動画生成

主要ニュース

1. 1

   ワールドモデルの定義とは

   RedditユーザーがMLコミュニティに対し、ワールドモデルの定義を問いかけ、現在の構築物は高度な動画生成モデルに過ぎないと指摘した。 この用語は議論の的であり、シミュレーター、物理エンジン、エミュレーター、デジタルツインなどがワールドモデルの候補とされ、非専門家を混乱させている。国内のAI開発企業は、用語の定義を巡る議論の影響を受け、自社技術の位置づけを見直す可能性がある。

   議論は、ワールドモデルが手作りの物理ではなく学習された表現に基づくべきかどうかに焦点を当てており、MLベースのシミュレーターに道を開く可能性がある。

2. 2

   BearJam、AI自動化に人間の監視が必要と主張

   AI動画制作会社BearJamが、2年間の経験を踏まえ、AIと人間の判断を組み合わせたハイブリッドモデルを重視する責任ある自動化の手法を公開した。 同社は、自動化はアウトプットと同じ速さでエラーを拡大するため、特にAI出力の責任はプラットフォームではなく導入側にある以上、法的・風評リスクを避けるには人間によるチェックポイントと明確な制限が不可欠だと主張する。国内のAI導入企業では、自動化によるエラー拡大を防ぐため、人間の確認工程が不可欠になる可能性がある。

   BearJamは技術的には対応可能な案件でも、誤解を招く前後比較画像などを含め断ってきた。また、AI中心のプロジェクトの収益の1%をケントの自然再生に充てている。

3. 3

   グーグル、動画AI「Gemini Omni 1.1 Flash」発表

   グーグルは8月27日、動画生成・編集向けマルチモーダルAIモデル「Gemini Omni 1.1 Flash」を発表した。開発者はGemini APIとGoogle AI Studioを通じて利用できる。 今回の更新でOmni 1.1は業務利用に耐える本番環境対応となった。最大の強化点はシーン拡張で、従来の1秒から最大10秒分の直前コンテキストを分析できるようになり、映像の整合性とストーリーの一貫性が向上した。動画は10秒単位で最大40秒まで延長できる。国内の映像制作現場では、動画生成AIの品質向上で編集工程の一部が短縮される可能性がある。

   360pの下書きモードは標準の720pと比べ最大60%高速で、コストは3分の1。最終出力は1080pまたは4Kにアップスケール可能。アドビは既にGemini Omni FlashをAdobe Fireflyに統合している。

4. 4

   Gemini Omni Flash、動画コスト削減

   GoogleはGemini Omni Flashをバージョン1.1に更新し、シーン拡張の分析対象を最大10秒の動画（従来は最後の1秒のみ）に改善した。シーンは10秒単位で最大40秒まで拡張可能になり、開発者は外部動画をスタイル参照としてアップロードできる。 今回の更新でAI動画生成がより安価で柔軟になった。新たな360pドラフトモードは720p比で最大60%高速化し、コストは3分の1。秒あたり料金は360pが0.03ドル、4Kが0.30ドル。企業の動画制作ハードルを下げる可能性がある。国内の映像制作企業は、より低コストで動画を生成できる可能性がある。

   Omni 1.1はGoogle AI Studioと開発者ドキュメントで利用可能。秒あたり料金は360pが0.03ドル、720pが0.10ドル、1080pが0.15ドル、4Kが0.30ドル。動画は1080pまたは4Kにアップスケールできる。

5. 5

   Flow AI、Veo搭載の動画生成機を公開

   独立系プラットフォームFlow AIが、GoogleのVeo技術を活用したオンラインAI動画生成機を公開。テキストや画像を数秒で映画的なクリップに変換し、インストールやGPUは不要。 専門的なハードウェアやソフトウェアが不要で、非技術者でも手軽に動画コンテンツを制作できるようになり、動画制作の参入障壁が下がる可能性がある。同プラットフォームは独立系でGoogleとは無関係。第三者モデルを各ライセンスに基づき使用している。国内の動画制作に携わる非技術者でも、高度な機材なしで映画的なクリップを手軽に制作できる可能性がある。

   オンラインサービスなので、インターネットに接続できる端末ならどこでも利用可能。GoogleのVeo技術に依存している点が機能に影響を与える可能性があるが、価格や利用可否の詳細は公表されていない。

6. 6

   アリババ、AI動画モデルWan3.0公開

   アリババの動画生成モデルWan3.0がベータ版で公開された。テキストやPDF、Webページ、PowerPointファイルを入力として、最長30秒の動画を生成できる。 前モデルWan2.5と比べ、動画の長さが2倍になった。プロンプトに基づいて最適な動画の長さを提案し、既存の動画を延長するツールも備える。Wan3.0はテキスト、画像、動画、音声を同時に処理する。国内の動画制作関係者は、既存動画の延長や長尺生成を低コストで試せる可能性がある。

   wan.videoサイト、Alibaba Cloud Model Studio、Qwen CloudのAPIを通じて利用可能。スタンダード版（現在30%割引）と、より高速なプライム版の2つのプランがある。アリババは映画制作からロボット訓練まで、幅広い用途でのWan3.0の活用を提案している。