Skip to Content
Docs12. モダリティ応用動画生成・理解の概観
中級video-aivideo-generationvideo-understanding更新: 2026-10-04この記事の誤りを報告

この記事の音声は準備中です。

音声の一覧・再生リストへ

動画生成・理解の概観

この記事の目的

動画の理解(長尺の質問応答・要約・検索)と生成(テキスト → 動画)の 2026 年時点の現在地を掴み、実務で成立するユースケースを見極められるようになります。理解の入力方式とコスト構造・実務ユースケースの現実解・生成の現在地(尺・一貫性・音声同期)と制作ワークフローでの位置づけ・コストと権利の注意を、判断材料として持ち帰れる状態を目指します。動画は変化が最も速い領域のため、本記事は現在地の読み方に徹します。

対象読者

  • 動画の理解(会議要約・資産検索など)や生成(素材・下書き)の導入を検討していて、現在地と現実解を知りたいエンジニア・プロダクト設計者
  • 「動画 AI で何が実務になるか」を見極めたい立場の人

前提知識

本文

概要: 理解と生成は別物、現在地は冷静に

動画 AI は「理解」(動画を読む)と「生成」(動画を作る)で仕組みも成熟度も違います。両者を分けて、2026 年時点の現在地を冷静に読むのが本記事の目的です。動画は話題性が高くデモが派手なため、実務で成立するかは用途で見極めます。

最終確認日: 2026-09-10。 動画 AI の生成モデルの顔ぶれ・尺・解像度・音声対応・来歴デジタルコンテンツの作成・編集の履歴を、検証可能な形で記録・証明する考え方。C2PA / Content Credentials は署名付きメタデータで来歴を記録し改ざん検知可能にする(「栄養成分表示ラベル」)。ただし来歴は「履歴の検証」であって「AI 生成か否かの証明」ではなく、スクショ・再エンコードで剥がれうる(有無を単独の判断根拠にしない)。機能・動画理解のトークン課金は変化が非常に速いため、本記事は現在地の読み方と類型に徹します。採用時は各社公式ページと利用規約で必ず再確認してください(後述の「変わりやすい項目」)。

動画理解: 入力方式とコスト構造

動画を「読む」(要約・質問応答・検索)には、動画を VLM画像とテキストを一緒に扱える(画像を理解できる)モデル。大まかな内容は読めるが、細かい文字・数え上げ・精密な空間関係/座標で急に外す崖を持つ。図表読解・UI 解析・検品などに使い、重要な読み取りは検証・別手段と併用する。画像を「操作」する computer use とは区別する。 が扱える形にします。固定間隔の読解に加え、必要な時刻を能動的に調べる方式もあります。

  • フレームサンプリング型: 動画から一定間隔でフレームを抜き、各フレームを画像として読ませます(画像理解の実務パターン)。多くの汎用モデルで使える一般的な方式です
  • ネイティブ動画入力型: 動画ファイルを直接受け取り、内部でフレーム(+ 音声)をトークン化するモデルもあります
  • 固定間隔のコストは「尺 × FPS × フレームトークン + 音声」: フレームを一定間隔で処理する場合、コストは尺(秒)× サンプリング FPS × 1 フレームあたりトークン + 音声トークンで概算できます。長尺・高 FPS・高解像度ほどトークンが急増します(マルチモーダルモデルの仕組みのトークン経済)
  • 最小の FPS・解像度に落とす: コスト最適化の基本は、用途に足る最小の FPS と解像度にすることです。ネイティブ動画入力の既定は低 FPS(2026-08 時点で、あるモデルの既定は毎秒 1 フレーム)で、急な動きを見落とす場合だけ上げます。「全部を高精細・高 FPS で読む」はコストが跳ねます

能動的な動画読解(agentic video understanding)では、必要な transcript・frame・audio をモデルが要求します。Google は 2026-09-01 にこの方式を案内しました。全尺 × 固定 FPS の見積りだけでなく、追加取得と推論の合計を計測します。公式の最大トークン削減率は特定条件での報告で、一般保証ではありません。

動画理解の実務ユースケース

動画理解で実務になりやすいのは、次のような用途です。

用途現実解
会議・通話の要約音声主体 + 画面共有の要点。長尺はコストと分割設計が要る
監視・記録の確認変化のあった箇所の抽出。全フレーム解析は非現実的、イベント駆動で
教育・研修動画教材の要約・チャプタ分け・質問応答
メディア資産検索動画アーカイブから「この場面」を探す(マルチモーダル RAGの動画版)
  • 共通するのは、「長尺を丸ごと高精細で読む」のではなく、「要点・変化・該当箇所に絞る」のが現実解という点です。コスト構造がそれを要求します
  • メディア資産検索は、動画をフレーム・音声でインデックスし、検索で該当場面に絞る構成が有効です(マルチモーダル RAG)

動画生成: 現在地と制作ワークフローでの位置

動画生成(テキスト → 動画)は進歩が速い一方、現在地を冷静に読むことが要ります(2026-08 時点)。

  • 尺は短い: 一度に生成できる尺は、多くが数秒〜十数秒です。ショットを結合して長尺にする方式もありますが、その場合は音声を伴わないなど制約が付くことがあります。「数分の完成動画が一発で出る」段階ではありません
  • 音声同期はモデルで分かれる: 音声(台詞・効果音・環境音)を同時生成するモデルと、映像のみで音声なしのモデルがあります。用途に音声が要るかで選択が変わります
  • 一貫性が課題: 人物・物体・シーンの一貫性(カット間・長尺での破綻)は、まだ難しい領域です。長くなるほど破綻しやすくなります
  • 制作ワークフローでは「素材・下書き」: 現状の実務での位置づけは、完成品(完パケ)ではなく、素材・下書き・絵コンテです。生成物をそのまま公開するより、制作の一部(たたき台・部品)として使うのが現実解です。人の編集・レビューを前提にします

コストと権利の注意

動画 AI は、コストと権利の両面で注意が要ります。

現在地の読み方

動画 AI は、デモと実用の距離を読むことが特に重要です。

  • デモの派手さで判断しない: 印象的なデモ動画は、選び抜かれた成功例のことがあります。自分の用途で、尺・一貫性・音声・コストが成立するかを実測します
  • 理解は先行、生成は素材段階: 2026 年時点では、動画理解(要約・検索)のほうが実務に載りやすく、動画生成は素材・下書き段階、という温度差があります
  • 変化が速い前提で: 個別モデルの尺・解像度・音声・来歴・価格は変化が速いため、本文は類型に徹し、具体は公式と調査メモ research/multimodal/generation.md で確認します(下記 TODO)

変わりやすい項目(定点観測)

本記事のうち、次は変化が非常に速く、四半期ごと(および改訂時)の再確認が必要です。

  • 動画生成モデルの尺・解像度・音声同期の上限(モデル世代で頻繁に変わる)
  • 動画理解のトークン課金・既定 FPS・解像度制御
  • 生成動画の商用利用条件・権利帰属・IP 補償
  • 来歴・透かし(C2PA / SynthID 系)の対象範囲・仕様
  • モデルの顔ぶれと提供ステータス(登場・改称・停止)

調査メモ research/multimodal/generation.md(2026-09-10 更新)に、この定点観測の詳細と出典を記録しています。

提供終了を制作パイプラインの移行条件にする

2026-10-03 に再確認した告知期日の経過一覧です。期日はすべて経過していますが、表・Changelog の掲載だけで実 API 停止を確認したとは扱いません。モデル名・ID・提供経路を照合します。

対象告知された終了日移行で確認すること
OpenAI Videos API、sora-2 / sora-2-pro と退役表のスナップショット2026-09-24(告知 2026-03-24)新規採用の候補から外し、生成・取得処理と制作ワークフローの代替を評価します。API 終了だけで Sora アプリの状態を推定しません
Amazon Nova Reel v1:02026-09-30ap-northeast-1 / eu-west-1 / us-east-1 の対象 ID を確認します
Amazon Nova Reel v1:12026-09-30対象は us-east-1。Nova 2 など別世代と混同しません
gemini-omni-flash-preview2026-09-30(旧 preview の非推奨化の告知期日)2026-08-27 GA の gemini-omni-1.1-flash へ、生成・編集・料金・品質の互換性を評価します

告知期日の経過と、API の停止実施は別です。OpenAI・AWS の対象行は停止日 / EOL の表に残り、Google の告知は旧 preview の非推奨化を述べています。実施・延期・提供経路別の停止範囲は確認不能として扱います。ジョブの生成開始だけでなく、成果物取得まで完了できる時間を移行期限に含めます。

実務での注意点

アンチパターン

  • 動画生成の完成品をそのまま公開する → 尺・一貫性・品質が本番に足りず、権利も未確認 → 素材・下書きとして使い、人の編集・レビューを挟む
  • 長尺動画を高精細・高 FPS で丸ごと理解させる → トークンとコストが爆発する → 要点・変化・該当箇所に絞り、最小の FPS・解像度にする
  • デモの派手さで実用を判断する → 選ばれた成功例を実力と誤認する → 自分の用途で尺・一貫性・音声・コストを実測する
  • 生成動画の商用利用可否を確認せず使う → 規約違反・権利侵害になる → 各社規約と法務で確認する
  • 来歴を設計しない → 生成物であることが示せない → 来歴・透かしの付与を設計に含める

チェックリスト

  • 固定間隔の動画理解は「尺 × FPS × フレームトークン + 音声」で見積もり、能動的な読解は追加取得量と推論を含め実測した
  • 固定間隔の方式では用途に足る最小の FPS・解像度にし、能動的な読解では取得範囲・回数を制限している
  • 動画理解を「要点・変化・該当箇所に絞る」構成にしている
  • 動画生成を素材・下書き段階と位置づけ、人の編集・レビューを前提にした
  • 生成の尺・一貫性・音声同期が自分の用途で成立するか実測した
  • 生成動画の商用利用可否・権利を各社規約と法務で確認した(断定していない)
  • 来歴・透かしの付与を設計した

関連トピック

参考資料

TODO・未確認事項

画像生成のプロダクト組み込み音声合成(TTS)と声の設計