Luma AIが「Dream Machine 1.5」公開：動画内テキスト描画に対応

AI動画生成モデルにとって、映像の中にまともな文字を描き出すことは、長らく極めて困難な課題でした。

米サンフランシスコを拠点とする新興企業のLuma AIは、動画生成AIモデルの最新版「Dream Machine 1.5」を公開しました。初代モデルの提供開始から、わずか2カ月というハイペースでのアップデートとなります。

今回の進化における最大のトピックは、映像内における自由なテキスト描画への対応です。

文字化けを克服し、多言語プロンプトにも対応

Luma AIによると、バージョン1.5では動画のリアリズム、カメラや被写体のモーション追従性、プロンプトの理解力が向上したほか、画像から動画を生成する機能も強化されました。

従来のAI動画では文字が歪んだり崩れたりするのが常でしたが、今回のモデルでは綺麗なロゴやタイトルの配置が可能です。先行アクセスを得たユーザーの@aziz4ai氏がX上で公開した作例では、虹色に輝く3Dの液体が滑らかに集まり、鮮明な「LUMA」の文字を形成する様子が示されています。

非英語圏のプロンプト処理も進化しました。同氏がアラビア語で「まな板の上で肉を切る男性の映像から、切り身が映画風に『毎日調理』というアラビア文字へと変化する」という指示を出したところ、実写風の質感と文字が見事に調和した動画が生成されました。

生成速度も改善されており、5秒間の高品質な動画をおよそ2分で出力できます。アイデアを素早く検証したいクリエイターにとって実用的な速度です。

一般公開の手数で先行するLuma

動画生成AI市場では、各社の公開方針の違いが鮮明になっています。

技術力で注目を集めた米OpenAIのSoraは、現在も一部のパートナーに限定されたクローズドベータのままです。中国のKuaishouが手掛けるKlingが約1カ月前に一般公開されて勢いを増していますが、Lumaはより早い段階から一般ユーザーに開放してきました。

世界中のユーザーから集まる多種多様なプロンプトや失敗データを取り込むことで、2カ月という短期間で的確な機能強化を実現した格好です。一方で、精巧な動画が誰でも作れるようになるにつれ、ディープフェイクや誤情報の拡散といった懸念も一段と強まっています。Lumaはこの倫理的課題に対する具体的な方針をまだ明確に示していません。

なぜ重要か

映像の中に破綻のない文字を直接描き込めるようになったことは、AI動画が実験室の技術から実務ツールへステップアップしたことを意味すると考えられます。

モーショングラフィックスやタイトル動画、SNS向け広告を制作するクリエイターであれば、今すぐ試す価値が十分にあります。3Dソフトで時間をかけてレンダリングしていたロゴアニメーションの下書きが、わずか数分で手に入るからです。

業界全体にとっても、Lumaのようなスピード感を持った公開開発は強力なプレッシャーになります。どんなに優れた基盤モデルであっても、非公開のままでは現場の細かいペインを拾えません。オープンに提供して実データで鍛える手法の強さが、今回のアップデートで証明されたと言えます。

ただし、精度の高い文字合成とリアルな映像が合わさることで、本物と見分けがつかない偽のニュース映像や偽看板を捏造するハードルは一気に下がりました。透明性や悪用防止の仕組みを早期に整えられなければ、便利さと引き換えに社会的批判を受けるリスクを抱え続けることになります。