Pika、エージェント向けビデオ通話機能のβ版を公開　新モデル「PikaStream1.0」搭載

テキストのチャット画面に向かって話しかける体験が、大きく変わろうとしています。

Pika Labs は、あらゆる AI エージェントに組み込めるベータ版ビデオ通話スキルを公開しました。基盤には同社の新しいリアルタイムモデル「PikaStream1.0」が採用されています。

エージェントに顔と声を持たせる

この機能は、従来のテキスト主体のエージェントにリアルタイムの表情と音声を与えるものです。

Pika によると、会話を重ねてもエージェントの記憶や個性を維持したまま、リアルタイムに適応してやり取りを続けられます。

さらに自身の Pika AI Self と連携させれば、ビデオ通話の最中にエージェントとしてのタスクをその場で実行させることも可能だと説明されています。

なぜ重要か

動画生成の競争が単なるクリップ作成からリアルタイム対話インフラへとシフトしていることを示す、非常に巧みな一手だと考えられます。

開発者にとっては、これまで音声認識や表情アニメーションなどを自前で組み合わせる必要があったアバター対話機能を、既存のエージェントへ手軽にプラグインできる価値があります。

一方で、リアルタイムの映像通話は遅延や同期のズレに極めて敏感です。通話中に裏でタスクを走らせる仕組みを含め、通信環境や負荷がかかった際にどこまで破綻せずに滑らかさを保てるかが、今後の実用性を左右しそうです。