85-dify案例分享-不用等 OpenAI 邀请,Dify+Sora2工作流实测:写实动漫视频随手做,插件+教程全送

1.前言

Sora 2 是 OpenAI 在 2025 年推出的下一代 AI 视频生成模型,也是继 Sora 1 后的重大升级。它能够 同步生成音频与视频,在物理运动、身体力学和场景交互方面实现了更高的真实感和可控性,能够生成从写实电影画面到动漫风格的短片,并支持将真实人物或宠物"客串"进生成的虚拟场景(Cameo 功能)。

下面生成的效果展示

上面的这些视频我是使用dify来实现的。工作流截图如下:

这里我们使用到一个基于soar2的文生视频的一个插件。目前这个插件是我自己开发还没上传到dify插件市场,晚些时间准备上传提交到dify插件市场,感兴趣的小伙伴可以在插件市场上下载这个插件并使用这个工作流来实现视频制作。那么这样的工作流是如何制作的呢?

话不多说下面带大家拆解一下这个工作流。

2.工作流制作

制作这个工具流之前我们需要安装这个插件。插件名字叫做sora2。我们使用本地方式安装这个插件。

安装完成后我们在已安装插件找到我们刚才安装好的插件。

插件授权

考虑到很多国内小伙伴没办法使用这个最新的sora2,我们这里借助302AI提供的接口。

可以去302AI注册一个账号。然后添加APIkey ,目前这个sora2 国庆期间限时免费,大家可以借这个时间免费使用sora2

复制从302AI网站创建的apikey 添加到这个插件授权。

看到下面的画面完成授权

工作流节开始

我们回到dify工作流工作流工作台,点击创建一个chatflow

这个开始节点我们不设置提示词,就让用户输入提示词就可以了,所以这块设置比较简单

soar2文生视频插件

我们从工作流画布中使用到上面安装的插件,安装下面步骤拖拽到工作流画布中

这个插件有2个参数,一个是接受用户的提示词,一个是视频方向。目前这个接口还不完善,视频方向16:9 和 9:16的 目前还不能用。目前不管设置16:9 还是9:16 视频生成都是基于9:16的。预留这个参数主要考虑后面接口完成方便可扩展性。

输入变量这里结束开始节点插入的sys.query即可。

代码执行

这个代码处理主要的目的是是生成的视频后解析插件返回的信息。输入的参数arg1 输入值就是插件返回的字符串

处理代码

python 复制代码
import re

def main(arg1: str) -> dict:
    """
    从插件返回的字符串中提取视频URL并返回markdown格式

    Args:
        arg1: 插件返回的包含视频URL的字符串

    Returns:
        包含markdown视频链接的字符串
    """
    # 使用正则表达式提取视频URL
    # 匹配 https://filesystem.site/...src.mp4?... 格式的URL
    url_pattern = r'https://filesystem\.site/[^\s]+src\.mp4\?[^\s🎉💡\n]+'
    url_match = re.search(url_pattern, arg1)

    if url_match:
        video_url = url_match.group(0)
        # 返回markdown格式的视频链接
        markdown_result = f"[![视频预览]({video_url})]({video_url})\n\n[🎬 点击观看视频]({video_url})"
        return {"result": markdown_result}
    else:
        return {"result": "❌ 未找到视频URL"}

输出变量,result 返回类型是string

直接返回

直接返回这里我们就接受文生视频接口返回信息,以及代码处理后的出来结果2个参数

通过以上步骤我们就完成了dify工作流的制作。

3.插件说明

插件源代码我们已经上传到github上了。可以通过源码编译打包成sora2.difypkg 来实现。

项目地址https://github.com/wwwzhouhui/sora2

对如何编译打包这块不了解的可以看我之前的文章 《dify案例分享-零基础上手 Dify TTS 插件!从开发到部署免费文本转语音,测试 + 打包教程全有

如果有小伙伴不想用下载源码 直接想用这个插件我这边上传到百度网站提供下载,地址

链接: https://pan.baidu.com/s/1tkPzdgXa-XY-K3ELmQGO3w?pwd=9vdy 提取码: 9vdy

4.总结

今天主要带大家了解并实现了基于 Dify 工作流构建 Sora 2 文生视频功能的完整流程,该流程以 OpenAI 推出的 Sora 2 模型为核心,结合 Dify 平台灵活的工作流节点配置(如插件调用、代码执行解析、结果封装等),形成了一套覆盖文本生成视频的全流程方案。

通过这套实践方案,用户能够低成本体验 Sora 2 的强大生成能力 ------ 借助 302AI 提供的限时免费接口和 Dify 平台的可视化配置,无需复杂的技术开发,就能快速实现音频与视频同步生成、真实感场景创作等功能,极大降低了 AI 视频创作的使用门槛。在实际验证中,该工作流能够稳定响应不同风格的生成需求,无论是写实电影画面还是动漫风格短片,都能产出符合预期的内容,有效解决了普通用户调用 Sora 2 时地域限制、操作复杂的问题。同时,工作流具备良好的扩展性 ------ 小伙伴们可以基于此框架扩展更多实用功能,如自媒体的短视频素材制作、教育领域的动态演示生成、创意行业的剧情可视化等,进一步丰富 Dify 平台的视频创作应用场景。

感兴趣的小伙伴可以按照这份指南尝试搭建自己的 Sora 2 生成工作流,甚至结合其他 AI 工具拓展更多创意玩法。今天的分享就到这里结束了,我们下一篇文章见。

相关推荐
山海青风2 小时前
藏语自然语言处理入门 - 3 找关键词
人工智能·自然语言处理
Java与Android技术栈2 小时前
AI Coding 让我两天完成图像编辑器 Monica 的国际化与多主题
人工智能
Testopia3 小时前
AI与敏捷开发管理系列3:敏捷方法在AI项目中的应用案例
人工智能·ai编程·敏捷流程·#人工智能学习
倔强青铜三3 小时前
苦练Python第61天:logging模块——让Python日志“有迹可循”的瑞士军刀
人工智能·python·面试
Testopia3 小时前
AI与敏捷开发管理1:传统方法失灵?人工智能项目的新法则
人工智能·项目管理·敏捷开发·敏捷流程
倔强青铜三3 小时前
苦练Python第60天:json模块——让Python和JSON“无缝互译”的神兵利器
人工智能·python·面试
Ivanqhz4 小时前
LR算法中反向最右推导(Reverse RightMost Derivation)
人工智能·算法
whltaoin4 小时前
AI 超级智能体全栈项目阶段四:学术分析 AI 项目 RAG 落地指南:基于 Spring AI 的本地与阿里云知识库实践
人工智能·spring·阿里云·向量数据库·rag
sheji34164 小时前
【开题答辩全过程】以 Web数据挖掘在电子商务中的应用研究为例,包含答辩的问题和答案
前端·人工智能·数据挖掘