โครงสร้าง prompt วิดีโอ
prompt วิดีโอที่ดีควรบรรยายเป็นภาษาภาพยนตร์: subject + action (ใคร/อะไร กำลังทำอะไร), การจัดแสง (แสงเช้า/นีออน/แสงเทียน), มุมและการเคลื่อนกล้อง (โคลสอัพ, แพน, ดอลลีเข้า), สไตล์ (ภาพยนตร์/สารคดี/อนิเมะ), และเสียงที่ต้องการ ยิ่งระบุการเคลื่อนไหวและจังหวะชัด ยิ่งควบคุมผลได้ดี เนื่องจากคลิปสั้น ควรโฟกัสหนึ่งฉากหรือหนึ่งการกระทำหลัก
เสียงซิงก์: บทพูดและเสียงประกอบ
จุดเด่นของ Sora 2 คือสร้างเสียงซิงก์ไปกับภาพได้ ทั้งบทสนทนา เสียงเอฟเฟกต์ และเสียงบรรยากาศ ควรระบุในกรอบสั้น ๆ เพราะคลิปยาวไม่กี่วินาที ถ้าต้องการบทพูดให้ใส่ประโยคสั้นและระบุอารมณ์น้ำเสียง
ควบคุมสไตล์และหลายช็อต
Sora 2 ทำตามคำสั่งหลายช็อตและรักษาความต่อเนื่องของสถานะในโลก (world-state) ได้ดีขึ้น รวมถึงเก่งสไตล์อนิเมะและภาพยนตร์ การเลือกคำบรรยายสไตล์อย่างชัดเจน เช่น '2D anime', 'cinematic film', 'documentary handheld' มีผลอย่างมากต่อลุคของคลิป
ข้อจำกัดและการใช้งานจริง
Sora 2 สร้างได้เฉพาะคลิปสั้น (~10-25 วินาที) ไม่ใช่วิดีโอยาว จึงเหมาะกับโฆษณาสั้น อินโทร โซเชียลคลิป หรือ storyboard ประกอบไอเดีย ไม่เหมาะกับหนังหรือวิดีโอความยาวเต็ม มีข้อจำกัดด้านคอมพิวต์และโควตาการใช้งาน รุ่น Sora 2 Pro คุณภาพสูงกว่าสำหรับผู้ใช้ ChatGPT Pro บน sora.com ควรวางแผนแบ่งไอเดียเป็นคลิปสั้นหลายชิ้นแทนการหวังคลิปเดียวยาว ๆ และตรวจสอบเนื้อหาให้เหมาะสมด้านลิขสิทธิ์และการใช้ภาพบุคคล