テキストを入力するだけでリアルな動(dòng)畫(huà)を生成してくれる。動(dòng)畫(huà)生成大規(guī)模AI（人工知能）モデル「Sora」が今年初め、世界のAI業(yè)界の內(nèi)外から広く注目された。27日、2024中関村フォーラム年次総會(huì)で、中國(guó)が獨(dú)自に開(kāi)発した「長(zhǎng)時(shí)間?高一貫性?高ダイナミクス」という特徴を持つ動(dòng)畫(huà)生成大規(guī)模AIモデル「Vidu」が初発表された。新華社が伝えた。

會(huì)場(chǎng)で明らかになったところによると、この動(dòng)畫(huà)生成大規(guī)模AIモデルは清華大學(xué)と北京生數(shù)科技有限公司（生數(shù)科技）が研究開(kāi)発したもので、テキストの記述に基づき、最長(zhǎng)16秒で解像度1080pの高畫(huà)質(zhì)動(dòng)畫(huà)コンテンツを直接生成できる?，F(xiàn)実の物理世界をシミュレーションできる上、豊富な想像力も合わせ持つ。

清華大學(xué)人工知能研究院副院長(zhǎng)で、生數(shù)科技の首席科學(xué)者の朱軍氏は、「中國(guó)の動(dòng)畫(huà)生成大規(guī)模AIモデルの動(dòng)畫(huà)の長(zhǎng)さは約4秒が大半だが、Viduは1度に16秒の動(dòng)畫(huà)を生成できる。また動(dòng)畫(huà)はなめらかさを維持し、カメラの移動(dòng)に伴い人物及びシーンが時(shí)間と空間の中で高い一貫性を保つことができる」と述べた。

ダイナミクスの面では、Viduは複雑な動(dòng)きのあるシーンを生成でき、単純にカメラを前後左右に動(dòng)かす固定的なアングルに限られず、1本の動(dòng)畫(huà)の中で、ロングショット、クローズショット、ミディアムショット、アップショットなど異なるアングルも切り替えられる。中には、長(zhǎng)回し、フォーカストラッキング、トランジションなどの効果も含まれる。

「Viduは実際の物理世界をシミュレーションし、細(xì)部が複雑で物理法則に合致するシーンを生成できる。例えば合理的な光と影の効果や、細(xì)やかな人物の表情などだ。さらには深みと複雑性を持つ超現(xiàn)実主義的な內(nèi)容も創(chuàng)出できる」。朱氏は、「『ワンステップ』の生成方法を採(cǎi)用しているため、動(dòng)畫(huà)のシーンが最初から最後まで連続的に生成され、明らかなフレーム挿入が見(jiàn)られない」と説明した。

このほか、Viduはパンダやドラゴンなどの映像も生成できる。

Viduの技術(shù)のブレイクスルーは、チームの機(jī)械學(xué)習(xí)及びマルチモーダル大規(guī)模AIモデルの長(zhǎng)期的な蓄積によるものだ。その中核テクノロジーアーキテクチャはチームが早くも22年に打ち出すとともに、獨(dú)自の研究開(kāi)発を続けた。朱氏は、「汎用視覚モデルとしてのViduは今後、より多様で長(zhǎng)時(shí)間の動(dòng)畫(huà)コンテンツを生成し、異なる生成任務(wù)を模索する。そのフレキシブルなアーキテクチャはより多くのモーダルに対応し、マルチモーダル汎用能力の境界をさらに広げてくれると確信する」と述べた。（編集YF）

「人民網(wǎng)日本語(yǔ)版」2024年4月29日