Pexo
Sora 2

Sora 2
自然に感じられる一瞬を軸に、シーンを作る

Sora 2は、OpenAIが2025年9月に発表した映像・音声生成モデルです。物理的な動作、複数ショットにわたる制御、発話や効果音の同期が進歩しました。写実的な映像にも、独自のスタイルを持つ表現にも対応します。

OpenAI は 2026 年 4 月に Sora 製品を終了し、2026 年 9 月 24 日に Sora 2 API アクセスを廃止しました。

秋の木々の間で水しぶきを上げながら、浅い川の水の中を歩くボーダーコリー
アクション+レスポンス

物理的な動きと相互作用

つながったショット

マルチショットシーンの演出

画像+音声

対話と環境音

主な機能

少量の水しぶきとともに濡れたコンクリートのランプに着地するスケートボーダー
行動概要

スケートボーダーが低くジャンプして、湿ったコンクリートの上に着地します。ホイールが接地すると小さな水しぶきが上がります。ローアングルからフォローし、バランスの取れた着地をキープします。

01 / 動きと結果

物理的なアクションとインタラクション

動きで場面を変える。

Sora 2は、初代Soraよりも物理的な相互作用を忠実に描くよう設計されました。意味のある動作には結果が伴います。スケートボードの車輪が濡れたコンクリートに触れ、小さな水しぶきが上がり、乗り手が膝を曲げて着地の衝撃を吸収します。この原因と反応を短い流れとして説明し、被写体が見やすい1つのカメラ移動を指定します。

接触、重さ、周囲の環境に根ざした動作を指示します。

陶芸家と粘土のボウルを映す 3 つのカメラ ビュー: 工房、職人、縁を成形する手
ショットプラン

引きの画:工房全体を見せる。中距離:ろくろに向かう陶芸家を捉える。細部:器の縁を形作る手元に近づく。

02 / 繋がるシーケンス

マルチショットシーンの演出

ショットごとに、明確な役割を1つ持たせます。

Sora 2は、複数のショットにまたがる指示に対応していました。まず舞台、次に被写体、そして重要な細部を計画します。陶芸の場面なら、カメラが近づいても、職人の赤茶色のシャツ、粘土の器、横の窓からの光を一貫して保ちます。

ショットの説明全体で、被写体、衣服、物体、照明の詳細を繰り返します。

ダイナーカウンターの向こうのウェイターに朝食プレートを手渡すシェフ
対話+アクション

シェフ:「窓際のテーブルへ。」皿をカウンターの向こうへ滑らせる。給仕がほほ笑み、受け取る。陶器が軽く触れる音と、静かな厨房の環境音。

03 / 声とパフォーマンス

対話と環境音

画面内のやり取りに、セリフを結びつけます。

Sora 2は、映像とセリフ、効果音、背景の音を組み合わせて生成しました。2人のシーンでは話者を明確にし、短く自然なセリフを書きます。次の発言を加える前に、相手の反応を入れます。皿がカウンターに触れるような小さな音で、やり取りに明確なリズムを作れます。

話者の表記を統一し、予定する場面の長さに収まる短いやり取りにします。

Sora 2 APIの仕様に記載された出力形式

Sora 2 の公開された API ドキュメントでは、サービス終了前にこれらの形式について説明していました。

長さ

最大20秒

4、8、12、16、または 20 秒。

横長

1280 × 720

ベースモデルのワイドフォーマット。

縦長

720 × 1280

ベースモデルの縦型フォーマット。

オーディオ

映像+音声

発話、効果音、環境音。

Sora 2とSora 2 Proの比較

APIでは、構想を試すための標準モデルと、高品質な描画を重視したPro版が提供されていました。現在はどちらも提供を終了しています。

比較項目Sora 2Sora 2 Pro
ワークフローの重視コンセプトの探索と反復より高品質なレンダリング
横長フォーマット1280 × 7201280×720; 1792×1024; 1920×1080
ポートレート形式720 × 1280720×1280; 1024×1792; 1080×1920
仕様に記載された動画の長さ最大20秒最大20秒
入力による指定テキスト;画像参照テキスト;画像参照
現在の OpenAI API ステータス2026年9月24日に提供終了2026年9月24日に提供終了

ユースケース

短い物語、映画のような映像の連なり、人物の印象的な一瞬を作る、Pexoの制作方法を紹介します。

その一瞬を、3つの展開で説明する

シーンに開始状態、1 つの展開中のアクション、および終了の応答を与えます。

パートナーが見守る中、アイランドキッチンに青リンゴの入ったバスケットを置く赤毛の女性

01

状況を設定する

朝の光が差し込む静かな集合住宅のキッチン。女性が青リンゴの入った籐のかごを持ち、パートナーがオーク材のアイランドカウンターの向こう側に立っている。

02

アクションの説明

彼女がかごを置き、「好きなもの、見つけてきたよ」と言う。彼がリンゴに手を伸ばす間、2人を同じ画面に捉える。

03

応答して終了

彼がほほ笑み、リンゴを1つ手に取る。かごを置く柔らかな音、果物が触れ合う音、静かな厨房の環境音を入れる。

よくある質問

Sora 2とは何ですか?

Sora 2は、OpenAIが2025年9月に発表した映像・音声生成モデルです。物理的な相互作用や、複数ショットにわたる指示への忠実さが改善され、同期したセリフと効果音を生成しました。

Sora 2は現在も利用できますか?

いいえ。OpenAIは2026年4月にSora製品を終了しました。Sora 2、Sora 2 Pro、掲載されていた各スナップショット、Videos APIは2026年9月24日に提供を終了しました。

Sora 2 はどれくらいの時間を生成できますか?

更新後のAPIドキュメントでは、Sora 2とSora 2 Proの長さは4秒、8秒、12秒、16秒、20秒とされていました。これらは生成設定であり、シーンの説明にそれより長い時間を書いても変わりませんでした。

Sora 2 は画像からビデオへの変換をサポートしていましたか?

はい。APIは、開始フレームの基準となる参照画像を受け付けていました。その後の動作、カメラの動き、音は、シーンの説明で指定します。

Sora 2 は Sora 2 Pro とどう違いましたか?

標準モデルは、構想の検討や試作を重ねる用途に位置づけられていました。Proは描画品質を重視し、1920 × 1080や1080 × 1920など、より大きいサイズの出力に対応していました。どちらも音声付き動画に対応していました。

マルチショットシーンはどのように計画しますか?

ショットごとに、1つの構図と1つの動作を含む独立した単位として書きます。繰り返し登場する被写体の細部や照明を統一します。舞台を見せ、重要な動作へ移り、物語を伝える細部や反応で締めくくります。

アイデアを伝えて、次の作品づくりを始めましょう。

作成を始める