Google Vertex AI、音楽生成モデル「Lyria」を追加　Veo 2の編集機能も強化

AIで動画広告を1本作ろうとすると、画像生成、動画化、音声合成、BGM生成で別々のツールを行き来するのが日常茶飯事でした。

Google Cloudは4月9日、テキストから音楽を生成するAIモデル「Lyria」をVertex AIにホワイトリスト制プレビューとして追加しました。これによりVertex AIは、動画、画像、音声、音楽の主要4モダリティを網羅する唯一のエンタープライズ向けクラウド基盤になりました。

メディア生成のラストピース

今回目玉となるLyriaは、プロンプトから高品質な楽曲を直接生成できるモデルです。マーケティング動画のBGMやポッドキャストのジングルなど、著作権フリー音源を探すコストと手間を削減する狙いがあります。

動画生成モデルのVeo 2にも実践的な編集機能が拡充されました。背景のロゴや不要な物体を自然に消去するインペインティング、横長動画を縦型ショート向けに拡張するアウトペインティング、さらに2つの映像素材の間を自動で補間して滑らかにつなぐ機能などがプレビュー提供されます。

音声モデルChirp 3には、わずか10秒の音声サンプルから話者の声を複製できるインスタントカスタムボイス機能と、複数人の発言者を識別する文字起こし機能が加わりました。画像モデルのImagen 3も消去や修復の精度が向上しています。

企業利用を意識し、生成物には電子透かし技術SynthIDが埋め込まれるほか、顧客データを学習に利用しない方針や著作権侵害補償も明記されています。すでにWPPやロレアルなどが商用導入を進めています。

なぜ重要か

クリエイティブ制作を抱える企業にとって、映像、ナレーション、BGMまでを1つのクラウド基盤と契約で完結できる価値は非常に大きいです。複数ベンダーのAPIを個別に契約し、法務チェックを重ねる負担を一掃できます。

ただし、今すぐ誰でも自由に使えるわけではありません。LyriaやVeo 2の編集機能、Chirp 3の音声クローンは依然として利用申請が必要なホワイトリスト制です。特に10秒での音声複製は悪用リスクが高いため、実務導入には厳格な社内統制が求められます。

今回の動きは、単一のモデル性能で競うのではなく、全方位のメディア生成を業務インフラとして束ねる賢い戦略だと私たちは考えます。単一モダリティに特化しているAIスタートアップ各社は、独自の強みを研ぎ澄ますか、プラットフォーマーとの連携を模索せざるを得なくなりそうです。