動画生成

主要ニュース

1. 1

   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。

2. 2

   オープンソースAI動画生成「Oneiric」公開

   AIによるオープンソース動画生成プロジェクト「Oneiric」が公開された。YouTubeの動画とHacker Newsのスレッドで確認できる。 AI動画生成は現在プロプライエタリなモデルが主流だが、その中で新たなオープンソースの選択肢が加わった点で重要だ。オープンソースであることで、幅広い採用やカスタマイズが進む可能性がある。国内の動画生成を手がける開発者層が、新たなオープンソースの選択肢を試せる可能性がある。

   興味があるユーザーは、提供されたYouTubeリンクで動画を視聴し、Hacker Newsで議論に参加できる。

3. 3

   AMDのデータセンター事業は107%増も、NVIDIAの750億ドル四半期決算が依然リードを拡大

   AMDは売上高115億4000万ドル（過去最高）を記録し、データセンター事業は67億2000万ドルで前年同期比107%増となった。NVIDIAは四半期売上高750億ドルを達成し、データセンター事業は92%増。AMDのHeliosラック（EPYCサーバーチップ、MI450 GPU、Pensandoネットワーキングを統合）は顧客の強い関心を集め、Anthropicは最大2ギガワット相当のMI450シリーズGPUの導入を約束し、初回の1ギガワット分は2027年に稼働開始予定。NVIDIAのBlackwellは主要ハイパースケーラー全てに出荷されており、Vera Rubinの生産は第3四半期に始まる。 AMDはギガワット規模のAIコンピューティングにおいて、ハイパースケーラーに信頼できるセカンドソースを提供することで、NVIDIAの支配に対し本格的な挑戦を仕掛けている。これは単一ベンダー依存のリスクを回避する魅力的な選択肢だ。しかしNVIDIAには構造的な優位性がある。データセンターの粗利益率は75%でAMDの56%を大きく上回り、垂直統合されたスタック（Blackwell、Vera Rubin CPU、NVLink、Spectrum-X、InfiniBand、CUDAソフトウェア）はシリコン単体を超えた堀を築いている。NVIDIAは2025年から2027暦年にかけてBlackwellとRubinを合わせた売上高として1兆ドルを予測しており、持続的な需要に対する自信を示している。

   AMDは第3四半期の売上高を約130億ドル（前期比41%増）と見込み、2027年にデータセンター事業が前年比2倍以上になると予想している。成功の鍵はHeliosの歩留まりと、AnthropicのMI450 GPU初回1ギガワット分がどれだけ早く収益に結びつくかだ。NVIDIAが75%の粗利益率を維持できるかどうか、また中国向けコンピューティングが引き続きガイダンスから除外されている中で、地政学的な制約が上振れ余地を制限するかが焦点となる。Blackwell比で最大35倍の推論スループットを実現するとされるVera Rubinは、約束通りの性能を発揮すればNVIDIAのリードをさらに広げる可能性がある。

4. 4

   Higgsfield AI、110分映画を4週間で制作

   スタートアップのHighsfield AIは、有名人のライセンス取得済みの顔を使った110分のアクションコメディ『The Cully Hill Boys』を4週間で制作した。予算は200万ドルで、その半分をAIトークンに充てた。映画はイーストロンドンのラッパーたちがミュージックビデオのためにボートを盗み、犯罪カルテルに巻き込まれるストーリー。 この作品はAIビデオ制作がショートクリップから長編へスケールできることを示している。技術にはまだ課題が残る。不自然なツヤ、生成の跡が見える場面、キャラクターの反応の矛盾がある。ただ人間のシナリオライターが手がけた台詞と物語構成から、AIツールは民主化され、コスト効率的な長編制作へ向かっているかもしれない。AIビデオ生成ツールの低コスト化により、日本の映像制作業者が長編作品の企画段階でAIを活用する際の経済的な選択肢が広がる可能性がある。

   Higgsfield AIはクリエイター向けのスケーラブルなAIワークフローの提供を計画していると述べている。これはビデオ制作にかかるコストと時間を下げる市場機会を見ているサイン。映画の成果は混在している。台詞は秀逸だが、生成の痕跡が目立つ。この点が技術の改善課題を示している。

5. 5

   AIウォーターマーク除去ツールpagedMarkを公開

   開発者がpagedMarkを公開した。このツールはAI生成画像・動画から、目に見えるラベルと目に見えない画素埋め込み型のウォーターマークの両方を除去するよう設計されている。目に見えない印を削除するために画像を再生成し、視覚的な類似性を保つことを試みる。現在、画像ではChatGPT、gpt-image API、Z-Image Turbo、Nano Bananaのウォーターマークに対応し、動画ではSora、Veo、Seedance、Hailuo、Klingの目に見えるマークとメタデータに対応している。 AI生成コンテンツには、そのオリジンを識別するメタデータと埋め込み信号（SynthIDウォーターマークなど）が増加している。自分で生成したAI画像を扱うクリエイターにとって、これらのマークはワークフローを複雑にしうる。スクリーンショットなどの単純な削除方法では画素レベルのマークは除去されない。pagedMarkはコンテンツを再生成することでこれに対応するが、出力は元のものと異なる可能性がある点をユーザーが認識する必要がある。顔、テキスト、細部が変わりうる。

   このツールはApple Silicon搭載Macで8GB、16GBメモリを使用してテストされており、メモリ認識処理が組み込まれており、スペックの低いマシンのリソース制約に対応できる。

6. 6

   LLMは単独で長編映画を制作できるか

   LessWrongの投稿が、テキストを理解・生成するAIシステムである大規模言語モデル（LLM）が、人間の介入なしに長編映画を独立して制作できるかという疑問を提起している。 この問いは、創作制作におけるAIの現在の能力の限界を探るもので、テキストベースのAIシステムが物語の一貫性、構成、長編映画全体にわたる継続的な出力を必要とする複雑で持続的な創作タスクに対応できるかどうかに関わっている。

   この問いそのものは未解決のままであり、投稿はそれを解決済みの知見ではなく問い合わせとして位置づけ、映画制作におけるLLMの技術的・創作的限界についての議論を促している。