Sora 视频生成技能
创建或管理当前项目的短视频片段(产品演示、营销短片、电影级镜头、UI 模拟)。默认使用 sora-2 和结构化提示增强工作流,并优先使用捆绑的 CLI 以进行确定性运行。注意:$sora 是提示中的技能标签,不是 shell 命令。
何时使用
- 根据提示生成新的视频片段
- 通过 ID 混音现有视频
- 轮询状态、列出任务或下载资源(视频/缩略图/精灵图)
- 批量运行(多个提示或多个变体)
决策树(创建 vs 混音 vs 状态/下载 vs 批量)
- 如果用户有视频 ID 并希望修改 → 混音
- 如果用户有视频 ID 并希望获取状态或资源 → 状态/轮询/下载
- 如果用户需要多个提示/资源 → 创建-批量
- 如果用户要求两个小幅改动的版本(相同镜头,不同主体/细节) → 先创建基础版,然后混音变体
- 其他情况 → 创建(或者如果用户希望一步获取就绪资源,则 创建并轮询)
工作流程
- 决定意图:创建 vs 混音 vs 状态/下载 vs 批量。
- 收集输入:提示、模型、尺寸、时长以及任何输入参考图像。
- 如果是批量操作:在
tmp/下写入一个临时 JSONL 文件(每行一个任务),运行一次,然后删除该 JSONL 文件。 - 优先使用 CLI 增强标志(
--use-case、--scene、--camera等),而不是提前编写结构化提示。如果您已经生成了结构化提示文件,请传递--no-augment以避免双重包装。 - 使用捆绑的 CLI(
scripts/sora.py)并采用合理的默认值(参见references/cli.md)。对于长提示,优先使用--prompt-file以避免 shell 转义问题;如果提示已经结构化,请配合--no-augment使用。 - 对于异步任务,轮询直到完成(或使用 create-and-poll)。
- 下载资源(视频/缩略图/精灵图)并保存到本地。
- 删除调用期间创建的临时文件(例如
prompt.txt、remix_job.json、临时 JSONL)。如果沙箱阻止rm,则跳过清理或将文件截断而不报错。 - 每次提示仅做一项有针对性的更改,迭代进行。
认证
- 必须设置
OPENAI_API_KEY才能进行实时 API 调用。
如果缺少密钥,请为用户提供以下步骤:
- 在 OpenAI 平台 UI 中创建 API 密钥:https://platform.openai.com/api-keys
- 将
OPENAI_API_KEY设置为系统中的环境变量。 - 如有需要,主动引导用户根据其操作系统/shell 设置环境变量。
- 切勿要求用户在聊天中粘贴完整密钥。请让用户本地设置密钥,并在准备就绪后确认。
默认值与规则
- 默认模型:
sora-2(使用sora-2-pro获得更高保真度)。 - 默认尺寸:
1280x720。 - 默认时长:
4秒(允许的值:"4"、"8"、"12" 作为字符串)。 - 始终通过 API 参数设置尺寸和时长;提示文字不会改变这些值。
- 使用 OpenAI Python SDK(
openai包);不要使用原始 HTTP。 - 在任何实时 API 调用之前都需要
OPENAI_API_KEY。 - 如果 uv 缓存权限失败,设置
UV_CACHE_DIR=/tmp/uv-cache。 - 输入参考图像必须为 jpg/png/webp 格式,并且应与目标尺寸匹配。
- 下载 URL 有效期约 1 小时;请将资源复制到您自己的存储中。
- 优先使用捆绑的 CLI,并且永远不要修改
scripts/sora.py,除非用户要求。 - Sora 可以生成音频;如果用户要求画外音/音频,请在
Audio:和Dialogue:行中明确指定,并保持简短。
API 限制
- 模型仅限于
sora-2和sora-2-pro。 - 对 Sora 模型的 API 访问需要经过组织验证的账户。
- 时长限制为 4/8/12 秒,并且必须通过
seconds参数设置。 - API 期望
seconds为字符串枚举类型("4"、"8"、"12")。 - 输出尺寸因模型而异(参见
references/video-api.md了解支持的尺寸)。 - 视频创建是异步的;在下载前必须轮询完成状态。
- 速率限制取决于使用层级(不列出具体限制)。
- 内容限制由 API 强制执行(请参阅下面的防护栏)。
防护栏(必须强制)
- 仅限适合 18 岁以下受众的内容。
- 禁止受版权保护的角色或受版权保护的音乐。
- 禁止真实人物(包括公众人物)。
- 包含人脸图像的输入将被拒绝。
提示增强
将提示重新格式化为结构化的、面向生产的规范。仅将隐含细节显式化;不要凭空创造新的创意要求。
模板(仅包含相关行):
用途:<片段将用于何处>
主要请求:<用户的主要提示>
场景/背景:<地点、时间、氛围>
主体:<主要主体>
动作:<单一明确的动作>
镜头:<镜头类型、角度、运动>
灯光/情绪:<灯光 + 情绪>
调色板:<3-5 种颜色基调>
风格/格式:<电影/动画/格式提示>
时间/节拍:<计数或节拍>
音频:<环境提示/音乐/画外音(如果已请求)>
文本(逐字照录):"<确切文本>"
对话:
<对话>
- 说话者:"短句。"
</对话>
约束:<必须保留/必须避免>
避免:<负面约束>
增强规则:
- 保持简短;仅添加用户已经暗示或在其他地方提供的细节。
- 对于混音,明确列出不变项("相同镜头,仅更改 X")。
- 如果任何关键细节缺失且阻碍成功,请提问;否则继续。
- 如果您将结构化提示文件传递给 CLI,请添加
--no-augment以避免工具重新包装它。
示例
生成示例(单镜头)
用途:产品预告
主要请求:展示一个哑光黑色相机放置在底座上,特写镜头
动作:4 秒内缓慢 30 度轨道环绕
镜头:85mm,浅景深,轻微的握持抖动
灯光/情绪:柔和主光,微妙的轮廓光,高级工作室感
约束:无 logo,无文字
混音示例(不变项)
主要请求:保持相同的镜头和构图,将调色板切换为青/沙/锈色,配合更暖的背光
约束:保持主体和镜头运动不变
提示最佳实践(简短列表)
- 每个镜头一个主要动作 + 一个镜头运动。
- 使用计数或节拍来指示时间("走两步,停下,转身")。
- 对于 UI 或屏幕文字,保持文字简短并锁定镜头。
- 当出现伪影(闪烁、抖动、快速运动)时,添加简短的避免行。
- 较短的提示更具创意;较长的提示更可控。
- 将对话放在专用块中;对于 4-8 秒的片段,保持每行简短。
- 对于混音,明确说明不变项(相同镜头,相同镜头运动)。
- 通过单项更改的后续提示进行迭代,以保持连续性。
按资产类型指导
当请求针对特定产物时,使用以下模块。它们提供了针对性的模板和默认值。
- 电影级镜头:
references/cinematic-shots.md - 社交广告:
references/social-ads.md
CLI + 环境说明
- CLI 命令 + 示例:
references/cli.md - API 参数快速参考:
references/video-api.md - 提示指导:
references/prompting.md - 示例提示:
references/sample-prompts.md - 故障排除:
references/troubleshooting.md - 网络/沙箱提示:
references/codex-network.md
参考映射
references/cli.md:如何通过scripts/sora.py运行创建/轮询/混音/下载/批量操作。references/video-api.md:API 级别的控制项(模型、尺寸、时长、变体、状态)。references/prompting.md:提示结构和迭代指导。references/sample-prompts.md:可直接复制粘贴的提示配方(仅为示例;无额外理论)。references/cinematic-shots.md:电影镜头的模板。references/social-ads.md:简短社交广告节奏的模板。references/troubleshooting.md:常见错误及其修复。references/codex-network.md:网络/审批问题排查。