SoraはOpenAIのテキストto動画生成モデルで、2024年序盤に発表され、AI動画合成の能力を大きく前進させました。画質・時間的一貫性・物理的な自然さ・詳細なテキストプロンプトから複雑な多要素シーンを生成する能力という、それまでにない組み合わせを示して広く注目を集めました。

Soraは、空間と時間の両方で動画データのパッチを同時に扱う拡散トランスフォーマーアーキテクチャで構築され、従来のフレーム単位のアプローチよりシーンが時間とともにどう変化すべきかをより全体的に理解します。モデルは、リアルな物理と物体の相互作用の生成、長いクリップにわたる環境と被写体の一貫性の維持、複数要素を含む複雑な構図プロンプトの理解、テキストプロンプトだけでは従来達成できなかったシネマティックな品質の映像の生成で、特に強さを示しました。そのリリースは、AI動画生成がどこまで可能かという理解の質的飛躍を表しました。

Soraの発表により、OpenAIは他の中核モデルと並ぶAI動画生成の主要プレイヤーとなりました。OpenAIの動画生成プラットフォームとして、他の最先端動画合成システムと直接競合し、新バージョンと新機能で開発が続いています。クリエイターにとって、SoraはAI動画生成の品質と能力を測るベンチマークの一つです。