AIによる動画生成技術が、また一つ大きな壁を突き破った。イスラエルのAIスタートアップLightricksは2025年7月16日、同社のAI動画モデル「LTXV」が、業界の常識を覆す60秒を超える長尺動画の生成に対応したと発表した。更にLTXVにはリアルタイムで映像を生成しながら「監督」のように指示を加えられる新機能も追加されている。まさに、AI動画を単発の「映像クリップ」から、連続性のある「物語（ナラティブ）」を紡ぐための本格的な制作ツールへと昇華させる、重大な一歩と言えるだろう。
「8秒の壁」を打ち破る、60秒超の衝撃
AI動画の世界において、これまで一つの目安とされてきたのが「8秒」という時間だ。Lightricks社の公式発表によれば、今回のアップデートはこの業界標準を実に8倍も上回る60秒以上の動画生成を可能にした。この「長さ」がもたらす変化は、量的というよりも質的なものだ。
Lightricksの共同創業者兼CEOであるZeev Farbman氏は、米Forbes誌の取材に対し、この飛躍を「ビジュアルスタントとシーンの違いだ」と表現している。短いクリップは目を引く「スタント」に過ぎないが、1分を超える尺があれば、そこには文脈が生まれ、登場人物の行動に連続性が与えられ、一つの「シーン」として成立する。つまり、AI動画が単なる技術デモや奇抜な映像素材の領域を脱し、ついに「物語を語るための媒体」としての地位を確立し始めたことを意味するのだ。
実際にForbesの記者が目にしたデモでは、「女性が料理をしていると、ゴリラがキッチンに入ってきて彼女を抱きしめる」という連続したシーンや、「車が橋の下をくぐり、向こう側へ出て、そのまま走り続ける」といった論理的な一貫性が求められる映像が、破綻なく生成されたという。これは、AIが単に美しい映像を作るだけでなく、時間軸に沿った意味のある連なりを理解し始めていることの証に他ならない。
技術の核心：「自己回帰ストリーミング」とは何か？
この革命的な長尺化と一貫性を実現しているのが、「自己回帰ストリーミング（Autoregressive Streaming）」と呼ばれるアーキテクチャである。この技術的な心臓部を理解することが、LTXVの真の価値を捉える鍵となる。
自己回帰（Autoregressive）とは、一言で言えば「直前の結果を参考にして、次を予測する」仕組みだ。これはChatGPTのような大規模言語モデル（LLM）が、文脈に沿った自然な文章を生成するのと同じ原理である。LLMが単語を一つずつ紡いでいくように、LTXVは映像のフレームを数フレームずつの塊（チャンク）として連続的に生成していく。各チャンクは、その直前に生成されたチャンクの内容を「条件」として参照するため、動きやキャラクター、背景の一貫性が保たれるのだ。
さらに重要なのがストリーミング機能だ。従来の多くのAI動画生成ツールでは、プロンプトを入力してから数分間、ただひたすら処理が終わるのを待つ必要があった。しかしLTXVは、プロンプト入力後わずか1秒ほどで最初のフレームを返し、残りの部分はあたかもNetflixの動画をストリーミング再生するかのように、リアルタイムで生成・表示していく。この即時性と連続性が、ユーザー体験を根本から変えることになる。
AI動画を「鑑賞」から「監督」へ変えるリアルタイム性
LTXVの真の革新性は、単に長い動画を作れること以上に、その制作プロセスにある。ストリーミング生成中に、クリエイターが新たなプロンプトを追加したり、指示を修正したりすることが可能なのだ。
これまでのAI動画生成が、プロンプトという「脚本」をAIに渡して完成を待つだけのプロセスだったとすれば、LTXVは撮影現場で監督が役者やカメラマンに指示を出す行為に近い。
- ゲーム分野: プレイヤーのアクションに応じて、リアルタイムで展開が変わるカットシーンをライブ生成する。
- ライブイベント: AR（拡張現実）でステージに登場したキャラクターが、ミュージシャンの演奏に合わせてリアルタイムに反応し、踊る。
- 教育分野: 学習者の理解度や質問に応じて、内容が動的に変化する解説ビデオを作成する。
Lightricksの共同創業者兼CTOのYaron Inger氏が語るように、「これはAIビデオを長編のストーリーテリング・プラットフォームに変える飛躍」であり、クリエイターはAIを単なるツールとして使うのではなく、意図を汲み取ってくれる「共同制作者」として対話しながら作品を創り上げていくことができるようになるのだ。
驚異的な効率性：オープンソースと低コストという戦略
これほどの技術が、一部の巨大テック企業の独占物にならないという点も、今回の発表における極めて重要な側面だ。Lightricksは、LTXVをオープンソース（正確にはオープンウェイト）としてGitHubやHugging Faceで公開している。これにより、年間収益1,000万ドル未満の個人クリエイターや中小企業、研究者は、この最先端技術を無料で利用し、自らの目的のために改良することさえ可能になる。
さらに驚くべきはその効率性だ。LTXVは、単一のNVIDIA H100 GPU、あるいはハイエンドなコンシューマー向けGPUでも動作するという。プレスリリースによれば、競合ソリューションがわずか5秒の高解像度ビデオを生成するために複数のH100を必要とするケースもある中、この低計算コストは技術の「民主化」を力強く後押しする。
Farbman CEOは「AIによる映画製作は、エンジニアだけのものであるべきではない。ストーリーテラーのものであるべきだ」と語る。オープンソース化と低コスト化は、まさにこの哲学を具現化する戦略であり、より多くの才能あるクリエイターに門戸を開くことになるだろう。
競争激化するAI動画市場でのLightricksの立ち位置
もちろん、Lightricksが独走しているわけではない。AI動画生成の分野は、今最も競争の激しい領域の一つだ。
- Googleの「Veo」: 映像と同時にサウンドトラックやセリフといった音声まで生成できるユニークな機能を持つ。
- Moonvalley AI: 既存の動画の動きを別の対象に適用する「モーション模倣」といった興味深い機能で注目を集めている。
- OpenAIの「Sora」やRunway、Pika: それぞれが独自の強みを持ち、クローズドな環境で開発を進めている。
こうした競合ひしめく中で、Lightricksは「生成時間の長さ」「リアルタイムでの監督性」「オープンソース」「倫理的配慮（Getty Imagesなどライセンス許諾済みデータで学習）」という明確な強みを打ち出すことで、独自のポジションを築こうとしている。特にオープンソース戦略は、巨大な開発者コミュニティを味方につけ、クローズドなモデルにはない速度でエコシステムを拡大させる可能性を秘めている。
次なるフロンティアと残された課題
輝かしい成果の一方で、Lightricksは現状の課題も率直に認めている。Farbman CEOが「長編コンテンツにおけるプロンプトへの追従性が、次の大きなフロンティアだ」と語るように、特に複数の人物が複雑に絡み合うようなシーンでは、まだAIが監督の意図を完全に汲み取りきれない場面もあるという。
今後のロードマップとしては、4K解像度への対応や、より滑らかな動きを実現するためのフレーム補間技術などが予定されている。AI動画技術はまだ発展の途上にあり、完璧なツールではない。しかし、その進化のスピードは驚異的であり、今日の限界は明日の常識となっている可能性が高い。
AIが物語を紡ぎ始めた今、クリエイターの役割は、単にアイデアを思い描くことから、AIという強力なパートナーを「監督」し、そのポテンシャルを最大限に引き出すことへとシフトしていくのかもしれない。Lightricks LTXVが示した未来は、その変化がすでに始まっていることを、私たちにっきりと告げている。
Sources
