動画と音声と画像を統合生成する次世代AIが提供開始

言葉で場面を説明するだけで映画のような映像と音声を同時に作り出せる新たなAIモデルが公開され、撮影した写真に動きを加えたりカメラワークを細かく指定したりすることが可能となったほか、物理法則に基づいた自然な光の反射や質感を再現することでまるで本物の撮影現場のような仕上がりを実現したとのことだ。映像内の世界観を深く理解することで時間が経過しても被写体が崩れず一貫性を保てるため、これまで複数のツールを使い分ける必要があった動画制作の手間を省き、誰でも直感的に高品質な作品を作れる環境が整ったとしてクリエイターや映像制作者の間で注目が集まりそうだ。今後はこの統合的な制作環境が普及することで、個人の動画制作の質が飛躍的に向上し、より複雑な物語を短時間で視覚化できる時代が到来すると考えられる。