文本生成视频流程 — 写提示词就能出短片

标准流程

Sora 应用里生成一条视频的操作路径：

1. 在首页点击底部中央的「+」按钮（创建入口）
2. 进入生成页面，输入文本提示词
3. 可选：选择一个 Cameo 客串（把自己或朋友放进场景）
4. 可选：选择风格预设（电影、动漫、写实等）
5. 可选：调节时长（应用端最多约 10 秒）
6. 提交生成，等待结果
7. 满意就发布到社区，不满意就改提示词重试

提示词写法

Sora 2 对提示词的理解非常灵活。测试表明：

• 短提示词也能生成不错的结果（「一只猫在钢琴上弹琴」）
• 长提示词可以加入细节（「一只橙色虎斑猫在黑色三角钢琴上弹琴，阳光从左侧窗户照进来，慢镜头，电影级」）
• 可以指定相机运动、光照、氛围、风格等

官方推荐的提示词结构：主体 + 动作 + 场景 + 风格 + 细节补充。

可选控制

生成时长

Sora 2 的生成速度在当时算是快的——一条 10 秒视频通常在几秒到几十秒之间完成（取决于当时的服务器负载）。这意味着可以快速迭代：写一个提示词 → 生成 → 看看 → 改一改 → 再生成。

限制是什么

• 不能指定精确的镜头运动
• 不能精确控制每一帧的画面
• 文本渲染基本是坏的（生成不了清晰的文字）
• 多人交互容易出错

延伸阅读：模型局限：手部、人脸、文字、Remix 二创机制