Sora 2 提示词指南

构建成功的视频提示

本指南将提示撰写比作向一位从未看过分镜脚本的摄影指导进行说明。若你遗漏细节，模型将随意发挥，结果可能与预期不同。通过明确描述镜头目标，你为模型提供更多控制与一致性。同时，留白同样有价值，给模型更多创造空间可以带来意想不到的惊喜。两者的平衡取决于你的目标。把提示当作一个愿望清单而非合同，多次生成会产生不同结果——这是一种特性。最重要的是做好迭代准备，调整相机、光线或动作的小变化会显著影响结果。

API 参数

提示词控制视频内容，但分辨率、时长等必须在 API 调用中明确设置：

• model：sora‑2 或 sora‑2‑pro。
• size：分辨率字符串，如 1280×720 或 720×1280。支持的尺寸取决于模型选择。
• seconds：片段时长，支持 4、8 或 12 秒，默认 4 秒。

这些参数定义了视频容器，不会因为提示文本而改变。分辨率越高，细节越清晰；较短片段通常更容易符合指令。

有效的提示结构

清晰的提示应像在故事板上素描镜头：说明取景、景深、动作节拍与光线调色。锚定主体的几个独特细节可保持辨识度，单一且合理的动作让镜头更易跟随。也可以在一个提示中描述多镜头，但每个镜头需独立包含相机设置、主体动作与光线配方。

• 简短提示赋予模型更多创造自由，可能出现惊喜。
• 详细提示则限制模型自由，可靠性更高但可能不完全符合你想象。

简短提示示例

90 年代纪录片式访谈，一位瑞典老人坐在书房里说：“我还记得我年轻的时候。”

此提示定义了风格、主体与对话，让模型自由发挥未定义的时间、天气、服装等细节。

极度详细的提示

对于复杂的电影镜头，可使用专业术语指定镜头格式、相机、滤镜、分级、光线和音景，类似导演向摄制组的简报。下面为示例翻译：

格式与外观
时长 4 秒；180° 快门；数字拍摄模拟 65 毫米胶片对比度；细腻颗粒；亮点有轻微晕影；无画框漂移。

镜头与滤镜
32 毫米 / 50 毫米球面定焦；Black Pro‑Mist 1/4；稍微旋转 CPL 来控制火车窗户上的反光。

分级 / 色调
高光：干净的清晨阳光带琥珀色提亮。
中间调：平衡的中性色调，阴影略带青色。
黑色：柔和中性，略微提升以保留雾气。

光线与氛围
自然阳光从镜头左侧、低角度照射（上午 7:30）。
反光板：轨道旁使用 4×4 银色反光板。
负光填充来自相反的墙壁。
实景光：平台钠灯，调暗。
环境：轻雾；火车尾气在光束中飘散。

地点与取景
都市通勤站台，黎明时分。
前景：黄色安全线，长椅上的咖啡杯。
中景：站在雾气中的候车乘客剪影。
背景：进站的火车正在刹车。
避免标识或企业品牌。

服装 / 道具 / 群演
主要人物：30 多岁的旅客，藏青外套，背包单肩背，手里随意拿着手机。
群演：穿着柔和色调的通勤者；一名骑自行车的人推着自行车。
道具：纸咖啡杯、滚动行李箱、LED 出发板（通用目的地）。

声音
仅限片中声音：轻微的铁轨摩擦声、火车刹车的嘶嘶声、远处的广播声微弱 (‑20 LUFS)、低沉的环境嗡嗡声。
脚步声和纸张摩擦声；无配乐或附加拟音。

优化镜头列表（共 2 个镜头 / 总长 4 秒）

0.00 – 2.40 — “抵达滑移”（32 毫米，肩扛慢推左移）
摄像机滑过站台标识边缘；浅景深揭示站台中央旅客看向轨道。晨光穿过镜头绽放；列车头灯在薄雾中柔和耀斑。目的：建立场景与氛围，暗示期待。

2.40 – 4.00 — “转身与停顿”（50 毫米，缓慢弧线前移）
切到更紧的背面过肩镜头，火车停下；旅客稍微转向镜头，阳光在面颊和手机屏幕反射出边缘光。眼睛抬向看不见的地方。目的：用最小的动作打造人性化焦点瞬间。

相机备注
保持视线低并靠近镜头轴以增加亲密感。
允许火车玻璃带来的微小耀斑作为美学质感。
保留微妙的手持不稳感以增强真实感。
避免过曝的耀斑破坏剪影清晰度；保持皮肤高光渐变。

后期处理
添加细颗粒覆盖，适度色噪以增加真实感；灯光保持内敛晕影；清晨的暖冷分离调色。
混音：优先突出火车和环境细节，而不是脚步瞬间。
海报帧：旅客转身中，金色边缘光，背景雾中软焦的火车。

引导画面风格的视觉提示

风格是控制模型输出的重要杠杆。早早设定整体美学，如“1970 年代胶片”“史诗般的 IMAX 场景”或“16 毫米黑白胶片”，可以为后续选择定调。同样的细节在不同风格下呈现截然不同：抛光的好莱坞剧情片、手持手机录像或颗粒感的复古广告。设定基调后，再叠加取景、动作和光线的具体说明。

描述越具体越好。与其说“漂亮的街道”，不如写“湿漉漉的柏油路、斑马线、霓虹灯反射”。与其说“人物移动很快”，不如写“骑车人踩三下踏板，刹车并在斑马线前停下”。指向可见结果的动词和名词带来更清晰、一致的输出。

弱提示 VS 强提示：

• “夜晚的一条漂亮街道” → “湿润的柏油路、斑马线、霓虹灯在水洼中反射”
• “人物移动很快” → “骑车人踩三下踏板，刹车并在十字路口停下”
• “电影感外观” → “2.0× 变形镜头，浅景深，体积光”

相机方向和取景决定镜头氛围。高角度广角镜头强调空间和背景，视线高度的特写则聚焦情感。浅景深让主体从模糊背景中突出，而深景深让前景和背景都清晰可见。光线同样强烈影响基调：柔和温暖的主光产生亲切感，单一冷光源则营造戏剧性。

引入角色时要保持措辞一致，以维持人物连贯性，避免混合竞争特征。

弱例：

相机镜头：电影感外观

强例：

相机镜头：低角度广角镜头
景深：浅（主体清晰，背景模糊）
光线与色调：温暖的背光与柔和的边缘光

优秀的取景指令示例：

• 广角开场镜头，视线高度
• 广角镜头，跟随骑士从左到右
• 航拍广角镜头，略向下俯视
• 中近景，稍微从背后角度

优秀的相机运动指令示例：

• 缓慢的倾斜相机
• 手持 ENG 摄像机

控制运动与时长

运动往往是最难精确把握的部分。每个镜头只包含一个清晰的相机动作和一个清晰的主体动作。通过节拍或计数描述动作，使其在时间上有节奏。示例：

弱例：

演员走过房间。

强例：

演员走四步到窗前，停下，然后在最后一秒拉开窗帘。

灯光与色彩一致性

光线决定氛围，与动作或场景同样重要。剪辑多个镜头时，保持光线逻辑一致可让过渡更自然。描述光线质量及其颜色锚点，例如：“柔和的窗光配暖灯填充，走廊边缘有冷光”。列举三到五种颜色，有助于在多个镜头中保持调色一致。

弱例：

光线与色调：明亮的房间

强例：

光线与色调：柔和的窗光配暖灯填充，走廊提供冷边光
色调锚点：琥珀、奶油色、胡桃棕

使用图像输入获得更强控制

可使用照片、数字艺术或 AI 生成的视觉作为输入，锁定人物设计、服装、布景或整体美学，文字提示则定义后续动作。

• 在 POST / videos 请求中使用 input_reference 参数上传图片。
• 图片尺寸必须与目标视频分辨率匹配。
• 支持 image/jpeg、image/png 和 image/webp 文件。

没有参考图像？OpenAI 的图像生成模型可用来快速生成环境和场景设计，作为 Sora 的输入。

对话与音频

对话需要放在提示中的一个独立代码块内，以便模型区分视觉描述与台词。保持自然且简短的句子，角色轮流说话。4 秒镜头通常容纳一两句短台词，8 秒镜头可容纳更多。冗长的独白难以同步。若镜头无对话，也可用一个小声音提示节奏。

示例：

一个狭窄、没有窗户的房间，墙壁呈旧灰色。一只裸露的灯泡从天花板上垂下，光线聚焦在中央那张刀痕累累的金属桌子上。两把椅子相对而坐。侦探坐在一边，风衣搭在椅背上，目光锐利；嫌疑人懒散地靠在另一边，香烟烟雾懒懒上升。寂静压抑，只听见头顶灯微弱的嗡嗡声。

对话：
- 侦探：“你在撒谎。我从你的沉默中听得出来。”
- 嫌疑人：“也许我只是厌倦了说话。”
- 侦探：“不管怎样，今晚结束前你都会开口的。”

背景音描述示例：

咖啡机的嗡鸣与人声低语构成背景。

使用 Remix 功能迭代

Remix 功能用于微调，而非彻底重构。每次只改变一项，如“相同镜头改用 85 毫米镜头”或“保持光线不变，仅改变配色：蓝绿、沙色、铁锈色”。当结果接近理想时，将其作为参考，仅描述你要调整的部分，这样之前满意的元素将保持锁定。

如果镜头总是无法达到预期，则简化：固定相机、简化动作、清理背景。一旦成功，再逐步增加复杂性。

提示模板与示例

提示结构

将不同信息分开是高效撰写提示的一种方式。以下为描述性提示模板，供参考：

[用普通语言描述场景，涵盖角色、服装、布景、天气等细节。]

摄影：
相机镜头：[取景与角度，例如广角开场镜头，视线高度]
氛围：[整体基调，例如电影感紧张、俏皮悬疑、奢华期待]

动作：
- [动作 1：清晰具体的节拍或动作]
- [动作 2：片段中的另一个节拍]
- [动作 3：另一个动作或台词]

对话：
[如有对话，加入简短自然的台词。保持简短以匹配片段长度。]

示例 1

风格：手绘风格的 2D/3D 混合动画，柔和笔触纹理，温暖的钨丝灯光，带有停格动画般的触感。美学唤起 2000 年代中期故事书动画——温馨、不完美、机械魅力十足。微妙的水彩洗与绘画质感；暖与冷的平衡调色；电影般的运动模糊带来动画真实感。

在一个凌乱的工作室里，架子上堆满齿轮、螺栓和泛黄的蓝图。中央，一只小圆形机器人坐在木凳上，凹陷的身体贴着不匹配的金属板和旧油漆。它那双明亮的眼睛闪烁着淡蓝色光芒，紧张地摆弄着一颗嗡嗡作响的灯泡。空气中充满轻微的机械嗡嗡声，雨点敲打窗户，背景中的钟表滴答作响。

摄影：
相机：中近景，缓慢推进，悬挂的工具制造柔和视差
镜头：35 毫米虚拟镜头；浅景深软化背景杂乱
光线：头顶实景光提供温暖主光；窗外透入冷光形成对比
氛围：温柔、奇幻，带一丝悬念

动作：
- 机器人敲击灯泡；火花迸裂。
- 它被吓得缩了一下，灯泡掉落，眼睛睁大。
- 灯泡慢动作下落；它在最后关头接住。
- 一缕蒸汽从它胸前喷出——松了一口气，也有些自豪。
- 机器人轻声说：“差点弄丢……但我成功了！”

背景声音：
雨声、钟表滴答、轻柔机械嗡嗡、微弱灯泡噼啪声。

示例 2

风格：1970 年代浪漫剧情，使用 35 毫米胶片拍摄，自然光晕、柔和焦点和温暖晕影。微微的画框漂移和手持微抖营造复古亲密感。温暖的 Kodak 风格调色；灯泡微光晕；胶片颗粒和柔和渐晕增强年代感。

在黄金时刻，一栋砖房的屋顶变成了一个小舞台。晾衣绳上挂着的白床单在风中摇曳，捕捉着最后的阳光。几串不协调的彩灯在头顶低声嗡嗡。一个身着红色丝绸长裙的年轻女子赤脚跳舞，她的卷发在渐淡的光线中发光。她的舞伴——挽起袖子，吊带松垮——边拍手边笑，笑容毫无掩饰。下方，城市弥漫着汽车喇叭声、地铁震动和远处的欢笑。

摄影：
相机：中等广角镜头，从视线高度缓慢推进
镜头：40 毫米球面镜头；浅景深将情侣从城市天际线中隔离出来
光线：黄金自然主光加钨丝灯反射；彩灯提供边缘光
氛围：怀旧、温柔、电影感

动作：
- 她旋转；裙摆展开，捕捉到阳光。
- 女子（笑）：“看吧？连城市今晚都和我们一起跳舞。”
- 他走上前，牵起她的手，把她轻轻带入阴影。
- 男子（笑）：“只是因为你在带领。”
- 床单飘过画面，短暂遮挡住天际线后再次分开。

背景声音：
仅自然环境：微风、布料飘动、街道噪音、远处音乐。无额外配乐。