Google Flowがストリートビューと連携、実在の場所から動画生成

これまで生成AIに街並みの動画を作らせると、たいていはどこかで見たような架空の都市が出力されていました。建物はニューヨーク風でもありロンドン風でもあり、標識の文字は崩れ、現実味に欠けるのが当たり前でした。

Googleは制作ツール「Google Flow」に向け、地図画像のグラウンディング機能（Maps Imagery Grounding）を提供開始しました。Googleマップのストリートビューデータを、生成モデルの参照元として直接つなぎ込んだ形です。

これにより、プロンプトで実在の場所を指定するだけで、現実世界のディテールを反映した画像や動画を生成できるようになりました。

プロンプトに実在の座標を与える

使い方はいたってシンプルです。Google Flowで新規プロジェクトを立ち上げ、プロンプトの中に実在する特定の場所やランドマークの名前を書き込むだけです。

ツール内のAgentが該当するストリートビューの画像を自動的に参照し、現実の建物配置や街並みの質感を反映させながらシーンを組み上げます。

公式では具体的な活用例としていくつかのアイデアが提示されています。自作のキャラクターを特定の実在するストリートに配置したり、サンフランシスコのゴールデンゲートブリッジのような有名地標を別のタッチでスタイル化したり、景勝ルートの風景を再構成したりといった表現が可能です。

建物の形状や街路樹の並びを長文プロンプトで必死に説明しなくても、場所の名前を渡すだけで実世界の背景が手に入るようになったと言えます。

ただし制限もあり、現時点でこのストリートビュー連携が利用できるのは米国地域内の場所に限られています。

なぜ重要か

私たちは、このアップデートがAI動画生成を「何となくの風景」から「現実座標を持ったシーン」へ引き戻す大きな転換点になると考えています。

これまでの動画生成モデルは抽象的なファンタジーや一般的なコンセプトアートには強かったものの、映画のロケハンや地域広告、不動産関連のプリビズといった、実在の場所への忠実さが求められる現場では使い物になりませんでした。ストリートビューの裏付けが入ることで、プロの制作フローにも一歩近づいた印象です。

業界の視点で見ても、これはGoogleにしか切れない手堅いカードです。動画生成の解像度や動きの滑らかさを競う戦いは激化していますが、世界規模のストリートビューデータを自前で抱えている企業は他にありません。自社が持つ独自のアセットを生成AIの足場にした点は非常に巧みです。

一方で、ストリートビューには個人の住宅や通行人、車のナンバーといったプライバシー情報が写り込んでいます。生成時にそれらをどう適切に処理しているのか、また米国以外のエリアへいつ展開されるのかについては、今後の動向を注意して見ていく必要があります。