Does Sora 2 Pro generate synchronized audio with video?

جی ہاں، Sora 2 Pro ویڈیو فریمز کے ساتھ ہم آہنگ آڈیو تیار کرتا ہے، جس میں مکالمہ، پس منظر کی آوازیں اور ساؤنڈ ایفیکٹس شامل ہوتے ہیں—یہ الگ الگ پیدا نہیں کیے جاتے بلکہ ایک متحد آؤٹ پٹ کے طور پر تیار ہوتے ہیں.

What resolution and duration does Sora 2 Pro support?

Sora 2 Pro 1080p تک ریزولوشن سپورٹ کرتا ہے۔ یہ اعلیٰ معیار کے مختصر کلپس کے لیے آپٹمائزڈ ہے، عموماً زیادہ سے زیادہ وفاداری کے لیے دورانیہ سیکنڈز میں ایک ہندسے سے لے کر کم دو ہندسوں کی حد میں ہوتا ہے.

How does Sora 2 Pro differ from standard Sora 2?

Sora 2 Pro کو بلند بصری وفاداری کے لیے ٹیون کیا گیا ہے، یہ مشکل شاٹس (پیچیدہ حرکت، اوکلوژن، جسمانی تعاملات) کو بہتر سنبھالتا ہے، اور ہر منظر میں طویل تر مطابقت برقرار رکھتا ہے—جس کے عوض رینڈر وقت زیادہ ہوتا ہے.

Can Sora 2 Pro use reference images to guide video generation?

جی ہاں، Sora 2 Pro input_reference ورک فلو کو سپورٹ کرتا ہے، جہاں JPEG/PNG/WEBP تصاویر کمپوزیشن اینکرز کے طور پر کام کرتی ہیں تاکہ تیار شدہ ویڈیو کے ابتدائی فریم یا اسٹائل کی رہنمائی کی جا سکے.

Does Sora 2 Pro support likeness injection (cameos)?

جی ہاں، Sora 2 Pro صارف کی محفوظ کردہ مشابہت کو تیار کردہ مناظر میں شامل کر سکتا ہے۔ OpenAI نے رازداری اور غلط استعمال کے خدشات سے نمٹنے کے لیے اندرونی رضامندی کے ورک فلو اور منسوخی کے طریقہ کار شامل کیے ہیں.

How long does Sora 2 Pro take to render a video?

بینچ مارک ٹیسٹس سے ظاہر ہوتا ہے کہ Sora 2 Pro اوسطاً 20 سیکنڈ کے 1080p کلپ کے لیے تقریباً 2.1 منٹ لیتا ہے۔ Pro رفتار پر معیار کو ترجیح دیتا ہے، اس لیے معیاری Sora 2 کے مقابلے میں طویل تر رینڈر اوقات کی توقع کریں.

What physics improvements does Sora 2 Pro offer?

Sora 2 Pro شے کی دوامیت اور حرکت کی وفاداری کو بہتر بناتا ہے—مومنٹم، بویانسی اور جسمانی تعاملات زیادہ حقیقت پسند نظر آتے ہیں، جبکہ پہلے کے ویڈیو ماڈلز میں عام 'teleporting' قسم کے نقائص نسبتاً کم دکھائی دیتے ہیں.

When should I choose Sora 2 Pro over Google Veo 3?

OpenAI ایکو سسٹم انٹیگریشن، likeness injection، اور پیچیدہ طبعی مناظر کے لیے Sora 2 Pro منتخب کریں۔ Veo 3 تیز تر جنریشن اور مختلف قیمتیں پیش کر سکتا ہے—اپنی لیٹنسی اور بجٹ کی ضروریات کی بنیاد پر جانچ کریں.

سستی Sora 2 Pro API | text-to-video

اہم خصوصیات

ملٹی موڈل جنریشن (ویڈیو + آڈیو) — Sora-2-Pro ویڈیو فریمز کو ہم آہنگ آڈیو (مکالمہ، محیطی آواز، SFX) کے ساتھ ایک ساتھ جنریٹ کرتا ہے، بجائے اس کے کہ ویڈیو اور آڈیو الگ الگ تیار کیے جائیں۔
زیادہ اعلیٰ معیار / “Pro” درجۂ — زیادہ بصری معیار، مشکل شاٹس (پیچیدہ حرکت، اوکلوژن، اور طبعی تعاملات)، اور Sora-2 (نان-پرو) کے مقابلے میں فی منظر زیادہ طویل مطابقت کے لیے ٹیون کیا گیا ہے۔ یہ معیاری Sora-2 ماڈل کے مقابلے میں رینڈر ہونے میں زیادہ وقت لے سکتا ہے۔
ان پٹ کی ہمہ گیری — صرف ٹیکسٹ پرامپٹس کو سپورٹ کرتا ہے، اور کمپوزیشن کی رہنمائی کے لیے امیج اِن پٹ فریمز یا ریفرنس امیجز بھی قبول کر سکتا ہے (input_reference ورک فلو)۔
کیمیو / مشابہت شامل کرنا — ایپ میں رضامندی کے ورک فلو کے ساتھ صارف کی ریکارڈ کی گئی مشابہت کو جنریٹ شدہ مناظر میں شامل کر سکتا ہے۔
طبعی معقولیت: آبجیکٹ پرمیننس اور موشن فیڈیلیٹی میں بہتری (مثلاً مومینٹم، بویانسی)، جس سے پہلے کے سسٹمز میں عام غیر حقیقی “ٹیلی پورٹنگ” آرٹیفیکٹس کم ہوتے ہیں۔
قابلِ کنٹرول ہونا: اسٹرکچرڈ پرامپٹس اور شاٹ-سطح کی ہدایات کو سپورٹ کرتا ہے تاکہ تخلیق کار کیمرا، لائٹنگ، اور ملٹی-شاٹ سیکوئنسز متعین کر سکیں۔

تکنیکی تفصیلات اور انٹیگریشن سطح

ماڈل فیملی: Sora 2 (بیس) اور Sora 2 Pro (اعلیٰ معیار والی ویریئنٹ)۔
ان پٹ موڈالیٹیز: ٹیکسٹ پرامپٹس، امیج ریفرنس، اور مشابہت کے لیے مختصر ریکارڈ شدہ کیمیو-ویڈیو/آڈیو۔
آؤٹ پٹ موڈالیٹیز: انکوڈڈ ویڈیو (آڈیو کے ساتھ) — پیرامیٹرز /v1/videos endpoints کے ذریعے ایکسپوز کیے جاتے ہیں (ماڈل سلیکشن بذریعہ model: "sora-2-pro" )۔ API سطح تخلیق/حاصل کرنے/فہرست/حذف کرنے کی کارروائیوں کے لیے OpenAI کی ویڈیوز endpoint فیملی کی پیروی کرتی ہے۔

ٹریننگ اور آرکیٹیکچر (عوامی خلاصہ): OpenAI بیان کرتا ہے کہ Sora 2 کو بڑے پیمانے کے ویڈیو ڈیٹا پر ٹرین کیا گیا ہے، جس میں ورلڈ سمولیشن کو بہتر بنانے کے لیے پوسٹ-ٹریننگ شامل ہے؛ مخصوص تفصیلات (ماڈل سائز، عین datasets، اور tokenization) عوامی طور پر سطر بہ سطر تفصیل کے ساتھ بیان نہیں کی گئیں۔ بھاری کمپیوٹ، خصوصی ویڈیو tokenizers/architectures، اور ملٹی موڈل الائنمنٹ اجزاء کی توقع رکھیں۔

API endpoints اور ورک فلو: جاب-بیسڈ ورک فلو دکھاتے ہیں: ایک POST create request جمع کریں (model="sora-2-pro")، ایک job id یا location وصول کریں، پھر completion کے لیے poll کریں یا انتظار کریں اور نتیجے میں حاصل ہونے والی file(s) ڈاؤن لوڈ کریں۔ شائع شدہ مثالوں میں عام پیرامیٹرز میں prompt، seconds/duration، size/resolution، اور امیج-گائیڈڈ آغاز کے لیے input_reference شامل ہیں۔

عام پیرامیٹرز :

model: "sora-2-pro"
prompt: قدرتی زبان میں منظر کی تفصیل، اختیاری طور پر مکالمے کے cues کے ساتھ
seconds / duration: ہدف کلپ کی لمبائی (Pro دستیاب durations میں سب سے اعلیٰ معیار کو سپورٹ کرتا ہے)
size / resolution: کمیونٹی رپورٹس اشارہ کرتی ہیں کہ Pro بہت سے استعمالی حالات میں 1080p تک سپورٹ کرتا ہے۔

مواد کے ان پٹس: امیج فائلیں (JPEG/PNG/WEBP) بطور فریم یا ریفرنس فراہم کی جا سکتی ہیں؛ استعمال کی صورت میں، امیج ہدف ریزولوشن سے مطابقت رکھنی چاہیے اور کمپوزیشن اینکر کے طور پر کام کرنی چاہیے۔

رینڈرنگ رویہ: Pro کو فریم-ٹو-فریم coherence اور حقیقت پسندانہ physics کو ترجیح دینے کے لیے ٹیون کیا گیا ہے؛ اس کا مطلب عام طور پر نان-پرو ویریئنٹس کے مقابلے میں زیادہ کمپیوٹ وقت اور فی کلپ زیادہ لاگت ہے۔

بینچ مارک کارکردگی

معیاری طاقتیں: OpenAI نے سابقہ ویڈیو ماڈلز کے مقابلے میں حقیقت پسندی، physics consistency، اور synchronized audio** کو بہتر بنایا ہے۔ دیگر VBench نتائج اشارہ کرتے ہیں کہ Sora-2 اور اس کے derivatives عصری closed-source ماڈلز میں temporal coherence کے لحاظ سے سرفہرست یا اس کے قریب ہیں۔

آزادانہ ٹائمنگ/تھروپٹ (مثالی بینچ): ایک موازنے میں Sora-2-Pro نے 20-سیکنڈ 1080p کلپس کے لیے اوسطاً ~2.1 منٹ لیے، جبکہ ایک حریف (Runway Gen-3 Alpha Turbo) اسی کام میں زیادہ تیز تھا (~1.7 منٹ) — یہ معیار بمقابلہ render latency اور platform optimization کے درمیان تبادلہ ہے۔

حدود (عملی اور حفاظتی)

فزکس/مطابقت کامل نہیں — بہتر ہے لیکن بے عیب نہیں؛ آرٹیفیکٹس، غیر فطری حرکت، یا آڈیو sync کی غلطیاں اب بھی ہو سکتی ہیں۔
دورانیہ اور کمپیوٹ کی پابندیاں — طویل کلپس کمپیوٹ کے لحاظ سے بھاری ہوتے ہیں؛ بہت سے عملی ورک فلو اعلیٰ معیار کے آؤٹ پٹس کے لیے کلپس کو مختصر دورانیے تک محدود رکھتے ہیں (مثلاً ایک ہندسے سے کم-دہائی سیکنڈ تک)۔
رازداری / رضامندی کے خطرات — مشابہت شامل کرنا (“cameos”) رضامندی اور غلط/گمراہ کن معلومات کے خطرات پیدا کرتا ہے؛ OpenAI کے پاس ایپ میں واضح حفاظتی کنٹرولز اور revocation mechanisms موجود ہیں، لیکن ذمہ دارانہ انٹیگریشن ضروری ہے۔
لاگت اور تاخیر — Pro معیار کے رینڈرز ہلکے ماڈلز یا حریفوں کے مقابلے میں زیادہ مہنگے اور سست ہو سکتے ہیں؛ فی-سیکنڈ/فی-رینڈر بلنگ اور queueing کو مدنظر رکھیں۔
حفاظتی مواد کی فلٹرنگ — نقصان دہ یا copyright شدہ مواد کی جنریشن محدود ہے؛ ماڈل اور پلیٹ فارم میں حفاظتی تہیں اور moderation شامل ہیں۔

عام اور تجویز کردہ استعمال کے کیسز

استعمال کے کیسز:

مارکیٹنگ اور اشتہاری prototypes — تیزی سے سنیماٹک proof of concept تیار کریں۔
پری ویژولائزیشن — اسٹوری بورڈز، کیمرا بلاکنگ، شاٹ ویژولائزیشن۔
مختصر سوشل مواد — ہم آہنگ مکالمے اور SFX کے ساتھ stylized کلپس۔
Sora 2 Pro API تک کیسے رسائی حاصل کریں

مرحلہ 1: API Key کے لیے سائن اپ کریں

cometapi.com میں لاگ ان کریں۔ اگر آپ ابھی تک ہمارے صارف نہیں ہیں تو پہلے رجسٹر کریں۔ اپنے CometAPI console میں سائن ان کریں۔ انٹرفیس کی access credential API key حاصل کریں۔ ذاتی مرکز میں API token کے اندر “Add Token” پر کلک کریں، token key حاصل کریں: sk-xxxxx اور جمع کریں۔

cometapi-key

مرحلہ 2: Sora 2 Pro API کو Requests بھیجیں

API request بھیجنے کے لیے “sora-2-pro” endpoint منتخب کریں اور request body سیٹ کریں۔ request method اور request body ہماری ویب سائٹ کی API doc سے حاصل کیے جاتے ہیں۔ ہماری ویب سائٹ آپ کی سہولت کے لیے Apifox test بھی فراہم کرتی ہے۔ <YOUR_API_KEY> کو اپنے اکاؤنٹ سے حاصل کردہ حقیقی CometAPI key سے تبدیل کریں۔ base url official Create video ہے۔

اپنا سوال یا request content field میں داخل کریں—یہی وہ چیز ہے جس کا ماڈل جواب دے گا۔ جنریٹ شدہ جواب حاصل کرنے کے لیے API response کو پروسیس کریں۔

مرحلہ 3: نتائج حاصل کریں اور ان کی تصدیق کریں

جنریٹ شدہ جواب حاصل کرنے کے لیے API response کو پروسیس کریں۔ پروسیسنگ کے بعد، API task status اور output data کے ساتھ جواب دیتا ہے۔

اندرونی ٹریننگ / سمولیشن — RL یا robotics research کے لیے منظرنامہ بصریات جنریٹ کریں (احتیاط کے ساتھ)۔
تخلیقی پروڈکشن — جب انسانی ایڈیٹنگ کے ساتھ ملایا جائے (مختصر کلپس کو جوڑنا، گریڈ کرنا، آڈیو تبدیل کرنا)۔

Sora 2 Pro کی قیمتیں

[ماڈل کا نام] کے لیے مسابقتی قیمتوں کو دریافت کریں، جو مختلف بجٹ اور استعمال کی ضروریات کے مطابق ڈیزائن کیا گیا ہے۔ ہمارے لچکدار منصوبے اس بات کو یقینی بناتے ہیں کہ آپ صرف اسی کے لیے ادائیگی کریں جو آپ استعمال کرتے ہیں، جس سے آپ کی ضروریات بڑھنے کے ساتھ ساتھ اسکیل کرنا آسان ہو جاتا ہے۔ دریافت کریں کہ [ماڈل کا نام] کیسے آپ کے پروجیکٹس کو بہتر بنا سکتا ہے جبکہ اخراجات کو قابو میں رکھتا ہے۔

Model Name	Tags	Orientation	Resolution	Price
sora-2-pro	videos	Portrait	720x1280	$0.24 / sec
sora-2-pro	videos	Landscape	1280x720	$0.24 / sec
sora-2-pro	videos	Portrait (High Res)	1024x1792	$0.40 / sec
sora-2-pro	videos	Landscape (High Res)	1792x1024	$0.40 / sec
sora-2-pro-all	-	Universal / All	-	$0.80000

Sora 2 Pro کے لیے نمونہ کوڈ اور API

Sora-2-pro، OpenAI کا فلیگ شپ ویڈیو+آڈیو جنریشن ماڈل ہے، جو مختصر، نہایت حقیقت پسندانہ ویڈیو کلپس ہم آہنگ مکالمے، ساؤنڈ ایفیکٹس، اور سابقہ ویڈیو ماڈلز کے مقابلے میں زیادہ مضبوط جسمانی/عالمی سمولیشن کے ساتھ بنانے کے لیے ڈیزائن کیا گیا ہے۔ اسے اعلیٰ معیار والے “Pro” ویریئنٹ کے طور پر پیش کیا گیا ہے، جو ادائیگی کرنے والے صارفین کے لیے اور پروگراماتی جنریشن کے لیے API کے ذریعے دستیاب ہے۔ یہ ماڈل فلمی اور سماجی استعمالات کے لیے قابلیتِ کنٹرول، وقتی تسلسل، اور آڈیو ہم وقت سازی پر زور دیتا ہے۔

Curl
Python
JavaScript

# Create a video with sora-2-pro
# Step 1: Submit the video generation request
echo "Submitting video generation request..."
response=$(curl -s https://api.cometapi.com/v1/videos \
  -H "Authorization: Bearer $COMETAPI_KEY" \
  -F "model=sora-2-pro" \
  -F "prompt=A calico cat playing a piano on stage")

echo "Response: $response"

# Extract video_id from response (handle JSON with spaces like "id": "xxx")
video_id=$(echo "$response" | tr -d '
' | sed 's/.*"id"[[:space:]]*:[[:space:]]*"\([^"]*\)".*/\1/')
echo "Video ID: $video_id"

# Step 2: Poll for progress until 100%
echo ""
echo "Checking video generation progress..."
while true; do
  status_response=$(curl -s "https://api.cometapi.com/v1/videos/$video_id" \
    -H "Authorization: Bearer $COMETAPI_KEY")

  # Parse progress from "progress": "0%" format
  progress=$(echo "$status_response" | grep -o '"progress":"[^"]*"' | head -1 | sed 's/"progress":"//;s/"$//')
  # Parse status from the outer level
  status=$(echo "$status_response" | grep -o '"status":"[^"]*"' | head -1 | sed 's/"status":"//;s/"$//')

  echo "Progress: $progress, Status: $status"

  if [ "$progress" = "100%" ]; then
    echo "Video generation completed!"
    break
  fi

  if [ "$status" = "FAILURE" ] || [ "$status" = "failed" ]; then
    echo "Video generation failed!"
    echo "$status_response"
    exit 1
  fi

  sleep 10
done

# Step 3: Download the video to output directory
echo ""
echo "Downloading video to ./output/$video_id.mp4..."
mkdir -p ./output
curl -s "https://api.cometapi.com/v1/videos/$video_id/content" \
  -H "Authorization: Bearer $COMETAPI_KEY" \
  -o "./output/$video_id.mp4"

if [ -f "./output/$video_id.mp4" ]; then
  echo "Video saved to ./output/$video_id.mp4"
  ls -la "./output/$video_id.mp4"
else
  echo "Failed to download video"
  exit 1
fi

Curl Code Example

# Create a video with sora-2-pro
# Step 1: Submit the video generation request
echo "Submitting video generation request..."
response=$(curl -s https://api.cometapi.com/v1/videos \
  -H "Authorization: Bearer $COMETAPI_KEY" \
  -F "model=sora-2-pro" \
  -F "prompt=A calico cat playing a piano on stage")

echo "Response: $response"

# Extract video_id from response (handle JSON with spaces like "id": "xxx")
video_id=$(echo "$response" | tr -d '\n' | sed 's/.*"id"[[:space:]]*:[[:space:]]*"\([^"]*\)".*/\1/')
echo "Video ID: $video_id"

# Step 2: Poll for progress until 100%
echo ""
echo "Checking video generation progress..."
while true; do
  status_response=$(curl -s "https://api.cometapi.com/v1/videos/$video_id" \
    -H "Authorization: Bearer $COMETAPI_KEY")
  
  # Parse progress from "progress": "0%" format
  progress=$(echo "$status_response" | grep -o '"progress":"[^"]*"' | head -1 | sed 's/"progress":"//;s/"$//')
  # Parse status from the outer level
  status=$(echo "$status_response" | grep -o '"status":"[^"]*"' | head -1 | sed 's/"status":"//;s/"$//')
  
  echo "Progress: $progress, Status: $status"
  
  if [ "$progress" = "100%" ]; then
    echo "Video generation completed!"
    break
  fi
  
  if [ "$status" = "FAILURE" ] || [ "$status" = "failed" ]; then
    echo "Video generation failed!"
    echo "$status_response"
    exit 1
  fi
  
  sleep 10
done

# Step 3: Download the video to output directory
echo ""
echo "Downloading video to ./output/$video_id.mp4..."
mkdir -p ./output
curl -s "https://api.cometapi.com/v1/videos/$video_id/content" \
  -H "Authorization: Bearer $COMETAPI_KEY" \
  -o "./output/$video_id.mp4"

if [ -f "./output/$video_id.mp4" ]; then
  echo "Video saved to ./output/$video_id.mp4"
  ls -la "./output/$video_id.mp4"
else
  echo "Failed to download video"
  exit 1
fi

Python Code Example

# Create a video with sora-2-pro using raw HTTP requests
import os
import time
import requests

api_key = os.environ.get("COMETAPI_KEY")
base_url = "https://api.cometapi.com/v1"

headers = {"Authorization": f"Bearer {api_key}"}

# Step 1: Submit the video generation request
print("Submitting video generation request...")
response = requests.post(
    f"{base_url}/videos",
    headers=headers,
    files={
        "model": (None, "sora-2-pro"),
        "prompt": (None, "A calico cat playing a piano on stage"),
    },
)

result = response.json()
print(f"Response: {result}")

video_id = result.get("id")
print(f"Video ID: {video_id}")

# Step 2: Poll for progress until 100%
print("\nChecking video generation progress...")
while True:
    try:
        status_response = requests.get(f"{base_url}/videos/{video_id}", headers=headers)
        status_result = status_response.json()

        # Parse progress and status from response
        data = status_result.get("data", {})
        if data is None:
            data = {}
        progress = data.get("progress", "0%")
        status = data.get("status", "unknown")

        print(f"Progress: {progress}, Status: {status}")

        if status in ["FAILURE", "failed"]:
            print("Video generation failed!")
            print(status_result)
            exit(1)

        if progress == "100%":
            print("Video generation completed!")
            break
    except Exception as e:
        print(f"Temporary error: {e}, retrying...")

    time.sleep(10)

# Step 3: Download the video to output directory
print(f"\nDownloading video to ./output/{video_id}.mp4...")
os.makedirs("./output", exist_ok=True)

video_response = requests.get(f"{base_url}/videos/{video_id}/content", headers=headers)

output_path = f"./output/{video_id}.mp4"
with open(output_path, "wb") as f:
    f.write(video_response.content)

if os.path.exists(output_path):
    file_size = os.path.getsize(output_path)
    print(f"Video saved to {output_path}")
    print(f"File size: {file_size} bytes")
else:
    print("Failed to download video")
    exit(1)

JavaScript Code Example

// Create a video with sora-2-pro using raw HTTP requests
import fs from "fs";
import path from "path";

const apiKey = process.env.COMETAPI_KEY;
const baseUrl = "https://api.cometapi.com/v1";

async function sleep(ms) {
  return new Promise((resolve) => setTimeout(resolve, ms));
}

async function main() {
  // Step 1: Submit the video generation request
  console.log("Submitting video generation request...");

  const formData = new FormData();
  formData.append("model", "sora-2-pro");
  formData.append("prompt", "A calico cat playing a piano on stage");

  const submitResponse = await fetch(`${baseUrl}/videos`, {
    method: "POST",
    headers: {
      Authorization: `Bearer ${apiKey}`,
    },
    body: formData,
  });

  const result = await submitResponse.json();
  console.log("Response:", JSON.stringify(result, null, 2));

  const videoId = result.id;
  console.log("Video ID:", videoId);

  // Step 2: Poll for progress until 100%
  console.log("\nChecking video generation progress...");

  while (true) {
    try {
      const statusResponse = await fetch(`${baseUrl}/videos/${videoId}`, {
        headers: {
          Authorization: `Bearer ${apiKey}`,
        },
      });

      const text = await statusResponse.text();
      if (text.startsWith("<")) {
        console.log("Temporary server error, retrying...");
        await sleep(10000);
        continue;
      }

      const statusResult = JSON.parse(text);

      // Parse progress and status from response
      const data = statusResult.data || {};
      const progress = data.progress || "0%";
      const status = data.status || "unknown";

      console.log(`Progress: ${progress}, Status: ${status}`);

      if (status === "FAILURE" || status === "failed") {
        console.log("Video generation failed!");
        console.log(JSON.stringify(statusResult, null, 2));
        process.exit(1);
      }

      if (progress === "100%") {
        console.log("Video generation completed!");
        break;
      }
    } catch (e) {
      console.log(`Temporary error: ${e.message}, retrying...`);
    }

    await sleep(10000);
  }

  // Step 3: Download the video to output directory
  console.log(`\nDownloading video to ./output/${videoId}.mp4...`);

  const outputDir = "./output";
  if (!fs.existsSync(outputDir)) {
    fs.mkdirSync(outputDir, { recursive: true });
  }

  const videoResponse = await fetch(`${baseUrl}/videos/${videoId}/content`, {
    headers: {
      Authorization: `Bearer ${apiKey}`,
    },
  });

  const outputPath = path.join(outputDir, `${videoId}.mp4`);
  const videoBuffer = Buffer.from(await videoResponse.arrayBuffer());
  fs.writeFileSync(outputPath, videoBuffer);

  if (fs.existsSync(outputPath)) {
    const stats = fs.statSync(outputPath);
    console.log(`Video saved to ${outputPath}`);
    console.log(`File size: ${stats.size} bytes`);
  } else {
    console.log("Failed to download video");
    process.exit(1);
  }
}

main().catch(console.error);