2024 年 3 月，这个页面还是一份很长的 Sora 提示词合集。那是一个奇特的阶段：大多数人还没有真正用过产品，研究预览里的几段视频却已经催生了开源仓库、提示词拆解和关于新媒介的想象。我们记录镜头运动、材质和光线，试图从有限样本中辨认一种语法。
今天再把它叫作“掌握 Sora 的完整指南”，已经不诚实了。Sora 的 Web 与 App 已在 2026 年 4 月 26 日停止服务，API 也将在 2026 年 9 月 24 日下线。若文章仍把它写成一个正在成长的平台，搜索流量带来的就不是帮助，而是误导。
因此，我把旧文改成了一份有第二次生命的档案：保留 2024 年 SoraEase 提示词仓库 中五个仍有分析价值的样本，核对产品时间线，再把当年的直觉整理成一套可迁移的视频生成方法。
更重要的结论与某个模型无关：提示词只是暂时包裹创作意图的语法。产品会消失，但你仍要能够说明一个场景究竟想表达什么，以及怎样才算成功。
Sora 到底经历了什么
“Sora”曾同时指向研究模型、消费产品、后续视频与音频模型，以及开发者 API。把四者混在一起，是旧资料最常见的问题。
2024 年 2 月 15 日：研究预览
OpenAI 在 2024 年 2 月 15 日发布了研究报告 Video generation models as world simulators 。报告把 Sora 描述为基于时空 patch 的文本条件扩散模型，并展示了最长一分钟的高清视频样例。
这仍是研究，不是公开的开发者平台。报告重在表征方式和定性结果，没有公开完整模型与实现细节。SoraEase 等早期提示词仓库，本质上都是观察记录：人们从 OpenAI 已发布的例子反推可能重复的模式。
2024 年 12 月 9 日：从研究变成产品
OpenAI 在 Sora is here 中宣布 Sora 正式发布。Sora Turbo 通过独立网页向符合条件的 ChatGPT Plus 和 Pro 用户开放，支持文本、图片和视频输入，以及 storyboard、remix、blend、extend 等工作流。
发布说明也明确写出了当时的限制：不真实的物理运动、复杂连续动作的困难、较高成本和安全约束。提示词可以提高得到可用结果的概率，却不能把概率模型变成确定性渲染器。
2025 年 9 月 30 日：Sora 2
Sora 2 is here 在 2025 年 9 月 30 日介绍了新的视频与音频生成模型。OpenAI 强调了物理准确性、可控性、世界状态延续，以及同步对白和音效；产品最初出现在 Sora App 与 sora.com，API 随后开放。
声音、对白节奏和镜头连续性从此成为场景描述的一部分。它没有让旧经验作废，反而证明只堆叠“电影感”“8K”之类形容词远远不够。
2026 年 4 月 26 日与 9 月 24 日：两个不同的终点
OpenAI 的 Sora 停服说明 区分了两个日期：
- Sora Web 与 App 已于 2026 年 4 月 26 日停止服务；
- Sora API 将于 2026 年 9 月 24 日停止服务。
更新本文时，API 下线日尚未到来。这是一段迁移窗口，而不是开始建立新依赖的理由。
停服说明没有指定任何官方替代视频产品或替代 API。本文也不会替 OpenAI 发明一个。选择其他服务商，是你自己的产品决策；应该重新核查其文档、数据政策、安全机制、价格与地区可用性。
这份档案保存什么，不承诺什么
原始 SoraEase/sora-prompt 仓库如今是只读公共档案。仓库声明使用 CC0-1.0，并在 README 中请求转发时注明 SoraEase。下文五个短例子来自该仓库，保留于此并注明来源。
这里的许可说明只适用于仓库自己的声明，不能替第三方素材、人物肖像、商标、音乐或训练输入建立权利链。把提示词复制进新模型，也不会自动获得输出的商业使用权；实际项目仍需单独审查供应商条款、素材授权和使用场景。
这些例子是历史标本，不是保证生效的命令。我删掉了旧文中的空章节、重复社交链接、把 Sora 写成 “Sola” 的拼写错误，以及绿幕、VR 全景、交互媒体等缺乏官方依据的能力宣称。某些词可以描述后期制作手法，但提示词列表里出现过，并不能证明产品原生实现了它。
模型对文本的切分、规划、审核和渲染各不相同。同一段话迁移后，构图、运动、时长、身份一致性都可能改变，甚至直接失败。真正可以迁移的是场景规格和评测方式。
五个仍值得保留的提示词
1. 环境、服装与反射光
一位时髦女性走在东京街头，四周是温暖发光的霓虹灯和动态城市标牌。她穿着黑色皮夹克、红色长裙和黑色靴子，拿着黑色手袋，戴着太阳镜，涂着红色口红。她自信而从容地行走。湿润的街面映出彩色灯光，许多行人在周围穿行。
它的价值在于细节之间互相支撑：服装提供色彩锚点，湿地让光线变得可见，行人建立人物尺度，“自信而从容”则描述了节奏，而不只是位置。
它的缺口同样明显：镜头是跟拍、固定还是手持？行走需要连续多久？除了画面丰富，还有什么验收标准？到了生产环境，这些省略都会变成返工。
2. 尺度、气氛与机位
几只巨大的长毛猛犸象穿过雪地草原走来。长毛在风中轻轻摆动，远处有积雪的树林和险峻山峰。午后光线与薄云形成温暖光晕；低机位和浅景深突出动物的巨大尺度。
最耐用的不是“电影感”，而是“用低机位强调尺度”：镜头选择与叙事目的产生了因果关系。毛发受风、远山和空气光又共同制造纵深。
它可能失败在群体一致性：腿部交叠、间距漂移、个体突然变化。测试时应写明必须保持几只猛犸象可见，哪一只是主角。
3. 一个干净的超现实矛盾
写实特写视频：两艘海盗船一边交战，一边航行在一杯咖啡里。
这是档案里最好的例子之一。它只设置一个不可能关系——船在咖啡杯里——其余仍遵循熟悉的物理证据：液体、船只、战斗和微距摄影。观众一眼就能理解那个矛盾。
超现实提示常在每个名词都追求怪异时失控。一个不可能前提，加上一组普通视觉规则，反而更容易导演和验收。
4. 把材质当成世界规则
一个精美渲染的纸艺珊瑚礁世界，里面有色彩丰富的鱼和海洋生物。
“纸艺”应影响所有事物：边缘、折痕、透光、运动、鱼的刚性和光照。如果只有首帧像纸，运动后却像软组织，风格就没有穿过时间。
这提醒我们评测材质一致性，而不是只挑最好看的截图。视频是一串连续的义务。
5. 镜头运动与时间稳定性
镜头环绕纽约一家博物馆画廊内堆叠的大量老式电视。每块屏幕播放不同节目：20 世纪 50 年代科幻片、恐怖片、新闻、雪花和 70 年代情景喜剧。
这是一个紧凑的压力测试。环绕要求视角持续改变，电视墙要求几何稳定，多块屏幕又需要局部运动不破坏整体。
它也暴露了提示词不等于规格：每个节目是否必须保持语义区别？允许屏幕出现文字吗？环绕必须完成多少角度？不补上这些问题，就无法判断结果究竟是成功还是“看起来不错”。
把提示词改成八字段场景契约
不要把供应商专属的提示词散文当作核心资产。更稳妥的做法，是在应用层保存一份场景契约。我使用八个字段：
- 主体：观众必须认出什么？写明数量、身份锚点、服装、材质和相对尺度。
- 动作：片段中什么发生变化？优先保留一个主要动作，并给出起止状态。
- 镜头：定义景别、机位、运动方式，以及运动想揭示什么。
- 光线：写清光源、方向、时间、反差和应该出现的视觉证据。
- 时间：指定总时长，用时间段拆分关键节拍，不依赖模糊的“然后”。
- 声音：目标系统支持音频时，说明对白、环境声、音效、静默与同步要求。
- 约束：列出不能漂移的条件，如主体数量、行进方向、无 Logo、无切镜。
- 验收：说明人类评审或自动测试在什么条件下接受结果。
把“咖啡杯里的海盗船”改写成模型无关的契约，可以是：
scene_id: ships-in-coffee-v1
duration_seconds: 8
subject:
hero: 两艘微型木制海盗船
count_must_remain: 2
scale_cue: 两艘船都位于同一个陶瓷咖啡杯内
action:
primary: 船只绕行并互射一轮炮火
end_state: 两艘船仍漂浮且可以清楚区分
camera:
framing: 微距特写
movement: 顺时针缓慢移动约 30 度
purpose: 露出杯沿，证明微缩尺度
light:
source: 画面左侧的柔和晨间窗光
timing:
- "0-3 秒：建立咖啡杯、两艘船和尺度关系"
- "3-6 秒：一轮炮击，冲击引起咖啡涟漪"
- "6-8 秒：烟雾散开，两艘船仍然可见"
audio:
ambience: 安静厨房的环境底噪
effects: 一次遥远的微型炮声和液体飞溅声
constraints:
- 不出现文字和 Logo
- 不增加船只
- 咖啡杯几何形状保持稳定
- 不切镜
acceptance:
- 观众在前 2 秒认出容器是咖啡杯
- 结尾恰好有两艘船可见
- 镜头移动不穿过杯体
没有供应商会原样消费这份 YAML，这恰恰是设计目的。契约属于你的应用，adapter 负责把它翻译成供应商请求。端点和提示习惯可以变化，创作意图不必跟着重写。
别把提示词质量当成系统可靠性
生成片段可以很好看，却没有完成任务。生产评测至少分三层。
画面层
检查构图、曝光、主体清晰度、意外文字、肢体异常和品牌安全。不要只挑漂亮缩略图，应同时抽查首帧、中间帧和末帧。
时间层
检查身份延续、物体数量、几何结构、行进方向、运动连续性，以及动作是否按预定次序发生。很多缺陷只存在于帧与帧之间。
产品层
检查宽高比、字幕安全区、剪辑余量、音量、时长容差、来源记录和权利审核。产品需要竖屏开场与标题留白时，一段漂亮的 16:9 视频依然是不合格结果。
把生成设置、供应商、模型标识、时间戳、输入素材、请求 ID 与评测结果保存在一起。没有这些记录，“这个提示词以前能用”就无法复现，也无从追责。
Videos API 退出清单
9 月 24 日是一个工程事件，应像任何外部服务退役一样处理。
1. 停止增加新依赖
不要再开发只能由即将退役的 Sora API 实现的新功能。在内部标记相关代码为 deprecated，给迁移任务明确日期和负责人。这不意味着现在关掉仍可工作的功能，而是停止扩大最终切换的范围。
2. 尽快导出用户内容
OpenAI 建议尽快导出 Sora 内容。停服说明引导用户前往 sora.chatgpt.com/sunset，并提醒停服和最终导出窗口结束后，关联数据将永久删除。
对于应用管理的素材，要盘点哪些仍由 OpenAI 保存、哪些已进入自己的对象存储，以及适用的留存条款。在获得授权的前提下，保留原始文件、生成结果、元数据、字幕与来源记录。只有 MP4、没有提示词、模型、同意记录和项目关联的导出物，往往难以再利用。
3. 找出所有隐性耦合
不要只搜索 API 客户端，还要检查：
- 模型名、端点路径、请求与响应 schema；
- 轮询、Webhook、重试、超时和取消逻辑；
- 审核假设、时长、宽高比和文件大小限制；
- 成本计算、配额、告警、运行手册与客服文案；
- 数据库枚举、分析事件、fixture、snapshot 与基准素材。
最危险的依赖未必是 HTTP 调用，而可能是一条默认供应商行为永远不变的业务规则。
4. 用 adapter 隔离供应商
对业务暴露应用级接口，而不是一套长得像 Sora 的接口：
type VideoJob = {
scene: SceneContract;
inputAssets: AssetRef[];
policyContext: PolicyContext;
};
type VideoResult = {
status: "queued" | "running" | "succeeded" | "failed";
artifacts: GeneratedAsset[];
providerTrace: ProviderTrace;
safety: SafetyRecord;
};
interface VideoGenerator {
submit(job: VideoJob): Promise<{ jobId: string }>;
inspect(jobId: string): Promise<VideoResult>;
cancel(jobId: string): Promise<void>;
}
把供应商原生字段留在 adapter 内，并记录下来用于排错。不要假装各家能力完全相同：能力差异应显式表达，不支持的功能要明确失败。adapter 提供的是受控边界，不是输出可互换的幻觉。
5. 建立迁移评测集
从获得许可并去除敏感信息的真实任务中选取样本，覆盖简单场景、高速运动、多主体、图片条件生成、文字敏感镜头、声音或对白，以及已知失败案例。
用同一份场景契约和验收标准比较候选方案，重点记录：
- 真实任务成功率，而不是演示视频是否惊艳；
- 时间一致性、审核拒绝率和误伤率；
- 延迟分布、超时率、限流和部分失败行为；
- 包含重试后的每条合格视频成本；
- 输出权利、数据处理和删除控制；
- 无障碍与来源元数据。
涉及审美判断时做盲评。供应商的精选样片不是迁移测试。
6. 设计切换与回滚
把新实现放在 feature flag 后，先走内部流量，再逐步开放给小范围用户。明确准备后备路径，例如人工排队处理或暂时关闭功能，而不是悄悄返回质量更差的结果。
在 9 月 24 日之前设定最后提交日期，为在途任务、重试、下载、对账和故障处理留出余量。切换后撤销无用凭证，删除 Sora 专属 secret，更新文档，并确认定时任务不会继续提交。
7. 如实沟通不确定性
告诉用户哪些事情会变化：可用格式、生成时间、价格、旧项目访问方式，以及过去的提示词是否会产生不同结果。创作输出已经改变，就不要把迁移宣传成“无感”。
尤其不要把非官方服务称作“新的 Sora API”。官方停服公告没有指定替代品。你选择的是自己的集成，也要承担那份新契约带来的风险。
SoraEase 实验最后留下了什么
旧文相信，只要收集足够多的魔法短语，开发者就能获得控制感。放在 2024 年，这种想法并不荒唐。我们隔着研究预览的钥匙孔观察，每一个公开提示词都像一条证据。
两年后再看，档案留下的是更安静的答案。名词从来不是耐用品。“35mm”“电影感”“HDR”也许能影响结果，却没有说明镜头为什么存在，更没有说明何时算成功。可靠的创作始于把品味写成契约：这个主体，做这个动作，从这里观看，在这样的光线里，经过这段时间，并受到这些约束。
模型可以解释这份契约，但不能替我们拥有它。
SoraEase 值得被记住，恰恰因为它最初的使命已经结束。它保存了人们第一次尝试理解新媒介的痕迹。负责任的保存，不是继续假装那扇门敞开，而是带着有用的语法，穿过一扇正在关闭的门。
资料来源与档案说明
- OpenAI，Video generation models as world simulators ，2024 年 2 月 15 日。
- OpenAI，Sora is here ，2024 年 12 月 9 日。
- OpenAI，Sora 2 is here ，2025 年 9 月 30 日。
- OpenAI Help Center，What to know about the Sora discontinuation 。
- OpenAI API 文档，Sora 2 model ，本文更新时已标记为 deprecated。
- SoraEase，sora-prompt 公共档案 ，仓库声明 CC0-1.0；上文代表性提示词均注明来自该集合。
本文最后核查于 2026 年 7 月 31 日。停服状态具有时效性，采取行动前请重新查看官方公告。
读者回响