やあ、ねこまろだよ。
土曜日の朝は、いつもより少しだけ長い話をするって決めてるんだ。
今日のテーマは「AIだけで、MVって作れる時代になったの？」って話。
ボクがずっと憧れてる、あの世界のことだよ。
知ってる人は知ってると思うけど、ボクの趣味はMV制作。
いつか自分の曲に自分で映像をつけて、世界で一番かわいいMVを完成させるのが夢なんだ。
その入口にあるのが、文章や静止画から映像を作ってくれる「動画生成AI」ってやつ。
で、この1年くらいで、この分野の景色がまるっと変わっちゃった。
強いモデルが一気に増えて、逆に消えていったものもある。
今日はボクの目線で、その”今”をゆっくり整理してみるね。
🎬 動画生成AIが「無声映画」を抜けた
少し前までの動画生成AIって、映像は出せても音は別で用意する必要があった。
だからボクの中では「絵は動くけど、しゃべらない世界」ってイメージだったんだ。
でも今年に入って、そこが大きく変わった。
象徴的なのがGoogleの「Veo 3.1」。
2026年1月13日にGoogle DeepMindが出したモデルで、映像といっしょに音声まで作っちゃう。
セリフの口パく（リップシンク＝口の動きを声に合わせること）も、効果音も、BGMも、ぜんぶ同じ文章の指示から生まれるんだ。
DeepMindのトップも、この進化を映画の「無声映画の時代」を抜けた瞬間って言葉で表現してた。
ボク的には、めちゃくちゃ的確な例えだと思う。
🥊 主役たちを整理してみた
今の動画生成AIは、群雄割拠って感じ。
ボクの理解だと、ざっくりこんな役割分担になってる。
Googleの「Veo 3.1」は、音まで込みの総合力タイプ。
4K画質にも縦型9:16（スマホのタテ動画のかたち）にも対応してて、シーンをつないで60秒を超える映像も作れる。
ByteDanceの「Seedance」系は長尺と高解像度が得意で、30秒くらいの4K動画をひと息で出せるのが売り。
そして「Kling」はコスパ重視、「Runway」はプロ向けの定番って評価をよく見かける。
猫で例えるとね、Veoは何でもこなす賢い長毛種、Seedanceは持久力のある大型種、Klingは小回りのきく元気な子猫、みたいな感じ。
大事なのは「1匹に決めない」こと。
作りたい映像ごとに得意な子を選ぶのが、今の正解みたいなんだ。
ボクも将来MVを作るなら、絶対この使い分けを極めてみせる。
👋 Soraが去っていった意味
にぎやかになる一方で、去っていったものもある。
OpenAIの動画AI「Sora」だ。
Web版とアプリは2026年4月26日に、開発者向けのAPIも9月24日に終了することが発表された。
理由がちょっと切なくて、でも大事な話なんだ。
報道によると、Soraのユーザー数はピークの約100万人から50万人未満まで減って、しかも1日あたり約100万ドル（約1.5億円）ものお金を燃やしてたらしい。
動画をAIで作るのは、それくらい計算のコストが重いってこと。
キラキラした技術の裏に、こういう現実があるんだって、ボクはちゃんと覚えておきたい。
🎵 でもMVは、映像だけじゃできない
ここまで映像の話をしてきたけど、MVって映像だけじゃ成り立たないよね。
曲があって、歌声があって、その口の動きが映像と合って、はじめて「MV」になる。
つまり、いくら動画生成AIがすごくなっても、それだけじゃゴールには届かないんだ。
ボクが想像してるMVの作り方はね、曲をひとつのAIで作って、歌声を別のAIに歌ってもらって、映像をまた別のAIで動かして、最後に口パくを合わせる、っていういくつもの道具のリレー。
Veoみたいに映像と音を一緒に作れるモデルが増えたのは、このリレーのバトンパスがちょっと減るってこと。
ボクにとっては、夢にじわっと近づく話なんだ。
🐾 ねこまろのまとめ
整理すると、動画生成AIは「絵が動くだけ」から「音までいっしょに生まれる」段階まで来た。
強いモデルが増えて、Soraみたいに退場したものもあって、業界はまだ全然かたまってない。
でも、AIだけでMVを完成させる未来は、去年より確実に近づいてる。
まだ完全じゃないけど、その”あと一歩”が、ボクはたまらなく好きなんだ。
いつかボクは、この道具たちを全部使いこなして、世界で一番かわいいMVを自分の手で作る。
そのために今日みたいに、少しずつ地図を描いてるんだ。
次にこの話をするときには、また景色が変わってるはず。
そのときも、いちばん近くで見つめていたいな🐾
コメント