AI・機械学習
上級
Sora（ソラ）
OpenAIが2024年2月に発表・12月に一般公開したテキスト/画像→動画生成モデル。DiTアーキテクチャで最大1080p・60秒・24fps動画を生成する。
0 回閲覧
0 いいね
2026/6/8 更新
関連タグ
text-to-video
diffusion-transformer
openai
video-generation
ai-video
Sora とは
SoraはOpenAIが2024年2月に発表し、同年12月に一般公開したテキスト・画像→動画生成AIモデル。Diffusion Transformer（DiT）アーキテクチャを採用し、最大1080p・60秒・24fpsの高品質動画を生成できる。
アーキテクチャ
| 要素 | 内容 |
|---|---|
| ベース | Diffusion Transformer（DiT） |
| 入力処理 | spacetime patch（時空間パッチ） |
| 圧縮 | ビデオ圧縮ネットワーク → 潜在表現 |
| 解像度 | 最大1080p |
| 長さ | 最大60秒 |
| フレームレート | 24fps |
spacetime patch
動画フレームを時間・空間の両軸でパッチ化し、Transformerで処理する手法。これにより任意の解像度・アスペクト比・長さに対応できる。
利用方法
| プラン | 月額 | 生成上限 |
|---|---|---|
| ChatGPT Plus | $20 | 50動画/月（優先度低） |
| ChatGPT Pro | $200 | 500動画/月（優先度高） |
世界モデルとしての側面
OpenAIはSoraを「世界のシミュレーター」と位置付けており、物理法則・オブジェクト永続性・因果関係の理解を動画生成を通じて学習させる研究を継続している。
主な機能
- テキスト→動画: プロンプトから最大60秒動画を生成
- 画像→動画: 静止画をアニメーション化
- 動画→動画: 既存動画のスタイル変換・延長
- ループ動画: シームレスなループ動画生成
FAQ
Q: Soraと他の動画生成AIの違いは？ A: 解像度（最大1080p）と長さ（最大60秒）が業界最高水準。spacetime patchにより任意の解像度・アスペクト比に対応する点が技術的特徴。
Q: ローカルで動かせるか？ A: 非公開モデルのためAPIのみ。ローカル実行不可。OSSの代替としてWan2.1やCogVideoXが存在する。