OpenAI、Sora 2ベースのVideo APIを拡張 キャラクター再利用・シーン延長・Batch処理に対応

X投稿で示された更新点

OpenAI Developersは2026-03-12のX投稿で、Sora 2を土台にしたVideo API機能拡張を公開した。投稿では、custom characters and objects、16:9と9:16の書き出し、最大20秒のクリップ、既存シーンを継ぎ足すvideo continuation、そしてvideo generation向けbatch jobsが主要項目として挙げられた。これは単なるtext-to-video APIから、継続制作を前提にした開発インフラへと位置づけが変わりつつあることを示す。

公式ガイドで確認できる実装面

OpenAIのVideo APIガイドによれば、APIは生成だけでなく、extension、edit、downloadまでを含む。モデルは高速な試作向けのsora-2と、より高品質な出力向けのsora-2-proに分かれ、いずれも16秒および20秒generationをサポートする。処理は非同期で、開発者はjobを発行し、pollingまたはwebhookで完了を待ってから最終MP4を取得する構成だ。

注目点のひとつはcharacter assetの再利用である。単一のreference imageで最初のフレームを誘導するだけではなく、短いsource clipからcharacter IDを作り、複数のvideo requestにまたがって一貫した見た目を維持できる。さらに、completed clipを基に最大6回まで延長し、合計120秒までシーンをつなげる拡張フローも文書化された。大量レンダリング向けにはBatch APIによるoffline queueも使える。

制作・運用の観点で何が変わるか

重要なのは、今回の更新が単なるモデル精度の話ではなく、制作パイプライン全体をAPIで扱えるようにした点だ。初期クリップ生成、キャラクターの一貫性確保、シーン延長、部分編集、まとめてのレンダリングまでを一つの開発面に寄せてきた。広告制作、ブランド動画、UGCツール、社内メディア自動化など、反復的に動画を扱う用途では実装しやすさが大きく変わる。

一方で、OpenAIは制限も明示している。ガイドでは、under-18適合の制約が既定で有効であり、copyrighted charactersやcopyrighted musicは拒否される。実在人物やpublic figuresの生成も禁止され、人の顔を含むinput imageが一部ワークフローで拒否されるケースもある。商用展開では、このguardrail範囲を前提に設計する必要がある。

なぜ高シグナルか

今回の更新は、video generationが単発のモデルデモから、実製品に組み込める開発インフラへ移行していることを示す。reusable assets、extensions、batch processing、webhook orchestrationが一度に揃ったことで、Sora 2は「見せるためのモデル」から「運用するための基盤」へ一段進んだと言える。

Primary sources: X post, OpenAI Video API guide.