ByteDanceが動画生成AI「PixelDance」と「Seaweed」を発表、マルチショットの破綻を解消

OpenAIがSoraの一般公開を焦らしている間に、TikTokの親会社であるByteDance（バイトダンス）が動画生成AIの戦線へ一気に攻勢をかけてきました。

先週、深センで開催されたイベントで、同社のクラウド部門がPixelDanceとSeaweedという2つの独自AI動画モデルを披露しました。現在は限定ユーザー向けのクローズドベータですが、デモ動画が中国のWeChat上で拡散され、大きな注目を集めています。

AIツール系クリエイターのTim Simmons氏によると、政治的な配慮から、一般公開は11月の米大統領選挙後まで待つ必要があると匿名の関係者が語ったといいます。

複数カットの一貫性と長尺生成

両モデルはByteDanceの大規模モデル「豆包（Doubao）」をベースにしており、Soraに類似したDiT（Diffusion Image Transformer）構造を採用しています。ビジネス利用を想定した最適化により、生成コストを大幅に引き下げたとされています。

PixelDanceの武器は、極めて自然な人物の動きとマルチショット性能です。約10秒の映像の中で、人物が歩く、振り返る、物を拾うといった動作を違和感なく再現します。

従来の動画AIは1カットの生成に終始し、アングルを変えると顔や衣装が破綻するのが難点でした。しかしPixelDanceは、異なるカメラアングル間でもキャラクターの顔立ちやプロポーション、背景の一貫性を維持できます。UIのスライダーを触らず、テキスト指示だけで360度パンやズームを指示できる点も強みです。

一方のSeaweedは背景描写と長尺化に特化しており、単体で30秒、最大で約2分間破綻のない動画を生成できます。

なぜ重要か

クリエイターにとって、カットが切り替わっても破綻しないマルチショット機能は、待望の進化です。単発の映像素材ではなく、本格的な絵コンテやショートドラマの制作パイプラインに直結するため、実用性が一気に高まります。

業界全体を見渡すと、Soraの不在を突いた中国勢の勢いが際立っています。快手のKling（快手可霊）はすでに260万人以上のユーザーを集め、2700万本以上の動画を生み出しました。Pikaも1.5を投入して話題を作るなか、ByteDanceが商用レベルのカメラ制御を持ち込んできました。

私たちは、ByteDanceが単なる派手さではなく「映像制作の実務上のペイン」を的確に突いてきた点を高く評価しています。テキストだけでカメラワークを完結させる設計は非常に合理的です。

懸念されるのはやはり地政学リスクです。TikTokをめぐる対立が続くなか、この強力な技術が欧米の一般クリエイターにスムーズに開放されるかは不透明で、優れた技術が政治の壁に阻まれるリスクを抱えています。