你当前正在访问 Microsoft Azure Global Edition 技术文档网站。如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。

快速入门：使用 Sora 生成视频（预览版）

2025-09-16

在本快速入门中，你将使用 Azure OpenAI 服务生成视频剪辑。该示例使用 Sora 模型，该模型是一个视频生成模型，该模型根据文本说明和/或图像或视频输入创建真实和富有想象力的视频场景。本指南介绍如何创建视频生成作业、轮询其状态以及检索生成的视频。

有关视频生成的详细信息，请参阅视频生成概念。

先决条件

一份 Azure 订阅。免费创建一个。
在受支持的区域中创建的 Azure OpenAI 资源。请参阅区域可用性。有关详细信息，请参阅使用 Azure OpenAI 创建资源和部署模型。

转到 Azure AI Foundry 门户

浏览到 Azure AI Foundry 门户，并使用与 Azure OpenAI 资源关联的凭据登录。在登录工作流之中和之后，选择适当的目录、Azure 订阅和 Azure OpenAI 资源。

在 Azure AI Foundry 登陆页中，创建或选择一个新项目。在左侧导航栏上导航到“模型 + 终结点”页。选择“部署模型”，然后从列表中选择 Sora 视频生成模型。完成部署过程。

在模型页面，选择“在操场中打开”。

试用视频生成

开始通过视频操场采用无代码方法探索 Sora 视频生成。在文本框中输入提示，然后选择“生成”。 AI 生成的视频准备就绪后，会显示在页面上。

注释

内容生成 API 附带内容审核筛选器。如果 Azure OpenAI 将提示识别为有害内容，则不会返回生成的视频。有关详细信息，请参阅内容筛选。

在视频操场中，还可以查看根据设置预填充的 Python 和 cURL 代码示例。选择视频播放窗格顶部的代码按钮。可以使用此代码编写完成相同任务的应用程序。

先决条件

一份 Azure 订阅。免费创建一个。
Python 3.8 或更高版本。建议使用 Python 3.10 或更高版本，但至少需要 Python 3.8。如果未安装合适的 Python 版本，则可以按照 VS Code Python 教程中的说明操作，这是在操作系统上安装 Python 的最简单方法。
在受支持的区域之一中创建的 Azure OpenAI 资源。有关区域可用性的详细信息，请参阅模型和版本文档。
然后，你需要使用 Azure OpenAI 资源部署 sora 模型。有关详细信息，请参阅使用 Azure OpenAI 创建资源和部署模型。

Microsoft Entra ID 先决条件

若要使用 Microsoft Entra ID 进行推荐的无密钥身份验证，你需要：

安装使用 Microsoft Entra ID 进行无密钥身份验证所需的 Azure CLI。
将Cognitive Services User角色分配给用户帐户。你可以在 Azure 门户的“访问控制(IAM)”“添加角色分配”下分配角色。>

设置

创建新文件夹 video-generation-quickstart，并使用以下命令转到快速入门文件夹：
```
mkdir video-generation-quickstart && cd video-generation-quickstart
```
创建虚拟环境。如果已安装 Python 3.10 或更高版本，则可以使用以下命令创建虚拟环境：
```
py -3 -m venv .venv
.venv\scripts\activate
```
```
python3 -m venv .venv
source .venv/bin/activate
```
```
python3 -m venv .venv
source .venv/bin/activate
```
激活 Python 环境意味着当通过命令行运行 python 或 pip 时，你将使用应用程序的 .venv 文件夹中包含的 Python 解释器。可以使用 deactivate 命令退出 python 虚拟环境，并在需要时重新激活它。

小窍门

建议你创建并激活一个新的 Python 环境，用于安装本教程所需的包。请勿将包安装到你的全局 Python 安装中。安装 Python 包时，请务必使用虚拟或 Conda 环境，否则可能会中断 Python 的全局安装。
若要使用 Microsoft Entra ID 进行推荐的无密钥身份验证，请使用以下命令安装包：azure-identity
```
pip install azure-identity
```

检索资源信息

需要检索以下信息才能使用 Azure OpenAI 资源对应用程序进行身份验证：

Microsoft Entra ID
API 密钥

变量名称	价值
`AZURE_OPENAI_ENDPOINT`	从 Azure 门户检查资源时，可在“密钥和终结点”部分中找到此值。
`AZURE_OPENAI_DEPLOYMENT_NAME`	此值将对应于在部署模型时为部署选择的自定义名称。 Azure 门户中的“资源管理”“模型部署”下提供了此值。>
`OPENAI_API_VERSION`	详细了解 API 版本。可以在代码中更改版本或使用环境变量。

详细了解无密钥身份验证，以及如何设置环境变量。

变量名称	价值
`AZURE_OPENAI_ENDPOINT`	从 Azure 门户检查资源时，可在“密钥和终结点”部分中找到此值。
`AZURE_OPENAI_API_KEY`	从 Azure 门户检查资源时，可在“密钥和终结点”部分中找到此值。可以使用 `KEY1` 或 `KEY2`。
`AZURE_OPENAI_DEPLOYMENT_NAME`	此值将对应于在部署模型时为部署选择的自定义名称。 Azure 门户中的“资源管理”“模型部署”下提供了此值。>
`OPENAI_API_VERSION`	详细了解 API 版本。

详细了解如何查找 API 密钥，以及如何设置环境变量。

重要

请谨慎使用 API 密钥。请不要直接在代码中包含 API 密钥，并且切勿公开发布该密钥。如果使用 API 密钥，请将其安全地存储在 Azure Key Vault 中。若要详细了解如何在应用中安全地使用 API 密钥，请参阅 API 密钥与 Azure 密钥保管库。

有关 AI 服务安全性的详细信息，请参阅对 Azure AI 服务的请求进行身份验证。

使用 Sora 生成视频

可以使用 Sora 模型生成视频，方法是创建视频生成作业、轮询其状态以及检索生成的视频。以下代码演示如何使用 Python 通过 REST API 执行此作。

创建 sora-quickstart.py 文件，并添加以下代码来对资源进行身份验证：

Microsoft Entra ID
API 密钥

import requests
import base64 
import os
from azure.identity import DefaultAzureCredential

# Set environment variables or edit the corresponding values here.
endpoint = os.environ['AZURE_OPENAI_ENDPOINT']

# Keyless authentication
credential = DefaultAzureCredential()
token = credential.get_token("https://cognitiveservices.azure.com/.default")

api_version = 'preview'
headers= { "Authorization": f"Bearer {token.token}", "Content-Type": "application/json" }

import requests
import base64 
import os
from azure.identity import DefaultAzureCredential

# Set environment variables or edit the corresponding values here.
endpoint = os.environ['AZURE_OPENAI_ENDPOINT']
api_key = os.environ['AZURE_OPENAI_API_KEY']

api_version = 'preview'
headers= { "api-key": api_key, "Content-Type": "application/json" }

创建视频生成作业。只能根据文本提示创建它，或者根据输入图像和文本提示进行创建。

文本提示
图像提示
视频提示

# 1. Create a video generation job
create_url = f"{endpoint}/openai/v1/video/generations/jobs?api-version={api_version}"
body = {
    "prompt": "A cat playing piano in a jazz bar.",
    "width": 480,
    "height": 480,
    "n_seconds": 5,
    "model": "sora"
}
response = requests.post(create_url, headers=headers, json=body)
response.raise_for_status()
print("Full response JSON:", response.json())
job_id = response.json()["id"]
print(f"Job created: {job_id}")

# 2. Poll for job status
status_url = f"{endpoint}/openai/v1/video/generations/jobs/{job_id}?api-version={api_version}"
status=None
while status not in ("succeeded", "failed", "cancelled"):
    time.sleep(5)  # Wait before polling again
    status_response = requests.get(status_url, headers=headers).json()
    status = status_response.get("status")
    print(f"Job status: {status}")

# 3. Retrieve generated video 
if status == "succeeded":
    generations = status_response.get("generations", [])
    if generations:
        print(f"✅ Video generation succeeded.")
        generation_id = generations[0].get("id")
        video_url = f"{endpoint}/openai/v1/video/generations/{generation_id}/content/video?api-version={api_version}"
        video_response = requests.get(video_url, headers=headers)
        if video_response.ok:
            output_filename = "output.mp4"
            with open(output_filename, "wb") as file:
                file.write(video_response.content)
                print(f'Generated video saved as "{output_filename}"')
    else:
        raise Exception("No generations found in job result.")
else:
    raise Exception(f"Job didn't succeed. Status: {status}")

将 "file_name" 中的 "inpaint_items" 字段替换为输入图像文件的名称。此外，替换 files 数组的构造，该数组将路径与具有 API 使用的文件名的实际文件相关联。

请使用 "crop_bounds" 数据（即图像各方向的裁剪距离，以图像总尺寸的比例表示）来指定应在视频生成中使用图像的哪个部分。

可选择性地将 "frame_index" 设置为生成视频中你的图像应出现的帧（默认值为 0，即视频的起始位置）。

# 1. Create a video generation job with image inpainting (multipart upload)
create_url = f"{endpoint}/openai/v1/video/generations/jobs?api-version=preview"

# Flatten the body for multipart/form-data
data = {
    "prompt": "A serene forest scene transitioning into autumn",
    "height": str(1080),
    "width": str(1920),
    "n_seconds": str(10),
    "n_variants": str(1),
    "model": "sora",
    # inpaint_items must be JSON string
    "inpaint_items": json.dumps([
        {
            "frame_index": 0,
            "type": "image",
            "file_name": "dog_swimming.jpg",
            "crop_bounds": {
                "left_fraction": 0.1,
                "top_fraction": 0.1,
                "right_fraction": 0.9,
                "bottom_fraction": 0.9
            }
        }
    ])
}

# Replace with your own image file path
with open("dog_swimming.jpg", "rb") as image_file:
    files = [
        ("files", ("dog_swimming.jpg", image_file, "image/jpeg"))
    ]
    multipart_headers = {k: v for k, v in headers.items() if k.lower() != "content-type"}
    response = requests.post(
        create_url,
        headers=multipart_headers,
        data=data,
        files=files
    )

if not response.ok:
    print("Error response:", response.status_code, response.text)
    response.raise_for_status()
print("Full response JSON:", response.json())
job_id = response.json()["id"]
print(f"Job created: {job_id}")

# 2. Poll for job status
status_url = f"{endpoint}/openai/v1/video/generations/jobs/{job_id}?api-version=preview"
status = None
while status not in ("succeeded", "failed", "cancelled"):
    time.sleep(5)
    status_response = requests.get(status_url, headers=headers).json()
    status = status_response.get("status")
    print(f"Job status: {status}")

# 3. Retrieve generated video
if status == "succeeded":
    generations = status_response.get("generations", [])
    if generations:
        generation_id = generations[0].get("id")
        video_url = f"{endpoint}/openai/v1/video/generations/{generation_id}/content/video?api-version=preview"
        video_response = requests.get(video_url, headers=headers)
        if video_response.ok:
            output_filename = "output.mp4"
            with open(output_filename, "wb") as file:
                file.write(video_response.content)
                print(f'✅ Generated video saved as "{output_filename}"')
    else:
        raise Exception("No generations found in job result.")
else:
    raise Exception(f"Job didn't succeed. Status: {status}")

将 "file_name" 字段中 "inpaint_items" 的字段替换为输入视频文件的名称。此外，替换 files 数组的构造，该数组将路径与具有 API 使用的文件名的实际文件相关联。

"crop_bounds"使用数据（图像裁剪距离，从每个方向，作为总帧尺寸的一小部分）来指定视频帧的哪个部分应在视频生成中使用。

可以选择将 "frame_index" 设置为生成的视频中输入视频的启动帧（默认值为 0，即视频开头）。

# 1. Create a video generation job with video inpainting (multipart upload)
create_url = f"{endpoint}/openai/v1/video/generations/jobs?api-version=preview"

# Flatten the body for multipart/form-data
data = {
    "prompt": "A serene forest scene transitioning into autumn",
    "height": str(1080),
    "width": str(1920),
    "n_seconds": str(10),
    "n_variants": str(1),
    "model": "sora",
    # inpaint_items must be JSON string
    "inpaint_items": json.dumps([
        {
            "frame_index": 0,
            "type": "video",
            "file_name": "dog_swimming.mp4",
            "crop_bounds": {
                "left_fraction": 0.1,
                "top_fraction": 0.1,
                "right_fraction": 0.9,
                "bottom_fraction": 0.9
            }
        }
    ])
}

# Replace with your own video file path
with open("dog_swimming.mp4", "rb") as video_file:
    files = [
        ("files", ("dog_swimming.mp4", video_file, "video/mp4"))
    ]
    multipart_headers = {k: v for k, v in headers.items() if k.lower() != "content-type"}
    response = requests.post(
        create_url,
        headers=multipart_headers,
        data=data,
        files=files
    )

if not response.ok:
    print("Error response:", response.status_code, response.text)
    response.raise_for_status()
print("Full response JSON:", response.json())
job_id = response.json()["id"]
print(f"Job created: {job_id}")

# 2. Poll for job status
status_url = f"{endpoint}/openai/v1/video/generations/jobs/{job_id}?api-version=preview"
status = None
while status not in ("succeeded", "failed", "cancelled"):
    time.sleep(5)
    status_response = requests.get(status_url, headers=headers).json()
    status = status_response.get("status")
    print(f"Job status: {status}")

# 3. Retrieve generated video
if status == "succeeded":
    generations = status_response.get("generations", [])
    if generations:
        generation_id = generations[0].get("id")
        video_url = f"{endpoint}/openai/v1/video/generations/{generation_id}/content/video?api-version=preview"
        video_response = requests.get(video_url, headers=headers)
        if video_response.ok:
            output_filename = "output.mp4"
            with open(output_filename, "wb") as file:
                file.write(video_response.content)
                print(f'✅ Generated video saved as "{output_filename}"')
    else:
        raise Exception("No generations found in job result.")
else:
    raise Exception(f"Job didn't succeed. Status: {status}")

运行该 Python 文件。
```
python sora-quickstart.py
```
片刻之后即可获得响应。

输出

输出将显示视频生成作业创建请求的完整响应 JSON，包括作业 ID 和状态。

{
    "object": "video.generation.job",
    "id": "task_01jwcet0eje35tc5jy54yjax5q",
    "status": "queued",
    "created_at": 1748469875,
    "finished_at": null,
    "expires_at": null,
    "generations": [],
    "prompt": "A cat playing piano in a jazz bar.",
    "model": "sora",
    "n_variants": 1,
    "n_seconds": 5,
    "height": 480,
    "width": 480,
    "failure_reason": null
}

生成的视频将另存为 output.mp4 当前目录中。

Job created: task_01jwcet0eje35tc5jy54yjax5q
Job status: preprocessing
Job status: running
Job status: processing
Job status: succeeded
✅ Video generation succeeded.
Generated video saved as "output.mp4"

清理资源

如果你想要清理和移除 Azure OpenAI 资源，可以删除该资源。在删除资源之前，必须先删除所有已部署的模型。

Azure 门户
Azure CLI

详细了解 Azure OpenAI 部署类型。
详细了解 Azure OpenAI 配额和限制。

反馈

此页面是否有帮助？

通过

快速入门：使用 Sora 生成视频（预览版）

先决条件

转到 Azure AI Foundry 门户

试用视频生成

先决条件

Microsoft Entra ID 先决条件

设置

检索资源信息

使用 Sora 生成视频

输出

清理资源

相关内容

反馈

其他资源