AI動画はいまだ「ガチャ」状態：本当の課題は利用可能率と手戻りコスト

導入

AIで動画を作るだけなら、数分で済む場合がある。しかし、制作者の意図に合ったショットを完成させるには、何度も生成して選別しなければならない。この反復は「ガチャ」と呼ばれることがある。素材で紹介された取材内容によると、AI短編アニメでは絵コンテから完成まで、満足できる結果を得るためにおよそ10回の生成を要する場合がある。生成が速くなっても、納品までの時間が同じように短くなるとは限らない。

速く生成できても、使えるとは限らない

商用制作では、画面がリアルであるだけでは不十分だ。EC画像では商品の形状、色、ブランド表示を保ちながら、メイン画像や訴求画像、利用シーン画像を作る必要がある。動画では人物の外見、動き、空間関係、ショット間のつながりを維持しなければならない。一つのショットの不整合が、後続工程の手戻りにつながる。

長編の物語動画では問題がさらに複雑になる。素材が紹介する研究では、脚本と動画モデルの間に、ショット、人物、連続性を表現する構造化された中間層が不足していることが指摘されている。脚本が出来事を説明していても、カメラの動き、人物の位置、ショットをまたいで保持すべき特徴まで明確とは限らない。そのため、生成後の修正に負担が集中する。

コストの中心は呼び出し料金だけではない

1回の生成が10元で、10回に1回しか使えないとすれば、1ショットの生成費だけで100元になる。利用可能率が50％なら、平均コストは約20元まで下がる。実際には、人による確認、編集、待ち時間、後処理も加わる。単価を下げるだけでなく、利用可能率を高めることが重要になる。

素材では、Tencent CloudのWANDが次の方法で手戻りを減らそうとしていると説明されている。

• 生成前の制約付与：3Dの簡易モデルで配置、物体の位置、動きの一部を先に定め、最終生成の不確実性を抑える。
• 業界別の調整：ECでは商品特性、短編ドラマでは人物の一貫性や動き、ショットの接続を重視する。
• 局所的な修復：字幕や一部の画面だけに問題がある場合、全編を作り直さず、対象領域を修復する。

素材に引用された企業事例では、漫森文化のショット利用可能率が約30％から50～80％に上がり、精品AI短編ドラマのコストが約30％削減されたという。紫讯科技は、EC画像素材の有効利用率が50～60％から70～80％になったと説明している。いずれも事例の数値であり、実際の効果は業務内容や制作方法によって変わる。

Agentはどこまで代替できるか

生成、修復、画質向上、音声、字幕、編集をつなぐには、複数のモデルやツールを管理する必要がある。定型作業には固定ワークフローが適している一方、Agentは自然言語の依頼に応じてツールを選び、工程を組み立てられる。素材では、あるプラットフォームで動画モデル呼び出しの82％をAgentが開始したという統計も紹介されている。

ただし、Agentが工程を自動化しても、納品判断まで自動化できるとは限らない。制作者は画面全体を作り直すのではなく、表情やカメラの動きだけを変えたい場合がある。中間結果の保存と部分編集に対応できなければ、自動化は制御性を損なう可能性がある。

意義

AI動画の競争軸は、単一モデルの見栄えから、制作工程全体の設計へ移っている。創作意図を事前に制約へ変換し、複数ツールを連携させ、生成後も修復と編集を可能にすることが重要だ。価値ある製品とは、単に速く映像を作るものではなく、少ない試行で使える素材を届けながら、制作者の判断を残すシステムである。

出典：InfoQ 中文