[Lazy Guide] Sora2 を理解する: それは何であり、どのように使用するのですか?

Kimi
10月6日
読了時間: 4分

ソラ2とは何ですか？

Sora 2は、OpenAIの最新世代のテキストから動画と音声を生成するモデルです。前モデルと比較して、物理特性（衝突、反発、浮力など）の理解度が向上し、よりリアルな表現が可能になり、操作性も向上しました。また、セリフと効果音を同時に生成する機能も備えています。最新のSoraアプリで直接作成・共有できます。正式リリースは2025年9月30日に発表され、段階的に展開されます。

何ができるでしょうか?

テキストの説明やアップロードした静止画像を参考に、周囲の音、会話、効果音を自動的に組み込んだ短いビデオ (デフォルトは 9:16 の縦型、約10 秒) を生成します。
他の人の作品をリミックスして、アレンジしたり、プロットを拡張したり、スタイルを変更したりします。
Cameosを使えば、あなた自身（または承認された友人）を動画に登場させることができます。内蔵の認証プロセスにより、アバターを起用した動画はいつでも取り消したり削除したりできます。

使い方は？（公式チャンネル2つ）

A) iOS: Soraアプリ

Sora アプリをダウンロードし、OpenAI アカウントでログインします(現在、米国とカナダでは招待制のみです。アプリ内でアクティベーション通知にサインアップできます)。
メイン画面に入り、 「+」をクリックします。
- 希望するシーン/ショット/リズム/サウンドを説明するプロンプトワードを直接入力します。または
- インスピレーションを得るために静止画像をアップロードします(注:実際の人物を含む画像は現在サポートされていません)。
（任意） Cameoに参加しましょう。作成したら、下書きで確認し、プロンプトを調整して再生成できます。満足したら、フィードに公開したり、特定の人にプライベートメッセージを送信したりできます。

注: Android はまだ利用できません。公式では地域とチャンネルを徐々に拡大しています。

B) ウェブサイト: sora.com

招待を受け取った後、より詳細な制御が可能で、画像生成をサポートするsora.comからログインすることもできます (これは、実物/ポートレートのルールに従いながら、画像から動画への変換に使用できます)。

クイックスタートプロンプトの Word テンプレート (直接コピーして書き換えることができます)

現実的な物語
曇り空の日、黄色いレインコートを着た少女が路地の入り口でバスを待っている。撮影：広角のエスタブリッシングショット→ゆっくりとズームインしてミディアムショットへ。雨音、タイヤの跳ねる音、遠くの車の音。自然なナレーション：「今日は長雨になりそうだね」
運動/身体能力
早朝、リーフからサーファーたちがテイクオフする様子。撮影：トラッキング＋スローモーションパン。波の反射、呼吸音、波の音。タイトなリズムと動きの連続性。
様式化
1990 年代の DV スタイルの誕生日パーティー: 手持ち、マイクログレイン、カメラの揺れ、群衆の歓声と拍手。

ライティングのヒント：まず主題と設定を決め、次にカメラ、動き、リズム、音声の意図を加えていきます。安定性を高めるために、一度に多くのアクションや登場人物を配置するのは避けましょう。

使用制限と安全性（ご注意）

実在の人物および著名人: 実在の人物を含む画像のアップロードは現在サポートされていません。著名人はテキストを使用して直接生成することはできません。実在の人物が登場する場合は、 Cameosを通じて、かつ本人の明示的な許可を得た場合にのみ使用できます。
透かしとソースの帰属: ダウンロードしたビデオには、ソースを示す目に見える動的な透かしと埋め込まれたC2PAメタデータが含まれます。
青少年の保護と使用: このプラットフォームでは、未成年者に対して厳格なコンテンツ制限とペアレンタルコントロールが設けられており、アプリには24 時間のスクロール使用制限があります。
地域と提供状況：iOSアプリは現在、米国とカナダで利用可能で、今後他の地域にも拡大予定です。Androidではまだ利用できません。

よくある質問

費用はかかりますか？公式発表によると、当初は無料ですが、使用制限は寛大です。さらに、 ChatGPT Proユーザーは、sora.com（および後日アプリ内）で、より高品質なSora 2 Proモデルを利用できるようになります。
動画の長さと比率はどのくらいですか？アプリのデフォルト設定では、約 10 秒、9:16 の縦向き形式になっています（横向き形式に切り替えることもできます）。
サウンドの指定はできますか？プロンプトでセリフや雰囲気、効果音などを記述すると、画像と一緒にモデルが生成されます。