Sora 2でプロンプトから3Dシーンを作成する方法

Sora 2には、実際の空間的なソースから得られる開始フレームが必要です。上流では、Marble用に設定した3Dノードを置きます。テキストのみの場合は、「foggy alley at dusk, neon signs, wet cobblestones」のようにロケーションのプロンプトを直接書きます。より強力な再構築が必要な場合は、先にMidjourneyかFLUX.2でコンセプトフレームを生成し、それを画像条件付けとしてMarbleに接続しましょう。Marbleの実行にはおよそ5分かかり、出力はキャンバス内で操作できるプレビューになります。

操作できるMarbleのプレビューの中で、正面、左四分の三アングル、右四分の三アングル、背面・肩越しという4方向のパターンで静止画を撮影します。撮影した各静止画は画像ノードとして落ちてきます。必要以上に多めに撮影しておきましょう——Marbleを再実行すると別のシーンになってしまうため、まずスクリーンショットを撮り、反復はその後にします。これらがSora 2用の開始フレームになります。

Sora 2は、3D空間、モーション、シーンの連続性について深い理解を持っています——Marbleのシーンから撮影した静止画は、クリーンな入力形式です。撮影した各角度を、それぞれ別のSora 2の画像から動画へのノードに接続しましょう。動画モデルは静止画から空間構造を引き継ぎ、視差・遮蔽・奥行きを尊重したモーションを生み出します。

Sora 2のプロンプトには、映画的な動詞を使いましょう。「slow camera push forward through the alley toward the ramen shop」「gentle orbit clockwise around the central fixture」「static camera, neon flickers in the foreground」といった表現です。Sora 2はこれらを、そのまま学習分布に直接マッピングします。「move closer」「spin」のような一般的な動詞は避けましょう——モデルに推測させることになってしまいます。

1本のSora 2クリップより長いシーケンスでは、N番目のクリップの最後のフレームをフレーム抽出のツールノードに通し、それをN+1番目のクリップの開始フレームとして供給します。固定したMarbleのシーンと組み合わせることで、空間的な連続性と時間的な連続性の両方が得られます。シーンがロケーションを固定し、フレームのチェーンがモーションの流れを固定するのです。

Sora 2の出力を、物語の順番でAstorieのシーケンスビルダーに配置します。各クリップは5〜10秒です。音声(ElevenLabs Eleven v3+Minimax Music)を重ねましょう。Premiere、DaVinci Resolve、Final Cutへネイティブなシーケンスとして書き出します。固定したMarbleのシーンこそが、複数ショットを1つの場所として読ませた要因であり、NLEへの書き出しが最終的な納品物になります。