Sora AI 玩具汽车短视频广告
创意策划 / 提示词设计 / 生成测试
在新片场观看 ↗
概览
围绕玩具汽车产品，我测试了 Sora 早期版本对产品参考图、人物动作、镜头运动和广告质感的控制能力，并比较不同输入方式对生成稳定性的影响。
- 角色
- 创意策划 / 提示词设计 / 生成测试
- 时间
- 2024.12
- 类型
- 生成式 AI / 短视频广告实验
证据
顶部已展示家庭互动成片，以下四条视频保留了其他产品场景的一次生成结果，用来比较产品识别、人物动作、镜头运动与广告质感。
以父子黄昏互动建立情绪氛围，观察人物关系、玩具汽车与自然光线之间的连续性。
通过竞速场景提高运动强度，测试多车运动、镜头跟随与产品形态的一致性。
用相遇情节强化产品人格与叙事感，测试双车关系、空间调度和情绪表达。
以更接近用户实拍的表达展示产品，测试生活化镜头、产品识别和短视频广告语气。
情境
测试早期 Sora 能否完成产品型短视频广告
Sora 早期版本已经能生成具有镜头感的竖版视频，但面对明确产品、人物互动和连续动作时，产品一致性与画面控制仍不稳定。
- 产品形态可能在镜头运动中发生变化。
- 人物动作、玩具运动和空间关系容易互相干扰。
- 需要找到比堆叠描述更稳定的输入方法。
任务
比较输入路线并建立可复用的广告提示结构
我以玩具汽车为对象，对比多格分镜加脚本与产品图加文字两种输入方式，并限制每条视频只进行一次生成，以观察真实输出能力。
- 明确产品身份、使用场景和目标受众。
- 让动作顺序和镜头运动服务于产品展示。
- 保留一次生成结果，避免后期拼接干扰判断。
行动
先比较两种输入方式
我分别测试多格分镜加脚本与产品参考图加结构化文字。前者信息量大但容易出现角色、产品和镜头冲突，后者更容易维持产品主体。
- 用相同产品和相近场景比较生成差异。
- 重点观察产品识别、动作连续性与镜头完成度。
把提示词拆成可控制的层级
我将提示词整理为产品身份、人物与环境、动作序列、镜头语言和广告质感五个部分，减少模型同时处理无关信息的压力。
- 先固定产品，再描述人物与场景。
- 按时间顺序说明动作，避免多个动作并发。
- 最后补充镜头与广告视觉要求。
用五个场景验证方法
我把同一产品放入家庭、遥控、桌面、夜间竞速和户外亲子场景，检查方法在不同环境和运动强度下是否仍然有效。
- 每个场景只保留一次生成结果。
- 统一使用 9:16 竖版短视频规格。
结果
完成五条可比较的竖版产品广告测试
项目最终保留了五条 15 秒的竖版短视频，并验证了产品参考图配合结构化文字在早期 Sora 中更适合产品型广告生成。
- 覆盖家庭、桌面、竞速与户外等五类产品场景。
- 保留模型的真实生成边界，没有用拼接重组掩盖问题。
- 沉淀了可继续用于产品广告测试的提示词结构。
复盘
这次实验让我确认，AI 视频广告的稳定性不只取决于提示词写得多详细，更取决于输入信息是否围绕产品建立明确层级。相比把多格分镜和完整脚本同时交给模型，产品参考图配合结构化文字更容易保持产品身份、动作顺序和画面重点。早期 Sora 仍会在人物动作、产品形态和空间连续性上产生偏差，因此真正可复用的能力不是等待一次完美生成，而是识别模型边界，减少视觉冲突，并用可比较的测试建立更稳定的工作方法。