YouTube、Shortsに生成AIツール導入：Veo 3 Fastで音声付き動画を生成

動画編集アプリを開いて、真っ白なタイムラインを前に手が止まる。ショート動画を作ろうとした人なら誰もが経験するこの壁を、YouTube は AI で丸ごと崩しにかかりました。

9 月 16 日に開催されたイベント「Made on YouTube」で、Shorts 向けの生成 AI ツール群が一挙に発表されました。目玉は Google DeepMind と連携した動画生成モデル「Veo 3 Fast」の搭載です。モバイルの Shorts 作成画面に無料で組み込まれ、スマートフォンから直接利用できます。

カメラロールの素材から下書きを自動生成

とりわけ実用性が高そうなのが「Edit with AI」です。

スマートフォンに撮りためた動画素材を放り込むだけで、AI が見どころを自動で選び出し、並べ替え、トランジションや BGM を付与して初稿を作ってくれます。さらに画面の出来事に反応するナレーション音声まで英語またはヒンディ語で自動生成してくれます。Shorts と YouTube Create アプリで試験提供が始まっており、数週間以内に提供地域を広げる予定です。

もう一つのユニークな機能が「Speech to Song」です。他人の動画で印象的なセリフやフレーズを見つけたら、それを素材にしてオリジナルの楽曲トラックへ変換できます。DeepMind の音楽モデル「Lyria 2」を活用しており、「チル」「ダンサブル」「楽しい」といった雰囲気を指定してビートを作れます。元の動画クリエイターへのクレジット表記も自動で行われます。

480p に抑えてスピードと音声を優先

Veo 3 Fast は、あえて解像度を 480p に抑えています。高精細さよりも待ち時間の短さを重視した設計で、今回初めて音声付きの動画クリップを一発生成できるようになりました。まずは米国、英国、カナダ、オーストラリア、ニュージーランドで順次提供が始まっています。

TechCrunch によると、今後数か月以内にはさらに高度な機能もテストされる予定です。動画内のダンスなどの動きを静止画の人物に移植するモーション転送機能や、テキスト指示で小道具を追加する機能、ポップアート風や折り紙風へのスタイル変換機能などが控えています。生成物にはすべて DeepMind の電子透かし「SynthID」と AI 生成ラベルが付与されます。

なぜ重要か

今回の YouTube のアプローチは、極めて現実的で賢い判断だと私たちは考えます。スマートフォンで消費される縦型ショートにおいて、4K の美麗な映像を何分も待って出力する価値は薄く、480p でも音付きですぐ仕上がるほうが圧倒的に使い勝手が良いからです。

特に「Edit with AI」は、動画制作で最も心理的ハードルが高いゼロからイチの作業を肩代わりしてくれます。素材を撮ったものの編集が面倒で放置していた一般ユーザーを、一気に発信者へと引き上げる力があります。

業界全体で見れば、TikTok とのクリエイター囲い込み競争は新たな局面に入りました。単なるエフェクト機能の追加にとどまらず、他人の動画の音声をサンプリングして楽曲化するような、バイラル文化の根幹に生成 AI を深く組み込んできた点は強力です。一方で、ボタン一つで粗製乱造された似たような動画がタイムラインに溢れかえったとき、ユーザーの飽きをどう防ぐのかという課題は残されています。