OpenMontage 中的 Sora 2 提示词工程：结构化模板、影视级参数与 API 落地实践
【免费下载链接】OpenMontageWorld's first open-source, agentic video production system. 12 production pipelines, 100+ tools, 700+ agent skill and production-knowledge files. Turn your AI coding assistant into a full video production studio.项目地址: https://gitcode.com/GitHub_Trending/op/OpenMontage
本文基于 OpenMontage 仓库中的 Sora 2 提示词指南（skills/creative/prompting/sora-prompting.md）展开，并结合仓库内 Sora 视频生成工具的源码与回归测试，系统讲解 Sora 2 / Sora 2 Pro 的提示词写作方法、影视级高级字段、可复制的完整示例，以及这些提示词在真实视频生成调用链中如何被校验与执行。读完本文，你将掌握一套可直接用于 Sora 2 的"散文 + 摄影组 + 动作节拍"结构化模板，理解哪些参数必须在提示词内写、哪些必须在 API 层设置，并能把提示词无缝接入 OpenMontage 的视频生成流程。
Sora 2 提示词的基本盘：100–250 词是最佳区间
Sora 2 对提示词密度的响应与多数视频模型不同：超过约 250 词后，额外细节几乎不再提升输出质量，而 100–250 词是其性能平台期。这与同一仓库通用视频生成指南（skills/creative/video-gen-prompting.md）中给出的模型长度对照表一致——Sora 2 / VEO 3.1 的推荐甜点区间正是 100–250 词，而 Wan 2.2 为 200–400 词、LTX-2 需压到 80 词以内。因此在为 Sora 2 写作时，信息密度比信息总量更重要：每个词都应承担画面描述职责。
同时要注意 Sora 的两条行为特性：
- Creative freedom 与 Control 是跷跷板：提示词越短，模型创意自由度越大；越长，则控制力越强。100–250 词的区间内按需取长短。
- 散文优先（Prose-first）：先写一段信息丰富的场景散文，再追加技术块（摄影、动作、对白）。不要让提示词以镜头规格开头。
Sora 专属提示词模板：三段式结构
Sora 2 对"结构化格式"响应最佳，官方推荐的三段式骨架为：场景散文 + 摄影组（Cinematography）+ 动作节拍（Actions），可选的第四段为对白（Dialogue）。模板如下：
[Prose scene description — characters, costumes, scenery, weather, details. Be as descriptive as possible to match your vision.] Cinematography: Camera shot: [framing and angle] Lens: [focal length, type] Lighting: [key, fill, rim, practical sources with color temp] Mood: [overall tone] Actions: - [Beat 1: specific gesture or movement] - [Beat 2: another distinct beat] - [Beat 3: reaction or dialogue] Dialogue: [Short natural lines, kept brief for clip length]结构要点：
- Prose 段负责角色、服装、布景、天气等一切"画面内容"，尽可能具象。
- Cinematography 段用
Camera shot、Lens、Lighting、Mood四个键名显式分组，让模型不会把机位、镜头和光线混为一谈。这与通用指南中"相机三分类"（平移/旋转 vs 推拉 vs 纯镜头变化）的理念一脉相承——模型容易混淆平移（pan）、横移（truck）、推镜（dolly）和变焦（zoom），显式分组可避免歧义。 - Actions 段用列表写 3 个左右的动作节拍，逐拍推进，最后可落在反应或对白上。
- Dialogue 段只写短句——Sora 支持短对白唇形同步，但复杂多角色对白会失效。
高级可选字段：Sora 独有的影视级细节
下表所列字段是 Sora 区别于多数视频模型的核心能力——这些"制作级"细节大多数模型会直接忽略，而 Sora 能真正响应：
| 字段 | 示例 |
|---|---|
| 镜头规格（Lens spec） | "40mm spherical"、"85mm"、"Anamorphic 2.0x" |
| 滤镜（Filtration） | "Black Pro-Mist 1/4"、"slight CPL rotation" |
| 调色（Grade / palette） | "Warm Kodak-inspired grade"、"teal-and-orange LUT" |
| 胶片模拟（Film stock emulation） | "16mm black-and-white"、"35mm photochemical contrast" |
| 环境音（Diegetic sound） | "faint rail screech, rain patters window, clock ticks" |
| 服装（Wardrobe） | "navy coat, sleeves rolled, suspenders loose" |
| 后期质感（Finishing） | "fine-grain overlay, mild halation, gate weave, soft vignette" |
| 快门（Shutter） | "180° shutter angle" |
| 播放速度（Playback speed） | "speed ramp from 1x to 0.25x mid-shot"、"stop-motion staccato"、"time-reversed exhale" |
| 镜头畸变（Lens distortion） | "fisheye barrel distortion at the edges"、"subtle barrel curvature on straight lines" |
| 对焦模式（Focus mode） | "rack focus from foreground bottle to background figure"、"deep focus, FG to BG sharp" |
使用建议：
- 播放速度要选对原语。通用指南定义了六种互不相同的播放速度原语：time-lapse（时间流逝）、fast-motion（快动作）、slow-motion（慢动作）、stop-motion（定格动画式逐帧）、speed-ramp（同镜头内快慢混用）、time-reversed（倒放）。它们不是同义词，写错一种语义都会跑偏。
- 畸变分两类：fisheye（鱼眼，边缘强烈外弯）与 barrel（桶形，直线轻微外凸），模型将其视为两个独立效果，不可互换。
- 对焦动态：rack focus（焦点在双主体间切换）与 pull focus（渐进式移焦）不同；若镜头内景深发生变化，应同时标注起始与结束焦平面（前景/中景/背景/失焦）。
Sora 与其他模型的不同之处
- 散文先行：先写丰满段落，再加技术块，不要用镜头规格起手。
- 角色参考：通过 API 可锁定最多2 个上传的角色 ID（character references）。
- 对白同步：短句有效；复杂多角色对话不支持。
- 编辑指令：支持基于已有生成结果的迭代精修，例如 "Same shot, switch to 85mm"（同一镜头换成 85mm）、"Same lighting, new palette: teal, sand, rust"（同一光线，换新色板）。这是 Sora 独有的一次生成、多次精修的用法。
- 创意自由度：短提示词 → 更多创作空间；长提示词 → 更强控制。
调色板技巧：用锚定色替代模糊描述
不要写"warm tones"这类模糊词，直接命名3–5 个锚定颜色：
- "Amber, cream, walnut brown"（复古暖调）
- "Teal, sand, rust"（海岸荒漠）
- "Cool blues with warm tungsten accents"（黑色电影风）
同理，通用指南反复强调"用情绪的可视化成因替代情绪形容词"：例如 "sad character" 应改为 "tears on cheek, shoulders slumped, staring at empty chair"；"epic" 应改为 "low-angle, 24mm wide, sun directly behind subject, lens flare on the rim"。因为这些形容词并不约束像素，而颜色与具体画面细节才会。
Sora API 参数：提示词无法设置的三个键
以下参数不能在提示词内设置，必须在 API 请求层传入（本仓库对应 tools/video/sora_video.py 工具的入参）：
model：sora-2或sora-2-prosize：720x1280、1280x720、1080x1920、1920x1080、1024x1792、1792x1024seconds：4、8、12、16、20
需要说明的是：上表是 OpenAI Sora API 的完整参数空间；而 OpenMontage 仓库中的
sora_video工具（tools/video/sora_video.py）当前仅开放其子集——模型仅接受sora-2/sora-2-pro，时长仅接受4 / 8 / 12秒，分辨率仅接受1280x720、720x1280、1024x1792、1792x1024（其中sora-2进一步限定为竖屏720x1280与横屏1280x720）。这正是为短视频产品广告与社媒片段而设计的裁剪，落地时以源码中的_ALLOWED_*常量与实际报错为准。
完整示例：手绘 2D/3D 混合动画
原指南给出了一段可直接复制的完整提示词，融合了散文、风格块、摄影组、动作节拍与背景音，是检验上述所有技巧的样板：
Style: Hand-painted 2D/3D hybrid animation with soft brush textures, warm tungsten lighting, tactile stop-motion feel. Subtle watercolor wash; warm-cool balance; filmic motion blur. Inside a cluttered workshop, shelves overflow with gears and yellowing blueprints. Small round robot sits on wooden bench, dented body patched with mismatched plates. Large glowing blue eyes flicker as it fiddles with a humming light bulb. Cinematography: Camera: medium close-up, slow push-in with gentle parallax from hanging tools Lens: 35mm virtual; shallow depth of field Lighting: warm key from overhead practical; cool spill from window Mood: gentle, whimsical, touch of suspense Actions: - Robot taps bulb; sparks crackle - Flinches, dropping bulb, eyes widening - Bulb tumbles in slow motion; catches it just in time - Puff of steam escapes chest — relief and pride Background Sound: Rain, ticking clock, soft mechanical hum, faint bulb sizzle可以逐段对照前面讲过的技巧：Style 行内用 "warm tungsten" 与 "filmic motion blur" 锚定光线与运动模糊；散文段给出布景细节（gears、yellowing blueprints）与角色特征（dented body、mismatched plates、glowing blue eyes）；摄影组四键齐全；动作段四拍递进并在结尾给情绪反应；背景音段使用 diegetic sound（rain、clock、mechanical hum、bulb sizzle）而非空泛的"氛围音乐"。
在 OpenMontage 中落地：源码与调用链验证
上述提示词在仓库中的实际承载者是sora_video工具（tools/video/sora_video.py），其设计要点与提示词指南一一对应：
- 依赖与前置条件：需要环境变量
OPENAI_API_KEY，且openaiPython SDK 版本不低于2.44.0（源码_MIN_OPENAI_VERSION = (2, 44, 0)），SDK 需暴露client.videos.create_and_poll接口；否则工具状态为UNAVAILABLE。安装指引为pip install 'openai>=2.44.0'。 - 入参校验：
_normalize_model/_normalize_size/_normalize_seconds三个静态方法对模型、分辨率、时长做白名单校验；seconds还兼容duration别名与"4s"这类带后缀写法。分辨率还支持aspect_ratio（16:9/9:16）别名，未显式传size时按此选择横竖屏。 - 文本生视频与图生视频：
operation支持text_to_video与image_to_video；图生视频时传入input_reference_path（或别名reference_image_path），工具会将图片转为 data URI 作为input_reference，与提示词指南中"通过 API 上传角色参考"的能力呼应。 - 默认值：默认
model="sora-2"、size="720x1280"（竖屏）、seconds="4"，契合其"4/8/12 秒社媒短视频片段，供 OpenMontage 拼接合成"的定位。 - 能力声明：工具的
supports中native_audio: True，对应指南中 Sora 能响应环境音与短对白描述的音频能力；best_for明确列出"带原生环境音或对白的短影视产品广告插入片段"；fallback_tools指向veo_video、gemini_omni_video、seedance_video、kling_video、minimax_video，即未配置 Sora 时的降级路径。
仓库的回归测试（tests/tools/test_sora_video.py）验证了四条关键契约：sora_video能被工具注册表发现且 provider 为openai；在进程环境为空时会从仓库.env加载OPENAI_API_KEY；SDK 版本过低时正确上报UNAVAILABLE；以及create_and_poll+download_content的完整执行链路（断言 payload 中model、seconds与下载的variant="video"）。此外，模型路由表（tools/video/_shared.py）将sora_v2与sora_v2_pro标记为高画质、慢速档位，可作为选择模型的参考。
提示词迭代策略
将 Sora 2 提示词接入实际生产流程时，建议遵循通用指南中的迭代方法论：
- 从简单开始：先写"主体 + 动作 + 场景"，观察模型输出。
- 逐项叠加：一次只加一类元素——先机位，再灯光，后风格。
- 失败即回退：镜头跑偏时剥离到最简，冻结机位、简化动作，再重试。
- 跨片段一致性：对同一项目的多个片段重复相同的风格/灯光/调色描述，保证成片观感统一。
- 利用编辑指令：Sora 独有的 "Same shot, ..." 系列编辑指令适合在单次生成基础上做参数级精修，而不是整段重写。
结合本指南，一套可落地的 Sora 2 工作流是：先用本文模板写作 100–250 词的提示词（散文 + 摄影组 + 动作节拍，必要时加对白与背景音）→ 在 API 层显式指定model/size/seconds（在 OpenMontage 中即sora_video工具入参）→ 需要角色一致性时通过 API 上传角色参考图 → 对不满意处使用编辑指令迭代 → 最后将生成的短片片段交给 OpenMontage 的拼接与合成流程。相关通用词汇表（镜头类型、运镜、灯光方向、胶片风格等）可随时查阅 skills/creative/video-gen-prompting.md 按需取用。
【免费下载链接】OpenMontageWorld's first open-source, agentic video production system. 12 production pipelines, 100+ tools, 700+ agent skill and production-knowledge files. Turn your AI coding assistant into a full video production studio.项目地址: https://gitcode.com/GitHub_Trending/op/OpenMontage
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
：从 ~/.ssh/config 自动生成 SSH 域并定制多路复用会话)
