Sora 2 徹底レビュー

OpenAI · アメリカ · 2025-09リリース — スペック・編集部評価・価格・評判・実際の生成事例を掲載。随時更新。

基本スペック

開発元	OpenAI
国・地域	アメリカ
リリース	2025-09
生成タイプ	文生视频+图生视频
1クリップの尺	15秒(Pro 25秒)
解像度	1080p
ネイティブ音声	原生对白+音效
リップシンク	口型同步+客串(Cameo)真人授权出演
アスペクト比	16:9 / 9:16 / 1:1
価格（参考）	随ChatGPT Plus $20/月限量;Pro $200/月更高额度
API	❌ なし✅ PixTV
無料枠	邀请制App免费额度

編集部評価

画質

指示追従

モーション

一貫性

コスパ

👍 強み

物理模拟与复杂运动(体操/流体/碰撞)第一梯队
Cameo真人客串玩法独一份,社交传播力最强
梗图/喜剧/超现实创意的社区生态繁荣

👎 弱み

无公开API,量产工作流受限
版权与肖像争议不断,审核严格且多变
水印明显,商用输出受限

物理エンジン級のモーション、そして本人が許諾できる顔

Sora 2の一番の売りは画質の緻密さではなく、物理法則の再現度だ。体操選手が空中で2回半ひねって着地する瞬間の服の揺れ、こぼれた水がテーブルの上を伝っていく軌跡、バスケットボールが床に当たって跳ね返る不規則な角度——こうしたディテールは、これまでのモデルなら誤魔化すか、操り人形のようなぎこちない動きになりがちだった。Sora 2は「これは現実世界の物理だ」と信じさせてくれる数少ないモデルの一つで、衝突・流体・連鎖反応系のシーンでは今や第一線にいる。

本当にバズったきっかけはCameoだ。数分の許諾用動画を録っておけば、以降の生成すべてで自分の顔と声を使って出演させられる。しかもこの許諾は取り消し可能で、誰かが自分のCameoを使って生成したコンテンツを確認したり、撤回したりできる。この仕組みはAI動画の一番厄介な問題を解決した。これまでどれだけリアルに作り込まれた顔でも所詮はフェイクだったが、今は視聴者に「画面にいるのは本人が許諾して出演している」ことが伝わる。この本物感が生む拡散力はまったく別次元だ。SNSでバズっている、亡くなった推しと共演したり瞬間で忍者に変身したりする動画は、根っこがすべてこの仕組みでできている。

審査は思ったより厳しく、透かしは思ったより邪魔

実際に使ってみて一番ギャップを感じるのがこの二点だ。まず審査。実在人物の肖像、著名人、著作権トラブルにつながりそうな内容は基本的に弾かれる。しかもルールが不透明で、昨日通ったプロンプトが今日は通らないこともザラで、クリエイターコミュニティでは「最近どのワードが弾かれるようになったか」の情報交換が絶えない。このブラックボックス的な審査は、安定した制作を求める商用ユーザーにはあまり優しくなく、スケジュールを組んで予測可能な制作ツールとして扱うのは難しい。

次に透かし。SynthIDとロゴの透かしが画面に乗る。SNS向けのエンタメコンテンツなら気にならないが、商用の納品となると話は別で、クライアントは透かしを見た瞬間に差し戻してくることが多い。これがまさに、プロのチームがSeedanceやKlingのような透かし強制のないモデルで案件をこなしたがる理由でもある。

とはいえ実際の生成品質はしっかりしている。1本あたり15秒(Proアカウントなら25秒)という長さは、短いストーリー、ちょっとしたどんでん返し、ワンカット完結のコントには十分だ。オフィスで突然重力がなくなる、猫が急に人語を話し出すといったシュールでぶっ飛んだ発想も難なくこなす。ミーム系動画のジャンルではほぼ独壇場になっているのも納得できる。

どう書けば素直に言うことを聞いてくれるか

Sora 2が得意とするのはシーン単位の記述であって、キーワードの羅列ではない。「人物、走る、スローモーション、シネマティック」のようなキーワードの寄せ集めより、因果関係と物理的なディテールをきちんと書き下したほうがいい。動作の順序や力の向きにかなり敏感に反応する。

実際に効果があった書き方を2つ紹介する。

衝突や連鎖反応が絡むシーンでは、動作を時系列で分解して書く。例:一摞书从桌子边缘被手推落,书本依次砸向地面并弹开,灰尘在光线中扬起,慢动作,自然物理。一文でまとめるより、ステップごとに描写するほうが結果が安定する。

Cameoを使う場合は、人物の動作と感情の状態を具体的に書く。例:我(Cameo)站在便利店收银台后面,看到窗外UFO降落时先是愣住,然后笑出声。感情の転換点まで書き込むと、ただ「驚いた表情」と書くよりも表現の階層が豊かな演技が出てくる。

当サイトには実際の生成サンプルを掲載しているので、このプロンプトの書き方が実際の映像にどう反映されているか直感的に確認できる。特にカメラワークとCameoを組み合わせたサンプル群は、プロンプトの書き方を照らし合わせて見る価値がある。

2026年の勢力図では、もはやコンテンツアプリに近い

現在のジャンル全体で見ると、Sora 2のポジションはSeedance、Kling、VeoのようなAPIでの量産路線を走るモデルとはかなり違う。公開APIがないということは、大量生産のワークフローに組み込めないということで、MCNや商用案件のチームは基本的に避けて通る。この市場はすでにByteDanceやKuaishouのモデルに分け合われている。自分でとにかく量をこなしたいのにSora APIが使えない場面では、たいてい次善策として——まずPixTVで静止画をまとめて出して構図とスタイルを決め、その中でうまくいったカットだけを手作業でSoraに入れて仕上げる、という流れにしている。とりあえず量産の流れだけは繋げられる。

その代わりに手に入れたのが、生産性ツールという物語からほぼ独立した存在——コンテンツ消費プラットフォームというポジションだ。App Store首位を獲ったあの盛り上がりを牽引したのはプロのクリエイターではなく、Cameoでネタを作ったり、コントを撮ったり、自分をあり得ないシチュエーションに放り込んでSNSに投稿する一般ユーザーだった。この経路のおかげで、SeedanceやKlingとB2B市場で真っ向勝負するのを避けられている。

だから今のSora 2を正確に言い表すなら、OpenAIが動画モデルの皮を被ったソーシャルプロダクトを作っている、という表現が近い。プロのクリエイターはこれでミーム感覚や物理的な動きの手触りを練習し、本気で量産パイプラインに組み込みたいなら、結局APIがあって透かし強制のない中国勢のモデルに切り替えることになる。この2つの路線はどちらが食うか短期的には見えてこないが、それぞれ自分のユーザー層をしっかり守っている。