ByteDanceが「X-Portrait 2」発表：1枚の写真から映画の名演技を再現

1枚の顔写真と名作映画のワンシーンを用意するだけで、写真の中の人物がアカデミー賞俳優並みの迫真の演技を始める時代が来ました。

TikTokを運営するByteDanceは、静止画から極めてリアルな表情動画を生成するAIシステム「X-Portrait 2」を発表しました。公開されたデモでは、『シャイニング』『フェイス／オフ』『フェンス』といった映画の名場面を1枚の写真が再現し、本物の俳優さながらの怒りや恐怖、歓喜の表情を演じ分けています。

点をつなぐ方式を捨て、顔全体の筋肉の動きを捉える

従来の顔アニメーション技術は、目や口の周囲に数十箇所の追跡点を配置し、その座標の変化で皮膚を引っ張るように動かしていました。そのため、頭を大きく振ったり早口で喋ったりすると、途端に不自然な歪みが生じる弱点がありました。

X-Portrait 2はこの方式を根本から改めました。特徴点を追跡するのではなく、顔全体の微細な筋肉の連続的な動きそのものをAIが学習します。これにより、斜めのアングルや素早い発話でも違和感のない表情変化を保つことができます。

さらに実写写真だけでなく、アニメ調のイラストや油絵風の肖像画にも同様の表情を適用できる汎用性を備えています。

この驚異的な表現力を支えているのが、毎日10億本以上の動画が投稿されるTikTokの膨大なデータ資産です。多様な人種、表情、照明環境で撮影された生きたデータを学習できる環境は、競合他社には真似のできない大きな強みとなっています。

コードは非公開、海外研究拠点の拡大も進む

急速な技術進化の一方で、ByteDanceはX-Portrait 2のコードを一般公開せず、非公開のまま維持しています。米大統領選後における偽情報の拡散への懸念や、ディープフェイクへの批判を警戒した判断と見られます。

同時に同社はAI研究のグローバル展開を加速させています。スイス、英国、フランスなど欧州での研究開発拠点設立を模索しているほか、マレーシアに21億3000万ドル規模のAIセンターを計画し、清華大学との共同研究も進めています。

カナダ政府によるTikTok事業の停止命令など、欧米での規制圧力や、10月に発覚したインターンによるモデル学習妨害事件といった内部リスクを抱えながらも、技術投資の手を緩めていません。

なぜ重要か

OpenAIやAnthropicが大規模言語モデルを競うなか、ByteDanceは「カメラの前で人間がどう動くか」という自社独自の強みに集中しており、極めて賢い差別化を図っているように見えます。

エンタメやゲーム業界へのインパクトは計り知れません。従来、映画スタジオは数億円規模のモーションキャプチャ機材と数百人のアニメーターを投入してリアルな表情を作り出してきました。X-Portrait 2のような技術が実用化されれば、参考動画1本と写真1枚だけで同等以上の表情が作れるようになり、制作コストの大幅な圧縮につながります。

ただし、一般ユーザーが今すぐ自由に使えるわけではありません。偽動画リスクへの風当たりが強い今、完全なオープン化に踏み切らなかったのは賢明な判断と言えます。当面はCapCutやTikTokの公式エフェクト、あるいは厳格に管理されたAPIとして展開される可能性が高いと私たちは考えます。技術的な完成度が高い分だけ、今後はその悪用防止と権利保護が最大の課題になってくるはずです。