2026年9月23日、OpenAI は invideo に関するケーススタディを公開し、同社が GPT‑6 Astra をどのように活用して動画編集におけるカラーグレーディングとエフェクト制作の効率を高めているかを示しました。invideo はアジア太平洋地域に拠点を置くスタートアップで、メディア、エンターテインメント、スポーツ業界向けに、API を通じて OpenAI のモデルを利用しています。
OpenAI が公表した結果によると、invideo は GPT‑6 Astra を導入したことで、カラーグレーディングと色補正タスクの成功率が約 3 倍に向上し、編集チームは 1 日で約 50 個のカスタムエフェクトを作成しました。これらの数値は実験室のテストではなく、実際の制作環境から得られたものです。
動画編集は、クリエイティブかつ技術的な意思決定の連続です。編集者はストーリーを形作り、効果音を配置し、トランジションを構築し、色を調整する必要があります。invideo が開発したエージェント型動画エディターは、こうした作業を処理しつつ、人間の編集者がコントロールを維持できるように設計されています。GPT‑6 Astra の導入により、invideo はエージェントが複雑な編集をより正確に計画・実行し、タイムライン上の正しい位置に変更を配置できるようになったと述べています。
invideo の CEO、Sanket Shah 氏は「Astra が特定の編集をフレーム単位の精度で計画できるのは驚くべきことです」と語っています。同氏によると、AI エージェントは編集者の指示を一連のステップに変換し、適切なツールを選択し、作業を実行して結果を検証する必要があります。Sanket 氏は、GPT‑6 Astra が以前にテストしたモデルよりも少ない推論ステップでこれらの操作を計画できると指摘します。「Astra ははるかに少ない推論セットで済むため、複雑な作業を完了するための出力トークンも少なくなります」と述べています。
さらに invideo は、タスクが長く複雑になっても、Astra が編集者の当初の目的を失わずに複数の指示を実行できることを確認しました。これは特にカラー作業で効果的です。エージェントは補正、グレーディング、再生成、LUT、分離など、重複するアプローチから選択する必要があります。たとえば、人物の肌色を保ちながら背景を変更するには、エージェントがフレームをまたいで人物を分離・追跡し、その後で他の領域に色を適用する必要があります。
Sanket 氏は「以前は、カラーグレーディングと色補正タスクで非常に高い失敗率が見られました。Astra の導入により、成功率は約 3 倍に改善しました」と述べています。GPT‑6 Astra は、説明や視覚的参照をカスタムエフェクトに変換するのにも役立ちます。エージェントは素材に合わせたエフェクトをコーディングし、タイムラインに配置し、編集者が微調整できるコントロールを追加できます。1 日で、数名の invideo 編集者がこのモデルを使用して約 50 個のエフェクトを作成しました。
最終的に、GPT‑6 Astra を利用する invideo エージェントにより、クリエイティブなプロフェッショナルはストーリー、自分のセンス、最終カットのコントロールを維持しながら、面倒な計画やフレームごとの作業に何時間も費やすことなく作業できるようになりました。