Lumaが制作特化AI「Luma Agents」発表：自社モデルUni-1と外部AIを連携

これまで生成AIで広告キャンペーン全体を作ろうとすると、ブラウザのタブを何十個も行き来する羽目になっていました。テキスト生成AIで構成案を練り、画像AIで絵コンテを起こし、動画AIで映像を回し、音声AIでナレーションをつけるという分断された作業です。

クライアントから少し修正が入るだけで、この細切れのワークフローは一からやり直しになります。動画生成スタートアップのLumaが発表した「Luma Agents」は、まさにこの制作の断絶を解消するために設計されたエージェントプラットフォームです。

コーディングエージェントの推敲ループを映像へ

基盤となるのは、Lumaが新開発した「Unified Intelligence（統合知能）」モデル群の初号機「Uni-1」です。言語、画像、動画、音声、そして空間認識を単一のマルチモーダル推論システムとして同時に学習させています。

同社CEOのAmit Jain氏はこれを「ピクセルの中の知能」と表現しています。建築家が線を引く際に頭の中で空間構造や光の入り方をシミュレーションするように、言葉で思考しながら直接ビジュアルを描き出す仕組みです。

最大の特徴は、制作フローの進め方にあります。従来のツールのようにプロンプトを何度も細かく打ち直す必要はなく、システムが大量のバリエーションを提示し、ユーザーは対話を通じて方向性を指示します。

さらに、優れたプログラミング支援エージェントと同様に、自己評価と修正のループを備えています。AI自身が出力物の破綻や矛盾をチェックし、品質基準に達するまで自律的に修正を繰り返します。

加えて、外部モデルとの協調機能も備えています。自社のRay 3.14だけでなく、GoogleのVeo 3やNano Banana Pro、ByteDanceのSeedream、ElevenLabsの音声モデルを用途に応じて呼び出し、適材適所で指揮を執ります。

1500万ドルの広告案件を40時間・2万ドルで展開

デモでは、200文字の指示書と1本の口紅の写真を入力するだけで、ロケーションやモデル選定、配色計画を含む包括的な広告アイデア群が瞬時に生成されました。

あるブランドの実例では、従来なら1年がかりで1500万ドルを投じていた大規模キャンペーンを、Luma Agentsを使って40時間、費用2万ドル未満で世界各国向けのローカライズ広告へと作り変えたといいます。納品物はブランド側の厳格な品質検査もクリアしました。

現在、世界的な大手広告代理店のPublicis GroupeやServiceplanをはじめ、アディダス、マツダ、サウジアラビアのAI企業Humainなどがすでに導入を進めています。一般向けにはAPI経由で段階的な提供が始まっています。

なぜ重要か

Lumaのアプローチで極めて巧みなのは、動画単体の生成クオリティを競い合う消耗戦から抜け出し、制作工程全体を統括する指揮官のポジションを取りに行った点です。

競合であるはずのGoogle Veo 3やByteDanceのSeedreamを自社エージェントの手足として組み込むことで、下層の個別モデルがどう進化しても自社のプラットフォーム価値が落ちない構造を作りました。

広告業界や制作スタジオ、マーケティング担当者にとって、生成AI導入の最大の壁は「アセット間の一貫性のなさ」でした。自己修正ループを持ち、文脈を維持したまま画像・動画・音声をまとめて仕上げてくれる存在は、単なる便利ツールを超えて業務プロセスそのものを刷新する可能性を秘めています。

もっとも、複数の外部モデルを連動させる仕組みは、通信遅延やAPI障害といった連鎖的リスクを常に抱えています。デモ通りの高い整合性が、突発的なクライアントの要望や複雑な権利処理の現場でも破綻せずに維持できるかは今後の検証が必要です。

現時点ではエンタープライズ向けのAPI提供が中心ですが、個々のプロンプト職人から「制作エージェントのディレクター」へと人間の役割がシフトしていく未来を明確に示しています。