テキストを入力するか畫像をアップロードすると、すぐにリアルな動(dòng)畫が生成される。こんなことを可能にした中國(guó)獨(dú)自開(kāi)発の汎用動(dòng)畫生成大規(guī)模言語(yǔ)モデル（LLM）「Vidu」が、このほど全世界に向けてリリースされた。この動(dòng)畫生成LLMは、テキストから動(dòng)畫を生成する機(jī)能と畫像から動(dòng)畫を生成する機(jī)能の2つのコア機(jī)能を備え、動(dòng)畫は4秒または８秒の長(zhǎng)さを選択することができ、畫像の解像度は最高で1080pに達(dá)し、4秒の動(dòng)畫を生成するのに30秒しかかからない。新華社が伝えた。

テキストを入力して「Vidu」で生成した動(dòng)畫の畫面。（寫真提供は取材対象者）

Viduは清華大學(xué)が北京生數(shù)科技有限公司と共同で開(kāi)発したもので、今年4月に行われた2024年中関村フォーラム年次総會(huì)で初めて発表された。清華大學(xué)人工知能（AI）研究院副院長(zhǎng)で同公司首席サイエンティストの朱軍氏は、「Viduには、生成される動(dòng)畫の時(shí)間が長(zhǎng)く、高一貫性、高ダイナミクスという特徴が備わっており、テキストと畫像から高解像度の動(dòng)畫を生成することができ、高い流暢性と高ダイナミクスの畫像効果を維持することができる?，F(xiàn)時(shí)點(diǎn)で、Viduは1回あたり最長(zhǎng)32秒の動(dòng)畫を生成できる」と説明した。

また朱氏は、「Viduは実在の物理的世界をシミュレーションすることができ、細(xì)部にこだわり複雑かつ物理法則に合ったシーンを生成することもできる。たとえば合理的な光と影の効果、人物の細(xì)かい表情などを生成できるし、深みと複雑さを備えたシュールレアリスティックなコンテンツを生み出すこともできる。SF、西部劇、ロマンス、アニメなど複數(shù)タイプの映畫について、Viduはそれぞれのスタイルに合った畫面を生成でき、煙や霧、まぶしい光など、映畫?テレビレベルの視覚効果の畫面も生成できる」と説明した。

Viduはダイナミクスの面で、複雑な動(dòng)的映像を生成することが可能で、大規(guī)模で正確なアクションを生成でき、畫面の中で遠(yuǎn)景、近景、中景、クローズアップなどのレンズの切り替えが可能で、ロングショット、ズーム、トランジションなどの効果も直接生成できるという。

テキストを入力して「Vidu」で生成した動(dòng)畫の畫面。（寫真提供は取材対象者）

同公司によると、テキストからの動(dòng)畫生成機(jī)能と畫像からの動(dòng)畫生成機(jī)能の2つの基本的機(jī)能のほか、ユーザーにより多様で個(gè)性を表現(xiàn)できる動(dòng)畫の創(chuàng)作體験を提供するため、Viduは「アニメスタイル」と「キャラクター一貫性」の2つの新機(jī)能をリリースした。畫像からの動(dòng)畫生成セクションで「キャラ一貫性」機(jī)能を利用すると、ユーザーは人の畫像か自分で設(shè)定したキャラクターのイラストをアップロードし、テキストを打ち込み、畫像の中のキャラクターを指定して、好みのシーンで好みのアクションをさせることができる。この機(jī)能により動(dòng)畫制作プロセスが簡(jiǎn)略化され、創(chuàng)作の自由度も増した。

Viduを使用するのに申請(qǐng)の必要はなく、ユーザーはメールアドレスを登録すればすぐに體験できる。Viduの技術(shù)的飛躍は開(kāi)発チームが機(jī)械學(xué)習(xí)（マシンラーニング）とマルチモーダル大規(guī)模言語(yǔ)モデルで長(zhǎng)年にわたり積み上げてきた成果が土臺(tái)になっており、その中核技術(shù)のアーキテクチャはチームが22年に提起し、その後も獨(dú)自開(kāi)発を続けてきたものだ。（編集KS）

「人民網(wǎng)日本語(yǔ)版」2024年8月5日