Googleが革新的な動画生成AI「Veo」を発表、高品質な動画がテキスト入力だけで生成可能に

Googleは2024年5月14日（現地時間）に、新しいテキストからの動画生成AIモデル「Veo」を発表した。1080pの高解像度動画であっても1分を超えるクオリティの高い動画を、テキストによるプロンプト入力から生成できる。

＜本ニュースの10秒要約＞

• 1080pの高解像度で、かつ1分を超えるクオリティの高い動画生成が可能
• テキストプロンプトを入力するだけで、映画のようなさまざまな映像効果が自動生成される
• プロのクリエイターから一般人まで、だれでも手軽に高品質な動画制作ができるように

Veoの優れた動画生成能力

Googleが発表したVeoは、同社最高の動画生成モデルだ。1080pのハイレゾリューション、かつ1分を超える長さの高品質動画をテキストプロンプトから生成できる。テイストや演出指示に合わせて、正確に映像が作られる。ストーリーのつながりを持った動画も生成可能だ。

また、マスク編集機能も提供されており、動画の特定箇所を変更することなどもできる。

言語・映像の理解力によるクリエイティブコントロール

自然言語処理と映像理解の高度な技術により、Veoはプロンプトの微妙なニュアンスを捉えて映像化する。単なる文字列からではなく、言葉の含意をしっかりと読み解いているため、細かな指示に沿った動画生成が可能になっている。視点移動やマスク編集も対応している。

以下は実際にVeoで生成された動画としてGoogleが公開している動画だ。

一貫性のある動画生成が可能

従来の動画生成AIでは、フレーム間で物体や背景が変わってしまうことがあった。Veoでは最新の潜在拡散トランスフォーマー技術の採用により、そうした不自然さが大幅に低減されている。一貫したキャラクター、オブジェクト、スタイルを維持しながらの動画生成が実現されている。

倫理的で説明責任のあるAIとしての設計

Googleは、Veoの開発に当たり、プライバシー、著作権、バイアスへの配慮など、倫理的側面にも十分注意を払っているとしている。生成動画にはウォーターマークを付与し、安全性を高めるフィルタリング処理も施している。今後はクリエイターとの協業を重ねながら、より良いAI制作ツールへと発展させていく方針だ。

尚、今後数週間以内に機能の一部がVideoFXを通して公開されるとのことだ。また、YouTubeショート等の製品にも導入するとしている。

参照元：Google DeepMind

生成AI（ジェネレーティブAI）について詳しく知りたい方はこちらの記事もご参考ください。