2024年初，OpenAI发布Sora时，最醒目的能力是根据文本生成最长一分钟的视频，同时保持画面质量并遵循提示。官方展示里既有写实人物，也有动画角色和电影预告片。文生视频第一次看起来如此接近一段完整镜头。
热闹过后，制作团队会追问一些更细的问题。
同一角色换个机位会不会变脸？前后镜头的服装、视线和色调能否接上？客户只想改一个手势，是否必须重新生成整段视频？
这些琐碎要求，恰好决定素材能不能交付。
一分钟解决了展示，没解决连续性
OpenAI在Sora官方介绍中提到，Sora可以生成长达一分钟的视频，并保持视觉质量、遵循用户提示。2024年3月，《新财富》关注的也是视频长度、连贯性以及模型对物理世界的模拟能力。
对公开演示来说，一段画面只要足够逼真，就能产生冲击力。到了广告、短剧或影视制作现场，标准会迅速变细：人物面部特征能否稳定，服装是否前后一致，视线方向有没有跳动，动作节奏能不能接上剪辑点。
传统拍摄依靠演员、服装、灯光和场记维持连续性。生成视频也需要类似的约束，只是这些要求要通过参考素材、参数和编辑工具交给模型。单靠一句“一名人物走在雨夜街头”，很难同时锁定角色设定、机位变化、灯光方向和镜头关系。
所以，漂亮的首次生成只是起点。制作人员更在意的是：能否保留已经满意的部分，只改需要调整的地方。
客户说“再改一点”，模型可能要重做一遍
广告和影视项目很少一次通过。常见反馈往往很具体：人物停顿再短一些，背景换成夜景，画面压暗一点，产品提前出现。
在传统后期软件里，这些要求可以拆成明确的修改项。生成模型处理局部调整时，却可能牵动整个镜头。手势改了，人物面孔也可能变化；背景换了，原有光线和构图未必还能保留。
视频比图片多了一层时间约束。单帧看不明显的误差，放到人物转身、镜头移动或光线变化的过程中，可能连续累积。某一帧修好了，也不代表前后画面能够自然衔接。
这使得参考图、关键帧、遮罩、时间轴和局部编辑格外重要。它们比反复改写提示词更接近制作人员熟悉的操作方式：选中对象，标出区间，调整参数，再检查前后帧。
生成模型可以负责提供镜头和素材，剪辑、调色与合成工具继续完成组装和修正。两套工具并行，反而更符合现有制作流程。
“神提示词”很难支撑团队协作
个人试用生成工具时，一条偶然奏效的提示词或许已经够用。团队生产不能依赖这种运气。
导演、剪辑、调色和客户需要查看同一版本，知道哪一处被修改，也要能调回此前的画面。角色参考、场景设定、镜头描述和版本记录，都需要被保存下来。哪些内容由模型生成，哪些内容交给人工后期，也要划清边界。
北京日报刊发的《Sora代表的“世界模拟”人工智能变局及应对》把Sora放在模拟真实世界的技术路径中讨论。但进入制作环节后，“像现实”还不够。人物是否符合设定、产品是否准确出现、动作是否服务于镜头意图，才是交付前需要逐项确认的内容。
中银国际对Sora技术路线的介绍提到，Sora采用扩散模型，并结合Transformer架构生成高精度视频。随着画质和时长继续改善，制作方的注意力自然会转向控制：已有结果能否锁定，指定区域能否单独调整，修改后是否仍能保持时间连续性。
视频生成最终要接进后期软件
生成视频未必会单独形成一条全新的生产线。更现实的用法，是把它插入已有流程：前期尝试分镜和视觉方案，中期生成部分镜头，后期继续完成剪辑、调色、合成和声音处理。
这也改变了效率的算法。
一个镜头几分钟就能生成，如果随后要反复修正人物、光影和动作，未必比传统方案省事。相反，首次生成即使没有那么快，只要能够稳定复现、精确修改，并顺利交给Premiere或After Effects继续处理，就更容易被团队接受。
Sora最初靠一分钟视频和逼真动态画面吸引注意。真正进入生产以后，竞争会落到更具体的地方：角色能否锁定，镜头能否接上，局部能否单独修改，版本能否追溯。
演示视频负责让人惊讶，后期能力决定素材能不能用。
