上周，OpenAI发布了其迄今为止最先进的视频和音频生成模型Sora 2。Sora 2和Sora 2 Pro模型已通过Sora iOS应用、ChatGPT和Sora.com向消费者开放。在2025年开发者大会上，OpenAI宣布开发者可通过API使用Sora 2模型 。
OpenAI声称，Sora 2模型能够从自然语言或图像生成包含音频的丰富详细动态片段。它们在文本转视频生成方面对3D空间、动作和场景连续性具有深度理解能力。
Sora 2 API包含五个主要功能端点：
创建视频：从提示开始新的渲染任务，可选择参考输入或重混ID
获取视频状态：检索渲染任务的当前状态并监控进度
下载视频：在任务完成后获取最终的MP4文件
视频列表：分页枚举视频，用于历史记录、仪表板或管理
删除视频：从OpenAI存储中删除单个视频ID
为支持多种使用场景，OpenAI提供两种Sora 2模型变体。sora-2是经济实惠的模型，专为速度和灵活性而设计，适用于快速迭代、概念设计和粗剪。OpenAI表示，Sora 2已足以生成社交媒体内容。sora-2-pro渲染时间较长，但能生成制作级质量的输出，适合创建电影镜头和营销素材。
在技术规格方面，sora-2模型的视频分辨率限制在1280x720，而sora-2-pro模型可生成1792x1024分辨率的内容。两种模型均支持横向和纵向方向，以及长达12秒的片段。OpenAI提到，API目前尚不支持视频输入和真人的图像转视频功能（客串功能）。
定价方面，sora-2模型720p视频每秒收费0.10美元，而sora-2-pro的720p视频每秒收费0.30美元，1024p视频每秒收费0.50美元。
此次API开放标志着OpenAI进一步扩大其人工智能技术的商业化应用，为开发者提供了更多集成高质量视频生成功能的可能性。
了解更多：