【世界が激震】OpenAIが開発した動画生成AI『Sora』とは？

生成AIは高精度、高品質の動画作成にも利用可能に？！

OpenAI社は2024年2月15日に『Sora』という動画生成AIモデルを公開しました！今回の内容は、Soraの情報について紹介して行きます！

これまでのどの動画生成AIよりも高品質で、最長1分の動画生成が提供できます。以下の動画は実際にSoraで生成された動画です。

Prompt: Historical footage of California during the gold rush.
(プロンプト：ゴールドラッシュ時代のカリフォルニアの歴史的映像)
https://openai.com/sora#capabilities

たった1文のプロンプトで、これほどまでに高品質で高精度な動画を生成してくれるのです。

今回のコンテンツではSoraの概要や機能、問題点について紹介します。ぜひ最後までご覧ください！

Table of Contents

Soraとは？

Soraとは、2024年2月15日にOpenAI社が公開した動画生成AIモデルです。
現時点(2024年2月時点)では、一般公開されていないものの、いずれ一般ユーザーでも利用可能になる予定です。

Soraはこれまでの動画生成AIと比べて、はるかに高品質な動画が生成可能で、最長1分までの動画を作成できます。実際に生成された下記動画を見ても、実写と見分けがつかないレベルに到達していることがわかります。

Prompt: Extreme close up of a 24 year old woman’s eye blinking, standing in Marrakech during magic hour, cinematic film shot in 70mm, depth of field, vivid colors, cinematic
(プロンプト：24歳の女性のまばたきの極端なクローズアップ、マジックアワーにマラケシュに立つ、70mmで撮影された映画のようなフィルム、被写界深度、鮮やかな色彩、映画のような)
https://openai.com/sora#capabilities

Soraは何ができる？

OpenAI社が公開した「Sora」ですが、テキストから動画を生成するだけの機能ではないようです。どんな機能があるのか、見ていきましょう！

1．Text-to-Video

まずはText-to-Videoの機能です。テキストで指示するだけで、動画を生成してくれるという機能になります。

これまでの一般的なText-to-Videoの動画生成AIは、長くても十数秒程度の動画しか生成出来ませんでした。ところがSoraは最長1分の動画を生成し、品質も実写と見違えるほどです。

たとえば、Soraでは以下のような1分尺の動画が生成できます。

Prompt: A stylish woman walks down a Tokyo street filled with warm glowing neon and animated city signage. She wears a black leather jacket, a long red dress, and black boots, and carries a black purse. She wears sunglasses and red lipstick. She walks confidently and casually. The street is damp and reflective, creating a mirror effect of the colorful lights. Many pedestrians walk about.
(プロンプト：暖かく光るネオンとアニメーションの街の看板で埋め尽くされた東京の通りを、スタイリッシュな女性が歩いている。黒のレザージャケットに赤いロングドレス、黒のブーツを履き、黒い財布を持っている。サングラスをかけ、赤い口紅を塗っている。彼女は自信に満ち、さりげなく歩いている。通りは湿っていて反射し、色とりどりのライトの鏡のような効果を生み出している。多くの歩行者が歩いている。)
https://openai.com/sora#capabilities

背景の日本語などに違和感があるものの、実際に撮影した映像との違いがわからない程です。
かんたんなテキストの指示だけで1分ほどの高品質な動画を生成できれば、TikTokへ投稿するショート動画や、広告用ショート動画などの作成で十分に活用する可能で、デジタルキャンペーンなどへのサポートも、効率の向上や効果が期待出来るでしょう。

2．Image-to-Video

Soraはテキスト入力だけでなく、イラストの入力にも対応しています。つまり、画像をアニメーション化を実現してくれるのです。

たとえば、下記のような画像にアニメーション加工を施せます。

引用元：https://openai.com/research/video-generation-models-as-world-simulators

ChatGPTの画像生成機能で任意のイラストを作成し、その画像をアニメーション化できるとなれば、活用の幅がぐっと広がりそうです。

3．Video-to-Video

先程の画像と同様、Soraは動画の入力も可能です。
たとえば、下記の元動画を水中の世界観に変更することが可能です。

元動画

引用元：https://openai.com/research/video-generation-models-as-world-simulators

水中の世界観に変換

引用元：https://openai.com/research/video-generation-models-as-world-simulators

上記のように、Soraでは元動画にさまざまな編集を加えることができます。動画編集は通常、極めて困難で、編集作業には膨大な時間とコストがかかります。

しかし、生成AIを利用することで、編集作業の工程を大幅に削減することが可能です。これにより、映像制作に携わる方々の負担が軽減され、映像制作業務の効率化が進みます。AI活用によるコスト削減や時間短縮が可能となり、業界に革新をもたらすでしょう。生成AIの導入が進むことで、映像制作の未来は大きく変わる可能性があります。

4．画像生成

Soraは高品質な画像を生成することも可能です。最大2048×2048の解像度の画像を生成し、下記のような“写真と見違えるほどの人物画像”も提供してもらえます。

Prompt Close-up portrait shot of a woman in autumn, extreme detail, shallow depth of field
(プロンプト：秋の女性のクローズアップ・ポートレートショット、極端なディテール、浅い被写界深度)
https://openai.com/research/video-generation-models-as-world-simulators

このように、写真と言われてもわからないレベルの品質で、画像を生成してくれます。

ちなみに現在のChatGPT有料版は「DALL-E 3」という画像生成AIが採用されています。試しにDALL-E 3を使い、上記の画像と同じプロンプト(指示文)で、下記の画像を生成してもらいました。