動画生成

主要ニュース

1. 1

   Apple、CapQuizを公開

   Appleの研究者が、動画キャプションを人間検証済みの多肢選択問題への正答度で採点するベンチマークCapQuizを発表。24の動画領域にわたる10種の問題タイプに対応し、複合指標CapF1も含む。 既存の指標は参照キャプションとのテキスト照合であり、妥当な説明を不当に低く評価する。CapQuizは人間の判断との相関が大幅に高く、CapF1は事実性（CapP）と網羅性（CapR）を分けて示す。

   参照不要の問題ベース採点が、動画モデル比較の信頼される手法になるかが焦点。テキスト照合を検証可能な回答と引き換えにするからだ。この研究の枠を超えてCapQuizとCapF1が採用されるかを見守りたい。

2. 2

   TwelveLabs Marengo Embed 3.0がAmazon Bedrock Knowledge Basesに登場

   AWSはTwelveLabs Marengo Embed 3.0をAmazon Bedrock Knowledge Basesの埋め込みモデルとして一般提供開始。動画、画像、音声を扱うRAGサービス。 従来、動画のセマンティック検索には文字起こし、フレーム抽出、埋め込みモデル、ベクトルDB、同期処理が必要だった。AWSはManaged MKBが内部処理すると説明。

   提供地域は米国東部（バージニア北部）と米国西部（カリフォルニア北部）に限られ、他地域への拡大が焦点。埋め込み生成はAmazon Bedrockの標準モデル呼び出し料金で課金。

3. 3

   Prime Video、AIリップシンク吹き替えを開始

   Prime VideoがAIで俳優の唇の動きを吹き替え音声に合わせる機能を開始。独ドラマ「Maxton Hall」の英語吹き替え版から導入。 この機能は「Maxton Hall」シーズン1・2で利用可能で、12月9日配信のシーズン3にも適用され、吹き替えコンテンツの裾野を広げる。

   Prime Videoは今後、他のタイトルにも拡大予定。視聴者がAI加工映像を受け入れるかが成功の鍵となりそうだ。

4. 4

   Premiere刷新、タイムラインで直接生成

   AdobeがPremiereにGenerative Mediaを導入。空きギャップを選択するだけで、文脈に応じた編集可能なクリップをタイムライン上で生成できる。 これまで編集者はBロールや音声を探すためにブラウザや外部アプリを行き来する必要があったが、Adobe FireflyやGoogle Veoなど複数のAIモデルがタイムライン上で利用可能になった。

   このツールの効果は編集ワークフローへの統合の巧拙にかかる。AI音声ツールとAfter Effects向けAIアシスタントはベータ版。

5. 5

   World Labs、写真数枚から3D世界を生成するAI「Atlas」発表

   World Labsが、テキスト・画像・動画・3Dデータで学習し、各入力を3D空間内の特定位置に紐付けるオムニモデル「Atlas」を発表。ユーザーが操作するカメラ経路で最大1分間の1440p動画を生成できるほか、2〜3枚の写真から実シーンを再構築し、100以上の入力も処理可能。 2025年11月に李飛飛氏が指摘した課題、すなわち現在のマルチモーダル・動画モデルはデータを1D・2Dの系列に分解するため単純な空間タスクが不必要に難しくなるという問題に、Atlasは対応。共有された空間理解により純粋な言語・動画モデルと一線を画し、人間による評価では専用モデルを上回り、MiniMax H3に対して75%、Seedance 2.5に対して94%で勝利。国内の映像制作やロボット関連企業では、写真からの3D空間生成による業務効率化が進む可能性がある。

   Atlasのネイティブ3D出力はポイントクラウドと3Dガウシアンスプラットに対応し、Marbleの表現と一致。また、2026年8月に実証された、5つのロボットプラットフォームで各1時間、人間の介入なしに稼働したreal-to-sim-to-realエンジンを基盤に、ロボティクス向けの実物からシミュレーションへのツールとしても機能する。Atlasは現在、一部パートナー向けに早期アクセスプログラムを提供中。

6. 6

   World Labsが空間AIモデルAtlasを発表

   World Labsは、テキスト、画像、動画、3Dをネイティブに処理するためにゼロから学習されたワールドモデルAtlasを公開した。同社の空間生成ツールMarbleを支えることになる。 Atlasは、1枚または数枚の写真から新しいビューを生成し、実際の空間を再構築し、バレットタイム動画を作成し、ロボットのカメラデータをシミュレートできる。同社は、DTU、ETH3D、ScanNetのベンチマークでオープンソースの再構築モデルを上回るとしている。

   Atlasは現在、一部のパートナー向けに早期アクセス中だ。開発者や企業はフォームから申し込むことができ、World LabsはMarbleを含む製品の将来バージョンにAtlasを統合する計画だ。