Google、新AIモデルを広告やYouTubeクリエイター支援に導入へ
米CNBCによると、Googleは最新LLM「PaLM 2」を広告システムやYouTubeのクリエイター支援に導入する計画を進めている。広告主向けの素材自動生成や、動画の企画・タイトル提案を担う。広告収益の伸び悩みを背景に、生成AIを主力事業の収益改善につなげる狙いだ。
AI動画
新しいニュースを見る
Stability AIが「Stable Animation SDK」公開、テキストや動画からアニメ生成
Stability AIは開発者向けに「Stable Animation SDK」をリリースした。Stable Diffusionモデルを活用し、テキストプロンプト、参照画像、元動画の3つの方法でアニメーションを生成できる。開発者は提供されるエンドポイントを通じて、自社アプリや制作ワークフローに動画生成機能を組み込める。
MetaがImageBindをオープンソース化：視覚・音声・動作など6つのデータを統合
Metaはテキスト、音声、画像・動画、赤外線熱画像、深度、IMUセンサーの動作データという6種類のデータを1つの埋め込み空間に統合する研究モデル「ImageBind」をオープンソース公開した。多角的な感覚データを横断処理できるのが特徴だが、現時点では研究段階であり実製品への即時適用はない。
ハリウッド脚本家がストライキ：AIの安価な下請け化に反発
2023年5月、全米脚本家組合（WGA）は制作会社側との交渉が決裂しストライキに突入した。脚本家側はAIによる脚本執筆や過去作品での学習禁止を求めたが、制作側は年1回の会合提案で拒絶した。真の懸念は、制作側がAI生成の初稿を人間に安価で書き直させるリスクにある。
米Google、AIによる広告自動生成を導入へ 英紙報道
米Googleが広告プラットフォーム「Performance Max」に生成AIを組み込む計画を進めていると、英Financial Timesが報じた。素材を渡すだけでAIがターゲットに最適な広告を自動作成する。誤情報の拡散も懸念されるが、同社は安全策を講じる方針だ。
Amazon、Prime Videoに「Dialogue Boost」提供 AIで台詞を聞き取りやすく
米AmazonはPrime Video向けの新機能「Dialogue Boost」を発表した。AIが背景音やBGMの中から音声を識別してセリフのみを強調するため、専用スピーカーがなくても聞き取りやすくなる。まずは一部のオリジナル作品で提供される。
Synthesis AI、テキストから高品質な3Dデジタルヒューマンを生成する技術を発表
Synthesis AIは、オンラインプラットフォーム「synthesis labs」にて、テキストプロンプトから高解像度の3Dデジタルヒューマンを生成する新技術を発表しました。年齢や服装などを指定して映画品質のモデルを即座に作成でき、スライダーによる表情や照明の微調整にも対応。ゲーム制作やAI学習用データのコスト削減につながります。
Adobe、生成AI「Firefly」を動画・音声編集ツールへ展開 テキスト入力でカラー調整や絵コンテ生成
Adobeは生成AI「Firefly」をCreative Cloudの動画・音声ツールに導入すると発表した。完全な動画生成にはまだ対応しないものの、言葉で指示するだけのカラーグレーディングや効果音生成、脚本からの絵コンテ自動作成などをサポートする。
Premiere Proに「テキストベース編集」登場：文字をコピペして動画を粗編集
Adobeは「Premiere Pro」にAdobe Sensei搭載の「テキストベース編集」を導入すると発表した。動画素材を自動で文字起こしし、テキストを検索やコピペするだけでタイムラインの映像が連動して切り取られる。パブリックベータ版で提供され、5月に正式提供予定だ。
Apple、AI動画圧縮のWaveOneを買収：動画サイズを最大半減
TechCrunch によると、Apple が AI を活用した動画圧縮技術を開発するスタートアップ WaveOne を静かに買収したことが判明した。同社技術は AI で映像内容を認識し、顔などの重要領域を優先することでデータ量を最大半減させる。Apple TV+ などの配信コスト削減や画質向上につながるとみられる。
Wonder Dynamics、ブラウザ上で実写をCGキャラに置き換える「Wonder Studio」発表
米Wonder DynamicsはWebブラウザ上で動作するVFX制作ツール「Wonder Studio」を発表した。モーションキャプチャスーツや高価な機材を使わず、通常の単一カメラ映像から俳優を自動検出し、ライティングごとCGキャラへ置き換える。Blender用シーンやマスクデータなど専門素材も同時に出力可能だ。
マイクロソフト、画像認識モデル「Florence」をAzureでプレビュー提供 Redditが画像説明生成に採用
マイクロソフトはマルチモーダル視覚モデル「Florence」をAzure Cognitive ServicesのVision APIに統合しプレビュー公開した。Redditが視覚障害者向けの画像説明（alt text）自動生成や検索改善に採用。数十億の画像・テキスト対で学習され、背景除去や動画要約にも対応する。
TikTokの激変フィルター「Bold Glamour」が話題：手で遮っても崩れないAI補正
The Verge報道によると、TikTokの「Bold Glamour」フィルターが手で顔を覆っても歪まない驚異のリアルさで話題を呼んでいる。専門家はスマホ上で動くGANなどの生成AIによるものと推測するが、TikTok側は明言を避けている。違和感のない補正が容姿への不安を煽るとの懸念も出ている。
YouTube新CEO、生成AIツールの年内導入を予告：衣装や背景の仮想変更が可能に
YouTubeの新CEO Neal Mohan氏はクリエイター向け生成AIツールを開発中だと明かしました。AIによる衣装の仮想着せ替えや空想的な背景生成が可能になる見込みで、今後数カ月以内に提供予定です。責任ある安全策とともにクリエイター支援を進めます。
Runwayが動画生成AI「Gen-1」発表、撮影映像をテキスト指示でクレイアニメ調に
Runwayは既存の動画をテキストや画像プロンプトを使って別スタイルへ変換できるAIモデル「Gen-1」を発表した。日常の撮影映像をクレイアニメ調に変えたり、3Dモデルを完成シーンへとレンダリングしたりできる。現在は早期研究アクセスの申請を受け付けている。
Twitchで「となりのサインフェルド」をAIが無限生成、台詞も演出も全自動で1か月超配信
報道によると、Twitchの配信番組『Nothing, Forever』が1か月以上にわたりAI生成のシットコムを放送し続けている。GPT-3による会話生成や合成音声、自動カメラ割りで米名作コメディを再現。バグや不条理な展開も多いが、終わりのないエンタメ生成への野心的な試みとなっている。
映画『Here』でトム・ハンクスをリアルタイム若返り、AI企業Metaphysicが技術提供
AI企業のMetaphysicは、ロバート・ゼメキス監督の新作映画『Here』で、新ツール「Metaphysic Live」を用いてトム・ハンクスやロビン・ライトらの若返りや顔の差し替えを行うと発表した。撮影現場で追加の合成処理なしに高解像度の若返り映像をリアルタイム生成できるという。
ジミー・キンメル、Deepfakeで20年前の自分と対談
人気司会者のジミー・キンメルが自身の番組20周年特番で、Deepfake技術を使って2003年当時の若い自分と対談する演出を披露しました。過去の写真を俳優の映像に精巧に合成したもので、フェイク動画技術がテレビの娯楽演出として定着しつつあることを示しています。
OpenAIのアルトマンCEO、GPT-4への過度な期待に「失望することになる」と釘を刺す
OpenAIのサム・アルトマンCEOはインタビューで、次世代モデル「GPT-4」を巡る過熱報道に苦言を呈した。ネットで拡散された「100兆パラメータ」という噂を一蹴し、人々が期待するようなAGIはまだ存在しないと説明。安全性と責任が確認できた段階で公開する方針を示した。
Nvidia Broadcast 1.4提供開始：AIが目線をカメラ正面に自動補正
Nvidiaは「Nvidia Broadcast 1.4」にて、AIを活用した新機能「アイコンタクト」のベータ版を提供した。原稿や手元を見ていても、AIがカメラを直視しているような瞳をリアルタイムでシミュレーションする。視線を大きく外した場合は自動で解除される。RTXグラフィックスカード利用者が対象となる。