動画編集アプリ Captions、縦型トーク動画に演出や効果音を自動付与する「AI Edit」公開

動画編集で最も時間のかかる作業の一つが、テロップやズーム、効果音、BGMのタイミング調整です。

米ベンチャーキャピタルのa16z、Sequoia Capital、Kleiner Perkinsから出資を受ける動画編集アプリCaptionsは、6月26日、未編集の動画に演出を自動で施す「AI edit」機能を公開しました。

この機能は、撮影した生の動画を取り込むだけで、発言内容を解析してグラフィック、カメラのズーム、BGM、効果音、トランジション、動く背景などを自動で付与します。

現在のところ、対象となる動画は縦型で、画面内に1人だけが話しているトーキングヘッド形式に限定されています。

カメラの前に立たずに動画を作る仕組み

自分で話すのが苦手な場合でも、このアプリ内で完結する仕組みが用意されています。Captionsが提供するAIアバターを使い、短いプロンプトを入力して人物のトーク動画を生成し、それを新機能のAI editにかけることで、数分で演出済みの動画が完成します。

2021年にSnapを離れて同社を共同創業したCEOのGaurav Misra氏は、撮影を支援するカメラ機能、手動動画のAI補正機能、そして撮影そのものを不要にする生成機能という3つの段階を提供したいと説明しています。

現在アプリ内には12種類のAIキャラクターが用意されており、今後は毎週3から4種類を追加していく予定です。将来的にはユーザー自身がアバターを作成できるようにするほか、2体のアバターを掛け合わせる対話機能も計画しています。

スマホ完結で既存プレイヤーに対抗

AIアバターを活用した動画作成ではSynthesiaやD-IDが先行しており、TikTokも今月、広告向けのAIアバター機能をクリエイターに開放しました。Misra氏は、Captionsの強みは映像のクオリティが高く、すべての制作工程がスマートフォン上で完結する点にあると主張しています。

一方で、誰でも簡単に動画を大量生産できるようになることで、SNS上に質の低いコンテンツが氾濫し、丁寧に動画を作っている人間のクリエイターが埋もれてしまう懸念も指摘されています。これに対しMisra氏は、DTMによって誰もが音楽を作れるようになったのと同様に、最終的には独自のメッセージ性を持つ動画だけが生き残ると述べています。

なぜ重要か

SNS運用や営業活動で日常的に動画発信を迫られている個人事業主やマーケターにとって、編集の外注費や学習コストをゼロにできるメリットは非常に大きいです。話したい内容さえあれば、スマホ1台で即座にそれらしい動画が仕上がります。

しかし、ワンタップで誰でも同じようなズーム演出や効果音をつけられるようになれば、視聴者側がテンプレ感に飽きるスピードも早くなるはずです。手軽に作ったコンテンツが本当にエンゲージメントを獲得できるかは未知数といえます。

それでもCaptionsのアプローチが巧みなのは、PCブラウザ前提の企業向けツールではなく、スマホネイティブの操作感に特化してモバイルクリエイターを取り込みにいっている点です。生成から編集までを一気通貫で提供するスタイルは、競合にとっても脅威になりそうです。