見出し画像

Sora：前例のない精度の動画生成AIが世に及ぼす影響

Zun-Beho

オーストラリアのColdFusionというチャンネル登録者472万人のYoutuberの動画が、SoraとRunwat MLの比較やSoraの及ぼす影響についてよくまとまっていたので下記に紹介する動画の内容を深堀していきたいと思います。

では「見出し」、「動画の要約」、「追加考察」と言う構成で進めていきますね。


SoraとRunway ML(Gen-2)の比較

動画の要約

SoraとRunway MLの第2世代との間には、一貫性の面で顕著な違いがあります。従来のビデオAIシステムが進行するにつれて示す特徴的な形態変化とは異なり、Soraではこの問題が大幅に改善され、場合によっては完全に解消されています。物体は前景のものに隠されても、その安定性を保ちます。

さらに、Soraはカートゥーンや写真のような画像をアニメーション化し、異なるカメラアングルからの1つのシーンを生成する能力を持っています。この技術はOpenAIのGPT-3と同様の技術に基づいており、Googleのトランスフォーマーアーキテクチャの発明によってさらに推進されました。Soraの開発に至るまでのプロセスは、AI技術の進化とその応用範囲の拡大を示しています。

追加考察

  1. 生成技術の違い：
    Sora：「データ駆動型の物理エンジン」としての役割を果たし、物体の物理法則を計算しながら写真やビデオ（またはインタラクティブな3D世界）を生成できる能力を持っています。
    Runway ML：ビデオ編集の複雑さを抽象化し、プロフェッショナルレベルのビデオを簡単に作成できるようにするための、機械学習（ML）とアルゴリズムのパイプラインを使用しています。

  2. ユーザーインターフェース：
    Sora: テキストから直接動画を生成する能力に特化しており、ビデオ全体で一貫したストーリーラインを維持しつつ、高いビジュアル品質を保持することに重点を置いています。特にユーザーフレンドリーで直感的なインターフェースを持つことが強調されており、少ない労力で高品質な動画を生成できる点が特徴です。
    Runway ML: 多様なツールとオプションを提供することで知られており、より技術的な知識を持つユーザーや実験的なプロジェクトに適しています。基本的な編集から高度なポストプロセッシングまで、多くのタスクを自動化するさまざまなビデオエディターツールが用意されており、ファイル管理、ウェブベースのコラボレーション、ハードウェアの制約を超えたアクセシビリティの向上など、AI駆動のツールを提供しています​​。

  3. 方向性の違い：
    Sora：高度なシミュレーション能力とデータ駆動型の物理エンジンに焦点を当てています。
    Runway ML：ビデオ編集プロセスの自動化とアクセシビリティの向上に重点を置いています。

  4. Ranwayの生き残る道：
    両者は異なる目的とユーザー層を対象にしているため、それぞれが独自の進化を遂げることが予想されます。
    Runway MLがSoraのAPIを組み込んで編集プラットフォームとして機能させることは、技術的な統合と市場での立ち位置を強化する有効な戦略になり得ます。これにより、Runway MLはSoraの先進的なビデオ生成能力を活用しつつ、自身のビデオ編集とプロセス自動化の強みを生かすことができるでしょう。その結果、より幅広いクリエイティブなニーズに応える統合されたプラットフォームが提供される可能性があります。

Soraが一般公開されたらビデオグラファーの仕事を奪うのか

動画の要約

Soraのようなツールが普及した場合、ビデオグラファーの需要に変化が生じるかもしれませんが、彼らの役割が完全に置き換えられるわけではありません。特定のイベントや人物を撮影する場合など、人間のビデオグラファーの必要性は依然として高いままです。しかし、ストック映像の作成など、より一般的な用途でAIの使用が増えることで、ビデオ制作の下層部分に影響が出る可能性があります。既に、グラフィックアーティスト業界でMid Journeyのようなツールが与える影響の兆候が見られます。AIによる映像の大量生産が「AI疲れ」という現象を引き起こし、クリエイティブな作品の価値を低下させる可能性があります。

追加考察

Soraが一般公開された場合、特定の種類のビデオグラファーとして契約することは可能性があります。AIのトレーニングには大量のデータが必要であり、高品質で多様なビデオコンテンツを提供できるビデオグラファーのスキルと経験は価値があります。特に、特定のシナリオや独自の映像スタイルを持つコンテンツは、AIの学習と進化において重要な役割を果たす可能性があります。

「ディープフェイク」に対抗する手段はあるのか？

動画の要約

Soraのようなツールによるビデオ作成が容易になる一方で、メディアの真実性や信頼性に対する挑戦も予想されます。ウェブサイトやアプリが誰でもフォトリアルなビデオを生成できるようになれば、悪意ある使用が増加する可能性があります。ディープフェイクに対抗するには、単なるウォーターマークでは不十分です。BBC、マイクロソフト、アドビなどが開発に携わったC2PA標準のような、メディアの起源を検証するメタデータを埋め込む技術が有効です。しかし、メタデータを簡単に削除できる問題や、AIによるビデオの自動検出の必要性があります。TikTokがAI生成ビデオに警告を発するような取り組みは良い一歩ですが、すべてのソーシャルメディアプラットフォームでの自動検出機能の組み込みが求められます。

追加考察

ディープフェイク技術の普及により、ネット上での「リアル」と「フェイク」の区別が難しくなっています。特にSNSでは加工されたセルフィーが一般的で、「加工迄がメイク」という考え方も浸透しています。これからは、見えるもの全てを疑い、製作意図を見極める能力が重要になるでしょう。リアルなコンテンツを判断するには、製作意図のないものを理解し、批判的に考える力が必要です。この新しい時代の教育では、デジタルコンテンツの背後にある意図を読み解くスキルが求められます。

この記事が気に入ったらサポートをしてみませんか？