動画生成

主要ニュース

1. 1

   AI需要、主権AI拡大で米国外にも広がる Wistron会長

   Wistron の Simon Lin 会長は、主権AI（各国が独立して構築するAI）プロジェクトが複数の国で加速していると述べ、AI需要が米国を超えて世界中に拡大しているとの見解を示しました。 業界が単なるバブルではなく新しい段階に入っていることを示唆しており、より広範な利用、有料サービスの拡大、AI インフラへの投資が長期的に続く可能性があると考えられます。

   主権AI の広がりにより、グローバルな読者層にとっては AI インフラ投資の需要がより持続的になることが示唆されています。

2. 2

   Apple、テキストから動画・音声を生成 マルチモーダルAIを研究

   Appleの研究チームが、テキスト入力から映像と音声を同期させた動画を生成する技術「Text-to-Sounding-Video（T2SV）生成」に取り組んでいます。テキスト条件設定の改善と、複数の情報形式の融合メカニズムの最適化が研究の焦点です。 これまで映像と音声の結合学習は進展してきましたが、テキスト条件が生成の妨げになり、訓練用の詳細キャプションと実際のユーザー入力の短いプロンプトとのズレが課題でした。同期がとれた映像・音声生成は、コンテンツ制作やメディア応用の効率化につながる可能性があります。

   研究は、異なる情報形式（テキスト・映像・音声）の相互作用を改善する仕組みの開発に向かっています。この技術がいつ製品化されるかは公表されていません。

3. 3

   DeepSeek R1、推論ベンチマークでOpenAI o1に並ぶ

   DeepSeek R1というオープンソースの推論モデルが、複雑な問題を解く能力を測るベンチマーク（AIME 2024）でOpenAI o1と同じスコアを達成しました。 高性能な推論モデルがオープンソースで提供されることで、大規模クラウド事業者以外の企業や研究者も最先端の推論能力にアクセスできるようになる可能性があります。

   DeepSeek R1はGitHubで公開されており、誰でも無料でダウンロード・利用できます。

4. 4

   テック業界外ではROIの実現まで時間がかかる可能性がある

   テック業界外ではROIの実現まで時間がかかる可能性がある

5. 5

   OpenAI、Soraアプリ終了 Disney契約も破棄

   OpenAIは火曜日にSoraアプリの終了を発表しました。昨年12月のDisneyとの$1 billion（約1600億円）契約も同時に破棄されます。Soraチームは「Soraで創作してくれたすべての人に感謝する」とX上で述べています。 Soraは2024年12月の立ち上げから注目を集めていましたが、GoogleのVeoやLuma Rayなどの競合サービスに追い抜かれていました。OpenAIは月々$1 billion（約1600億円）程度のペースで資金を消費しており、利益性の低い事業から撤退する判断とみられます。

   OpenAIはChatGPT内へのSora統合を検討しているとの報道がありますが、公式には確認していません。ユーザーの作品の保存方法やAPI、アプリ終了のタイムラインについては「近く詳細を共有する」とのことです。

6. 6

   Apple、ビデオ圧縮技術「VideoFlexTok」を発表

   Appleの研究チームが、ビデオを効率的に圧縮・整理する新しいトークン化技術「VideoFlexTok」を発表しました。従来は映像を一律の3D格子状トークンに変換していたのに対し、この技術は映像の複雑さに応じて柔軟に圧縮レベルを変える方式を採用しています。 ビデオ生成AIなどのモデルは従来、映像のすべての細部を「ピクセルごと」に予測する必要がありました。VideoFlexTokは映像ごとに最適な圧縮度合いを選べるため、計算量を削減しながらモデルの性能を保つことができる可能性があり、テキストから動画を作るAIの実用化を加速させる土台になるとみられます。

   Appleが公開した論文（machine learning.apple.comに掲載）では、この技術がどの程度の効率向上をもたらすかについて詳しく解説されています。