OpenAIがコンスタントにバイラルヒットを生み出していることは否定できない。
新たな人工知能システム「Sora」の登場は、現代のコンテンツ制作方法に根本的な変化をもたらす兆しとなっている。
OpenAIによると、Soraはテキストプロンプトから最長1分間の動画を生成できるだけでなく、静止画から動画を生成したり、既存の動画を拡張したり、欠落したフレームを生成して動画のギャップを埋めたりすることも可能です。
このモデルは現在クローズドベータ版ですが、国内外のソーシャルメディアや公式サンプルでの反応を見ると、Soraが生成した動画は品質と信頼性の両面で先行モデルを凌駕しており、次世代のChatGPTとなる可能性を秘めていることが分かります。
確かに一部には誇大宣伝も見られますが、Soraの爆発的な人気は、情報革命以来の第四次大技術革命への幅広い熱意から生まれていることは否定できません。「マルチモーダルな真のAI」の進化における新たなマイルストーンは、2024年初頭に訪れるでしょう。
現実と仮想の境界が曖昧になった
Soraとその技術レポートの公開後、OpenAIが制作した60秒間の高解像度、マルチアングル、高品質ビデオが国内外のソーシャルメディアで話題となりました。
Soraの魔法は、AIが生成したビデオがこれほどリアルになり得ることを初めて示しました。
ご存知のとおり、2023 年の AI ビデオ生成は次のようなものになるでしょう。
わずか数ヶ月で、テキスト生成動画の技術は5秒から60秒へと飛躍的に進化し、アニメからドキュメンタリー並みのクオリティまで、誰もが汗だくになる偉業を成し遂げました。
リアルな映像と「未来が来た」というソーシャルメディアでのバイラルマーケティングキャンペーンにより、Soraは2024年初頭に最も革新的なAI製品となり、ほぼ同時期にリリースされたGemini 1.5を凌駕しました。一時期、Soraはエンターテインメント分野とテクノロジー分野の両分野を席巻しました。
1年前、ウィル・スミスが麺を食べるAI生成動画が話題となり、Twitterだけで800万回以上の再生回数を記録しました。
Soraが話題になった1年後、ウィル・スミスは自身のInstagramアカウントに「これは制御不能だ」というキャプションを添えた動画を投稿しました。
ご覧の通り、動画は2つのセクションに分かれています。上半分は1年前のAI動画、下半分は現在のAI動画です。
ウィル・スミスがミームを再生していただけで、動画の後半部分はAI生成ではなくスミス自身が撮影したものだったことがすぐに判明しましたが、それでも多くのネットユーザーは不満を漏らしました。「一番不気味なのは、演技なのかAI生成なのか見分けがつかないことだ」
これはまた、ソラの登場によって、動画生成AIは本物と見分けがつかないと人々が信じるようになったことを間接的に証明しており、AIが動画編集に取って代わる時代が来たことを示しています。ソラが公開した別のデモ動画では、キャラクターが食べる際の噛みつき、ハンバーガーの傷や歯形など、すべてがリアルで、1年前にスミスが麺を食べる際の恐ろしい効果とは全く異なります。
しかし、どんなに優れたビデオ生成技術でも、欠点を見つける人は必ず存在します。映画・テレビ業界の多くの専門家は、Soraのデモビデオを分析した後、Soraは画質、ディテール、照明、色彩の点で優れているものの、カメラアングルやより詳細なコンテンツの制御がまだ不足しているため、直接的な映画・テレビ番組制作にはまだ適していないと述べています。
その好例が、トレッドミルで逆走する人のビデオです。Soraは明らかに運動の法則を理解していません。
もう一つの証拠は、四つ足のアリです。ソラは「アリ」という言葉がどのようなイメージを表しているかは知っていますが、アリの全体像を理解するのはまだ不十分です。
Soraはまだ完璧ではありませんが、その生成結果はすでに十分に印象的で、業界関係者の間では、コンセプトデザインなどの映画やテレビのプリプロダクションに活用できると広く信じられています。
さらに、OpenAIはSoraの欠陥を積極的に改善することに尽力しており、AI音声クローンのスタートアップ企業ElevenLabsは、Soraの動画における「音切れ」に関連する一連の問題に解決策を提供しています。現実と仮想世界の境界を打ち破るこの最初の試みを経て、Soraは映画・テレビ業界にさらなる革新と飛躍をもたらす準備が整っています。