Open-Sora 2.0：用参考图明确画面，再测试镜头怎样动

想让一张海边场景图产生轻微运动，先把构图固定下来，再试镜头运动，通常比反复用一句话同时改人物、光线和运动更容易判断结果。HPC-AI 的 Open-Sora 2.0 提供了可研究的图生视频流程，也支持直接文生视频。它与 OpenAI 的 Sora 是不同项目，本文不把同名联想当作能力或授权来源。

官方模型卡发布11B模型，列出256px与768px配置，文本与图像条件可由同一模型处理。官方同时说明，模型主要针对图生视频优化；为了提升文本任务的画面质量，还组合了 FLUX 先出图、再生视频的流程。选择哪条路径，决定了你应在哪里修错：画面本身不合适先修图，运动不合适再改视频提示与参数。

图源：官方模型卡的Motion Score对照。这里展示中间档的官方动图，仅说明它在对照组中的位置；本文没有逐帧复测，也不据单个样例推定所有场景的运动稳定性。

图生视频的输入由参考图加文字构成。官方示例使用一张农场小猪图片，提示词补充泥塘、溅水、环境和光线，再通过 i2v_head 条件生成视频。对创作者而言，参考图承担第一帧的主体与构图约束，文字负责描述接下来希望发生什么。若输入是安静的海边远景，可以先只写浪花与轻微镜头运动，避免一次要求大幅转场、复杂人物动作和快速变焦。

这可以变成一个简短的分镜试作任务：固定一张自有海岸插画、同一画幅与种子，先生成较低分辨率版本；确认运动方向，再尝试更高分辨率。此处是编辑提出的实验方法，未实际运行。判断标准是主体有没有变形、岸线是否漂移、运动是否符合镜头意图，而非单看第一帧是否漂亮。最终成片的配乐、旁白与剪辑仍属于后续流程，模型卡的这些指令没有承诺生成同步声音。

参数也有明确边界。官方提供16:9、9:16、1:1等画幅选项；帧数应采用4k+1形式且小于129，不能随意填任意长度。motion score用于运动程度条件，示例给出1、4、7，并不等于精确的相机轨迹或物理速度。要比较参数，应保持其他输入一致，否则很难知道变化来自哪一项。

部署门槛需要提前算进预算。模型卡的性能测试使用 H100/H800，256配置单卡示例峰值约52.5GB显存，768配置也有较高显存与耗时。该表是官方特定设置的测试，不是本稿实测，更不表示消费级显卡可以原样运行。多卡配置、环境兼容与权重下载都需要技术准备。

许可不能只看一个标签。模型卡标为 Apache 2.0，但仓库 LICENSE 还收录第三方许可，包括 HunyuanVideo 的区域及使用条件；选择 FLUX 等外部组件时，还需核对实际权重的对应许可。启用动态motion score评估或提示词改写还会调用外部API，需要账号和额外费用；这些增强并非离线基础生成的必需步骤。

适合它的任务是有算力、有参考图、有明确镜头验收标准的短视频实验。若你只想立即剪出一支带声音的完整广告，应先评估部署和人工后期成本。

资料：2.0模型卡与完整指令、当前仓库、代码及第三方许可。