NVIDIAは9月9日、IBC 2026に合わせ、放送や配信向けの開発ツール群「NVIDIA AI for Media」の拡張を発表した。映像がAIで生成された可能性を調べる機能や画質補正を強化し、多言語化の処理を生放送向け基盤「Holoscan for Media」へ組み込む。9月11〜14日にアムステルダムで開かれるIBCで同社が示したのは、個々のAI処理を高度化するとともに、それらを放送アプリ同士でつなぐ仕組みを整える方向だ。ただし、利用可能なソフトウェアと、パートナーが統合を進めている製品とでは、現場が導入を判断できる段階も異なる。
AIで映像を検出・補正する
AI生成映像の検出機能「Synthetic Video Detector（SVD）」は、今年のSIGGRAPHですでに発表済みだ。今回は精度の向上と、報道機関などが使うシステムへの組み込みが進んだ。NVIDIAによると、テキストから生成された動画の判定精度は99.3%、画像から生成された動画では97.7%に達する。
この数字は、どんな映像でも同じ確率で真偽を見抜けるという意味ではない。NVIDIAのIBC発表は、評価に使った映像の母集団や判定閾値の詳細を示しておらず、SVDも編集チームが映像を確認する際の判断材料と位置付けている。報道向けシステムを手がけるDaletは、SVDのスコアやメタデータを担当者が画面上で確認できる、クラウド型の検証業務への統合を進めている。判定を人の確認作業へ渡す設計である。
映像をきれいにする機能も拡充した。「Video Super Resolution（VSR）」は高解像度化とともに、ノイズやぼけ、圧縮に伴う乱れを抑える。新しい動作モードでは処理速度と画質のどちらを優先するか選べるようになり、10-bit映像にも対応する。VSRはVideo Effects SDKと、AI機能を組み込みやすく提供するNIMマイクロサービスから利用できる。
一方、「Video Frame Generation（VFG）」は元のフレームの間に新しいフレームを生成し、動きを滑らかに見せる。NVIDIAはフレームレートを2倍または4倍にできると説明しており、Ross Videoはスポーツ向けのRio Replayへの統合を進めている。こちらは6倍スローモーションの生成を支え、8倍補間に向けた開発も続く。VFGが増やすのは生成した中間フレームであり、カメラが記録した瞬間そのものではない。
明暗表現を広げる「TrueHDR」は、SDR映像をリアルタイムでHDR出力へ変換し、最大約2,000ニトに達するという。VSRによる高解像度化とVFGによる補間に組み合わせられ、既存映像を同じ処理系の中で改善できる。さらに、単一カメラの映像から関節の位置や角度を推定する「3D Body Pose」もある。Vizrtは仮想スタジオで身体の動きに合わせた反射や影などの照明表現に活用しており、映像から取り出す情報が、画質以外の制作にも使われ始めている。
生放送へ組み込むMXLと多言語化
NVIDIAはHoloscan for Mediaに「Media Exchange Layer（MXL）」を統合する。MXLは、ソフトウェアで動く放送機能の間で、映像や音声、データをやり取りするための共通の仕組みだ。HoloscanはGPU処理やネットワーク、アプリの配備などを組み合わせる参照設計と開発ツール群であり、MXLはその中でアプリ同士の接続を担う。
たとえば、映像の解析と加工を別々のアプリが担当する場合、同じ計算設備で動くだけでは処理はつながらない。アプリ間で素材を受け渡す仕組みも必要になる。NVIDIAはMXLの統合によって、開発者が各アプリを個別に接続するための作業を減らし、複数ベンダーの機能を組み合わせやすくする狙いを示した。AI処理と従来の放送機能を、共通の設備上で動かすための整備と読める。
多言語化も、生放送の中で複数の処理を連携させる用途である。NVIDIAはContent Localizationの技術をHoloscanへ組み込み、字幕や翻訳音声、吹き替えを扱う参照ワークフローを用意する。口の動きと音声を同期させた映像や、画面上の文字などの多言語化も対象に含む。番組や配信先に必要な機能を選び、言語ごとに別の設備を用意する負担を減らす構想だ。
口の動きを別の音声に合わせる「LipSync」は、顔の一部が隠れる場面への対応を改善する。「Active Speaker Detection」は、複数人が映る場面で誰が話しているかを識別する処理を支える。NDIもこれらの技術を使い、共通の映像ストリームからリアルタイム翻訳や口の動きを合わせた吹き替えへ展開する取り組みを進めている。翻訳文を作るだけでは済まない生放送で、音声と映像を一緒に扱うための構成である。
スポーツAIは手持ちの映像で育てる
「Sports Intelligence Playbooks」は、リーグやメディア企業が保有するスポーツ映像と注釈を使い、NVIDIAのオープンモデルを追加学習するための手順群だ。データの準備から評価、配備までを扱い、競技固有のルールや選手、試合の文脈を理解するモデルの開発を支援する。画質を改善するVSRなどと異なり、映像の内容をどう読み取るかを調整する取り組みである。
NVIDIAが示した初期試験では、選択式の正答率が約53%から94%へ、自由記述の評価は約5.7%から66%へ上がった。ただし、対象は未見の映像であっても、設問の形式は学習時と似ている。選択式と自由記述は別の評価であり、この結果をそのまま未知の競技や、生中継中のあらゆる質問に対する性能へ広げることはできない。
映像の権利を持つ企業にとっては、手元の映像や注釈をモデルの調整に使える点に意味がある。一方、導入効果を確かめるには、自社の試合映像と実際に尋ねたい質問で評価する必要があるだろう。学習時に近い設問での改善と、現場が求める判断をどこまで担えるかは、分けて測るべき項目になる。
提供中の部品と開発中の機能を分けて読む
同じ発表に並ぶVSR、DaletへのSVD統合、8倍補間は、それぞれ提供中、統合中、開発中であり、導入段階が異なる。NVIDIAが9月9日に示した記述を、対象ごとに並べた。
| 対象 | 発表時点の段階 | 導入判断で区別すべきこと |
|---|---|---|
| VSR | SDKとNIMで提供中 | 部品として利用できることと、放送システム全体の完成は別 |
| DaletへのSVD統合 | 報道向けの検証業務へ統合中 | SVD自体の提供段階とDaletでの組み込み作業を混同しない |
| スポーツ再生向けの8倍補間 | 開発中 | 発表済みの6倍スロー生成と、開発中の8倍補間を分ける |
この分類は、NVIDIAのIBC発表にある「利用可能」「統合を進めている」「開発中」という記述に基づく。製品全体の発売日や顧客への展開完了を認定した表ではなく、8倍補間の完成時期もここからは判断できない。発表された機能を同じ時点で一括導入できると読むと、部品の利用開始と製品への組み込みを取り違える。
MXLによる接続の公開性にも、同じように範囲がある。Holoscanの開発者向け説明は、対応するNVIDIA基盤の上で各技術を組み合わせる設計を示している。第三者のアプリやサービスをつなぎやすいことは、GPUを問わず同じ構成が動くという意味にはならない。放送アプリを選ぶ自由度と、それを動かす計算基盤の条件は両立する。
現場での判断には、字幕や音声、映像補正を同時に動かしたときの遅延と、必要なGPU数を確かめる作業が残る。今回の発表では、多言語化を含む一連の処理全体について、その実測値や費用削減の具体値までは示していない。必要な画質と遅延を手元の設備で両立できれば、放送事業者は既存の制作環境に機能を足しながら、番組を届ける言語や配信先を広げていける。
