahal dan lebih perlahan berbanding model lebih ringan atau pesaing; ambil kira caj per saat/per render dan giliran.
- Penapisan kandungan keselamatan — penjanaan kandungan berbahaya atau berhak cipta adalah terhad; model dan platform merangkumi lapisan keselamatan dan pemoderasian.
Kes penggunaan tipikal dan disyorkan
Kes penggunaan:
- Prototaip pemasaran & iklan — cipta bukti konsep sinematik dengan pantas.
- Pravisualisasi — papan cerita, sekatan kamera, visualisasi shot.
- Kandungan sosial pendek — klip bergaya dengan dialog dan SFX yang diselaraskan.
- Cara mengakses API Sora 2 Pro
Langkah 1: Daftar untuk Kunci API
Log masuk ke cometapi.com. Jika anda belum menjadi pengguna kami, sila daftar terlebih dahulu. Log masuk ke konsol CometAPI. Dapatkan kelayakan akses kunci API bagi antara muka. Klik “Add Token” pada token API di pusat peribadi, dapatkan kunci token: sk-xxxxx dan hantar.
Langkah 2: Hantar Permintaan ke API Sora 2 Pro
Pilih titik akhir “sora-2-pro” untuk menghantar permintaan API dan tetapkan badan permintaan. Kaedah permintaan dan badan permintaan diperoleh daripada dokumen API laman web kami. Laman kami juga menyediakan ujian Apifox untuk kemudahan anda. Gantikan <YOUR_API_KEY> dengan kunci CometAPI sebenar daripada akaun anda. base url is office Create video
Masukkan soalan atau permintaan anda ke dalam medan kandungan—ini yang akan dijawab oleh model. Proses respons API untuk mendapatkan jawapan yang dijana.
Langkah 3: Dapatkan dan Sahkan Keputusan
Proses respons API untuk mendapatkan jawapan yang dijana. Selepas pemprosesan, API membalas dengan status tugasan dan data output.
- Latihan dalaman / simulasi — jana visual senario untuk penyelidikan RL atau robotik (dengan berhati-hati).
- Produksi kreatif — apabila digabungkan dengan penyuntingan manusia (cantum klip pendek, gred warna, ganti audio).