跳到正文

技术方向

多模态 最新动态

文字之外的能力:看懂图片、图文混合理解、音视频输入输出的模型与产品进展。

22 条精选近 30 天 12 条共收录 98 条

更新

精选归档 · 第 2 页

3月12日周四第 21–22 条
  1. OpenAI Developers:Blog71

    OpenAI 发布 Sora 2 提示词指南,详解角色复用、视频延展与分辨率更新

    OpenAI 更新 Sora 2 提示词指南,涵盖最新 API 能力:角色参考上传后可跨视频复用、最高支持 1920×1080 导出、时长上限从 12 秒升至 20 秒、以完整原片为上下文的视频延展,以及批量异步生成。指南给出描述式提示词模板,强调分辨率、时长和角色 ID 须通过 API 参数显式设置,建议单一镜头配单一运镜与动作,视频可延展最多 6 次合计 120 秒。

    推荐理由:官方指南给出提示词结构、API 参数边界和迭代方法,读者可直接套用到 Sora 2 的视频生成工作流中。

2025年12月16日周二
  1. OpenAI Developers:Blog74

    OpenAI 发布 gpt-image-1.5 提示词指南

    OpenAI 发布 gpt-image-1.5 提示词指南,介绍这款新图像生成模型在真实感、准确性和可编辑性上的改进。

    推荐理由:官方 cookbook 给出 gpt-image-1.5 的提示词结构与生成、编辑两类用例,读者可以据此调整自己的图像工作流写法。