☁️

Sora2 API版 (OpenAI Video API) の使い方と応用まとめ

に公開
videoapi
Sora 2
sora2videoapi
tech

概要

待望のSora2 API版提供開始！以下の5つのエンドポイントを提供:

Create video: プロンプトから新しいレンダリングジョブを開始

Get video status: レンダリングジョブの進行状況を取得

Download video: 完成したMP4をダウンロード

List videos: 動画一覧を取得(ページネーション対応)

Delete videos: 不要な動画を削除

モデルの種類

モデルは2つ！

Sora 2

特徴: スピード重視、柔軟性が高い

用途: コンセプト検証、ラピッドプロトタイピング、SNSコンテンツ

メリット: 高速なフィードバックループ、低コスト

適したシーン: トーン確認、構造実験、ラフカット

Sora 2 Pro

特徴: 高品質重視、プロダクションレベル

用途: シネマティック映像、マーケティング資産、高解像度コンテンツ

デメリット: レンダリング時間が長い、コストが高い

適したシーン: 視覚的精度が求められる本番環境

基本的な使い方

  1. APIキーの設定

まずOpenAI Platform(https://platform.openai.com/api-keys)でAPIキーを取得する。

次に、https://platform.openai.com/settings/organization/general  で「Verify Organization」をクリック

Verify Organization をクリック

Start ID Check をクリック

本人確認プロセスに従う

身分証明書(運転免許証、パスポート、マイナンバーカードなど)の写真撮影/アップロードするなど、本人確認プロセスがある。めんどくせぇ〜〜

プロセス完了を待つ

自動承認なら数分〜数十分

手動審査が入る場合は数時間〜数日かかることもある

Linux/Mac(一時的):

export OPENAI_API_KEY='sk-proj-xxxxxxxxxx'

Windows(PowerShell/一時的):

$env:OPENAI_API_KEY='sk-proj-xxxxxxxxxx'

恒久的に設定(ワンライナー):

bash使いの場合

echo "export OPENAI_API_KEY='sk-proj-xxxxxxxxxx'" >> ~/.bashrc && source ~/.bashrc

zsh使いの場合

echo "export OPENAI_API_KEY='sk-proj-xxxxxxxxxx'" >> ~/.zshrc && source ~/.zshrc

fish使いの場合

echo "set -Ux OPENAI_API_KEY 'sk-proj-xxxxxxxxxx'" | fish

Windows(PowerShell/管理者権限):

[Environment]::SetEnvironmentVariable("OPENAI_API_KEY", "sk-proj-xxxxxxxxxx", "User")

方法B: .envファイルで管理(プロジェクトごとのAPIキー管理)

プロジェクトルートに.envファイルを作成:

OPENAI_API_KEY=sk-proj-xxxxxxxxxx

Pythonで読み込む:

from openai import OpenAI
from dotenv import load_dotenv

load_dotenv() # カレントディレクトリの.envファイルを読み込み
openai = OpenAI() # 環境変数から自動取得

Node.jsで読み込む:

import OpenAI from 'openai';
import dotenv from 'dotenv';

dotenv.config();
const openai = new OpenAI(); // process.env.OPENAI_API_KEYから取得

複数プロジェクトでのAPIキー使い分け:

プロジェクトごとに異なる.envファイルを配置することで、APIキーを使い分けられる。

~/projects/
├─ project-a/
│ ├─ .env # OPENAI_API_KEY=sk-proj-AAA...
│ └─ main.py
├─ project-b/
│ ├─ .env # OPENAI_API_KEY=sk-proj-BBB...
│ └─ main.py
└─ project-c/
├─ .env # OPENAI_API_KEY=sk-proj-CCC...
└─ main.py

重要な挙動:

load_dotenv()はスクリプト実行時のカレントディレクトリから.envを探す

~/projects/project-a/でpython main.pyを実行 → project-a/.envが読まれる

~/projects/project-b/でpython main.pyを実行 → project-b/.envが読まれる

.envの値は環境変数より優先される(上書き)

つまり、~/.bashrcでグローバルデフォルトを設定しつつ、特定プロジェクトだけ別のAPIキーを使うことが可能。

応用: 明示的なパス指定

カレントディレクトリ以外の.envを読みたい場合:

from dotenv import load_dotenv

絶対パス指定

load_dotenv('/path/to/your/.env')

相対パス指定

load_dotenv('../config/.env')

スクリプトの場所を基準にする

import os
script_dir = os.path.dirname(os.path.abspath(file))
load_dotenv(os.path.join(script_dir, '.env'))

注意: .envファイルは必ず.gitignoreに追加すること。

ワンライナーで.gitignoreに追加

echo ".env" >> .gitignore

既に.envをコミットしてしまった場合の対処

git rm --cached .env
echo ".env" >> .gitignore
git add .gitignore
git commit -m "Remove .env from git tracking"

方法C: コード内で直接指定(非推奨だが動作確認には便利)

from openai import OpenAI

openai = OpenAI(api_key='sk-proj-xxxxxxxxxx')

import OpenAI from 'openai';

const openai = new OpenAI({
apiKey: 'sk-proj-xxxxxxxxxx'
});

デメリット: ハードコードはセキュリティリスクが高い。本番環境では絶対に避けること。

とりあえずサクッと試したい人向け: フル実装サンプル(Python)

以下はAPIキーハードコード版の完全動作サンプル。コピペしてOPENAI_API_KEYを書き換えれば即実行可能。

from openai import OpenAI
import sys
import time

APIキーを直接指定(本番では絶対やるな!)

openai = OpenAI(api_key='sk-proj-xxxxxxxxxx') # ← ここを自分のAPIキーに書き換え

動画生成開始

print("動画生成を開始します...")
video = openai.videos.create(
model="sora-2",
prompt="夜の街をバイクで走るクールな猫の動画",
size="1280x720",
seconds="5"
)

print(f"ジョブID: {video.id}")
print(f"初期ステータス: {video.status}")

プログレスバー表示付きポーリング

progress = getattr(video, "progress", 0)
bar_length = 30

while video.status in ("in_progress", "queued"):
# ステータスを再取得
video = openai.videos.retrieve(video.id)
progress = getattr(video, "progress", 0)

# プログレスバー描画
filled_length = int((progress / 100) * bar_length)
bar = "=" * filled_length + "-" * (bar_length - filled_length)
status_text = "待機中" if video.status == "queued" else "生成中"

sys.stdout.write(f"\r{status_text}: [{bar}] {progress:.1f}%")
sys.stdout.flush()
time.sleep(3)  # 3秒間隔でポーリング

改行

sys.stdout.write("\n")

結果確認

if video.status == "failed":
error_msg = getattr(getattr(video, "error", None), "message", "不明なエラー")
print(f"エラー: {error_msg}")
sys.exit(1)

print("動画生成完了!")
print(f"動画ID: {video.id}")

動画ダウンロード

print("動画をダウンロード中...")
content = openai.videos.download_content(video.id, variant="video")
content.write_to_file("output_video.mp4")
print("✓ 動画を output_video.mp4 として保存しました")

サムネイルもダウンロード

print("サムネイルをダウンロード中...")
thumbnail = openai.videos.download_content(video.id, variant="thumbnail")
thumbnail.write_to_file("output_thumbnail.webp")
print("✓ サムネイルを output_thumbnail.webp として保存しました")

print("\n完了!")

実行方法:

pip install openai
python sora_quick_test.py

注意事項:

このコードは学習・検証用。Gitにコミットするな!

実用時は必ず方法AかBで環境変数/.env管理に切り替えること

生成には数分かかる場合がある(モデル・解像度による)

  1. 動画生成の開始

動画生成は非同期処理で行われる。

from openai import OpenAI

openai = OpenAI()

video = openai.videos.create(
model="sora-2",
prompt="夜の街をバイクで走るクールな猫の動画",
)

print("動画生成開始:", video)

レスポンス例:

{
"id": "video_68d7512d...",
"object": "video",
"created_at": 1758941485,
"status": "queued",
"model": "sora-2-pro",
"progress": 0,
"seconds": "8",
"size": "1280x720"
}

  1. 進行状況の監視

方法A: ポーリング

import asyncio
from openai import AsyncOpenAI

client = AsyncOpenAI()

async def main():
video = await client.videos.create_and_poll(
model="sora-2",
prompt="バイクに乗った猫の動画",
)

if video.status == "completed":
    print("動画生成完了:", video)
else:
    print("動画生成失敗。ステータス:", video.status)

asyncio.run(main())

ステータス遷移: queued → in_progress → completed / failed

推奨ポーリング間隔: 10〜20秒(必要に応じて指数バックオフを使用)

方法B: Webhook(推奨)

Webhook設定ページで設定すると、ジョブ完了時に自動通知される。

イベントタイプ:

video.completed: 動画生成完了

video.failed: 動画生成失敗

Webhookペイロード例:

{
"id": "evt_abc123",
"object": "event",
"created_at": 1758941485,
"type": "video.completed",
"data": {
"id": "video_abc123"
}
}

  1. 動画のダウンロード

content = openai.videos.download_content(video.id, variant="video")
content.write_to_file("video.mp4")

curl -L "https://api.openai.com/v1/videos/video_abc123/content"
-H "Authorization: Bearer $OPENAI_API_KEY"
--output video.mp4

注意: ダウンロードURLは生成後24時間のみ有効。長期保存が必要な場合は独自のストレージに即座に保存すること。

  1. サポートアセットのダウンロード

各動画には以下の補助ファイルも生成される:

thumbnail(サムネイル): WebP形式

spritesheet(スプライトシート): JPG形式

サムネイルのダウンロード

curl -L "https://api.openai.com/v1/videos/video_abc123/content?variant=thumbnail"
-H "Authorization: Bearer $OPENAI_API_KEY"
--output thumbnail.webp

主な機能

画像参照機能

入力画像を動画の最初のフレームとして使用可能。ブランドアセット、キャラクター、特定の環境を保持したい場合に有効。

curl -X POST "https://api.openai.com/v1/videos"
-H "Authorization: Bearer $OPENAI_API_KEY"
-H "Content-Type: multipart/form-data"
-F prompt="彼女は振り返って微笑み、ゆっくりとフレームから歩き去る。"
-F model="sora-2-pro"
-F size="1280x720"
-F seconds="8"
-F input_reference="@sample_720p.jpeg;type=image/jpeg"

対応フォーマット: image/jpeg, image/png, image/webp

制約: 画像解像度は動画のsizeパラメータと一致する必要がある。

Remix機能(動画の部分編集)

既存の完成動画に対して、ターゲットを絞った調整を加えられる。全体を再生成せずに、元の構造・連続性・構図を保ちながら変更を適用。

curl -X POST "https://api.openai.com/v1/videos/<previous_video_id>/remix"
-H "Authorization: Bearer $OPENAI_API_KEY"
-H "Content-Type: application/json"
-d '{
"prompt": "カラーパレットをティール、サンド、ラストに変更し、暖かいバックライトを追加。"
}'

ベストプラクティス:

1回につき1つの明確な変更に絞ること

小さく焦点を絞った編集ほど、元の忠実度が保たれる

色調整、オブジェクト追加、モンスターの色変更などに最適

動画ライブラリの管理

一覧取得

curl "https://api.openai.com/v1/videos?limit=20&after=video_123&order=asc"
-H "Authorization: Bearer $OPENAI_API_KEY"

削除

curl -X DELETE "https://api.openai.com/v1/videos/video_abc123"
-H "Authorization: Bearer $OPENAI_API_KEY"

コンテンツ制限とガードレール

APIは以下のコンテンツ制限を設けている:

18歳未満向けコンテンツのみ(将来的にバイパス設定が追加予定)

著作権キャラクター・音楽は拒否される

実在の人物(公人含む)は生成不可

人間の顔を含む入力画像は現在拒否される

プロンプト、参照画像、トランスクリプトはこれらのルールに従う必要がある。

効果的なプロンプティング

基本構造

ショットタイプ + 被写体 + アクション + 設定 + 照明を含めること。

Good例

"草原の公園で赤い凧を飛ばす子供のワイドショット、ゴールデンアワーの日光、カメラはゆっくり上方にパンする。"

"木製テーブルの上の湯気の立つコーヒーカップのクローズアップ、ブラインドからの朝の光、柔らかい被写界深度。"

Bad例

"猫の動画"(詳細が不足)

"かっこいいやつ"(曖昧すぎる)

詳細度が高いほど、モデルは不要な詳細を発明せず一貫した結果を生成する。

さらに高度なプロンプティングテクニックについては公式プロンプティングガイドを参照。

応用例

  1. ラピッドプロトタイピング

モデル: Sora 2ユースケース: 広告代理店でのコンセプト提案、複数案の比較検討フロー: プロンプト → 高速生成 → クライアント確認 → Remix微調整

  1. ブランドコンテンツ制作

モデル: Sora 2 Proユースケース: 企業のマーケティング動画、製品デモフロー: ブランドロゴ画像 → input_referenceで開始フレーム固定 → 高品質レンダリング

  1. SNS用短編動画の量産

モデル: Sora 2ユースケース: TikTok、Instagram Reels向けコンテンツフロー: テンプレートプロンプト作成 → バッチ生成 → サムネイル自動取得

  1. 映像制作のプリビズ(プレビジュアライゼーション)

モデル: Sora 2ユースケース: 映画やCMの絵コンテ動画化フロー: シーンごとにプロンプト生成 → 連続生成 → 編集ソフトで結合

  1. イテレーティブな動画編集

モデル: Sora 2 / Sora 2 Proユースケース: 既存動画の色調整、オブジェクト追加フロー: ベース動画生成 → Remixで段階的改善 → 最終版をSora 2 Proで再生成

  1. A/Bテスト用バリエーション生成

モデル: Sora 2ユースケース: マーケティングキャンペーンの効果測定フロー: 同じプロンプトでパラメータ変更 → 複数バージョン生成 → パフォーマンス比較

ベストプラクティスとTips

パフォーマンス最適化

Webhookを活用: ポーリングよりも効率的でサーバー負荷が低い

適切なモデル選択: プロトタイプはSora 2、最終版はSora 2 Pro

並列生成: 複数の動画を同時にキューイング可能

コスト最適化

段階的アプローチ: Sora 2でコンセプト確認 → Sora 2 Proで仕上げ

Remixの活用: 全体再生成よりもコスト効率が高い

不要な動画の削除: ストレージコストを抑える

エラーハンドリング

try:
video = openai.videos.create(
model="sora-2",
prompt="プロンプト",
)
except OpenAIError as e:
# エラー内容に応じた処理
if "content_policy" in str(e):
# コンテンツポリシー違反
pass
elif "rate_limit" in str(e):
# レート制限
pass

プロンプト改善のイテレーション

最初は短いプロンプトで生成

結果を見て不足している要素を特定

ショットタイプ、照明、カメラワークなどを追加

Remixで微調整を重ねる

ダウンロード管理

24時間以内にダウンロードを徹底

S3やGCSなどのクラウドストレージに自動バックアップ

サムネイルとスプライトシートも保存してUI表示に活用

まとめ

Sora APIは、テキストや画像から高品質な動画を生成できる強力なツール。非同期処理、Webhook、Remix機能を活用することで、効率的な動画制作ワークフローを構築できる。

キーポイント:

モデルは用途に応じて使い分け(Sora 2 = 速度、Sora 2 Pro = 品質)

Webhookによる非同期処理で効率化

Remixで段階的な改善が可能

コンテンツ制限に注意してプロンプト設計

24時間以内のダウンロード必須

適切な戦略でSora APIを活用すれば、動画制作の可能性が大きく広がる。

Discussion