InVideoがv3.0を発表：テキスト指示だけで長尺動画を生成可能に

これまで動画編集アプリのAI機能といえば、ストック動画をつなぎ合わせて機械音声を乗せるだけのものが大半でした。そうした状況を変えようと、インド発の動画編集プラットフォームInVideoが新たな一歩を踏み出しました。

Tiger GlobalやPeak XVから出資を受ける同社は、プロンプトから動画をゼロから生成できる「InVideo v3.0」をリリースしました。

ストック素材のパッチワークから脱却

InVideo v3.0では、テキストプロンプトを入力するだけで、実写風、アニメーション、日本のアニメ調など多彩なスタイルの映像を生成できます。書き出し形式もYouTube、ShortsやReels、LinkedIn向けに最適化されています。

生成された動画の特定部分に対して、プロンプトで追加や修正を指示できる編集機能も備えています。

同社は独自の大規模モデルを自社開発したわけではありません。複数の異なるモデルを組み合わせたパイプラインを構築し、プロンプトの解釈と映像生成を行っています。共同創業者兼CEOのSanket Shah氏によると動画の長さに理論上の上限はないものの、クレジット制となっており無料枠は用意されていません。

1分あたり8ドルの生成コスト

高度な生成機能を維持するため、InVideoは月額120ドルの「Generative Plan」を新設しました。このプランで生成できるのは月に15分間のみで、追加の生成時間は1分あたり8ドルから10ドルかかります。

品質面にもまだ課題が残っています。同社の公式サイトに掲載されているサンプル動画を見ると、映像の途中で画風やクオリティが急激に変化する場面が見受けられます。同社は今後精度を改善していくとしています。

とはいえ事業の足元は堅調です。月間アクティブユーザーは400万人、直近30日間で700万本の動画が生成され、今年の売上高は5000万ドルに達する見込みです。2021年に調達した3500万ドルのうち2500万ドルが手元に残っており、Shah氏は資金をほとんど燃やしていないと語っています。

なぜ重要か

個人クリエイターや中小企業にとって、テキストから長尺動画を作れる仕組みは魅力的ですが、現状の価格設定は大きなハードルです。1分あたり8ドル以上かかるとなると、生成AI特有の試行錯誤を繰り返すコストが重すぎます。

CaptionsやD-ID、Lightricksといった競合が広告代理店や営業部門を狙うなか、InVideoが個人や小規模ビジネス向けにシンプルな操作性を追求する姿勢は賢明といえます。

しかし、他社モデルをパイプラインで束ねる構成には懸念も残ります。モデルの一貫性を自社で制御しにくいため映像の途中でトーンが変わってしまい、推論コストの上昇がそのままユーザー負担に跳ね返ります。品質の安定とコスト低減が進まない限り、一般ユーザーが日常の制作フローに組み込むのはまだ先になりそうです。