← ブログに戻る
Ai読了目安 13 分

美図がブランドIPの仕事を2つのボタンに分解:ひとつは顔、ひとつは動作

公開日 2026年11月7日
美図がブランドIPの仕事を2つのボタンに分解:ひとつは顔、ひとつは動作

10月29日から11月1日まで、第17回海峡両岸文化産業博覧交易会が厦門で開催された。福建館で美図(Meitu)はAI映像制作プラットフォーム「RoboNeo」を出展し、重点をより地味な三つの事柄に置いた。自社のキャラクターを作ること、そのキャラクターを中心に連続した物語を書くこと、そのキャラクターの動作を新しい画面に移すことである。

会場で要望を出したのは食品を販売する事業者だった。識別度の高いブランドIPを望み、トレンドに合わせて継続的にコンテンツを出したいと考えていたが、専門チームに依頼するのは高すぎ、自分では作れなかった。この描写はほぼ中国のAI動画の実際の顧客像そのものだ。映画・映像会社ではなく、予算はないが毎日何かを発信しなければならない中小事業者である。

同じ人物に見えることこそが最も難しい部分

画像生成モデルが1枚を出力するのはもはや難しくない。難しいのは、2枚目、5枚目、20枚目でも同じ人物であることだ。

RoboNeoの解決策は「IP形象スタイルロック」と呼ばれる。事業者がまずキャラクターを作り、その後それを中心にスタンプ、ポスター、商品画像をバッチ生成する。公式によれば、画像間の五官と服装の一貫性が大幅に向上したという。地味に聞こえるが、実際の制作では、それがビジネスになるかどうかを決める。今日投稿する子猫と先週投稿した子猫が同じでなければ、観客は覚えられず、IPは成立しない。アカウントは単発のバズに頼り続けるしかない。

キャラクター一貫性の難点は「似せて描く」ことではなく、「情報がどこへ行ったか」にある。1枚の画像には同時にアイデンティティ(これは誰か)、スタイル(何で描かれたか)、ポーズ、光照、構図がある。複数回生成するとき、これらを分解しなければ、モデルは毎回アイデンティティを推測し直し、少しでも間違えれば顔が変わる。業界のやり方は、アイデンティティ特徴を別途抽出して条件にする。たとえば参照画像にアイデンティティ编码を加える、あるいは潜在空間にアイデンティティだけを置く領域を残す。名前は重要ではない。重要なのは、アイデンティティ情報がスタイル情報よりも「硬く」なければならないことだ。

動作の部分こそ、今回本当に面白いところだ

RoboNeoが展示したモーションキャプチャは、一般的な「ビデオtoビデオ」とは論理が異なる。参照動画から**人物のプロポーション、空間関係、カメラワーク**を抽出し、同時に元動画の外観特徴を弱める。

淡い色のスタジオテーブルの上に、同じ無地の粘土人形が二体。一体は静止し、もう一体は歩みの途中で、肩にはかすかな針金の骨格が見える。

この一文は見た目より技術的な含みが高い。動画駆動の動作移行には二つの古くからの問題がある。

一つは**外観リーク**だ。自社のカートゥーンキャラクターに参照動画のあのダンスを踊らせたいのに、生成された人物は参照動画のあの服を着て、参照動画のあの顔をしている。モデルが「欲しいのは動作だ」のか「欲しいのはこの動画だ」のかを区別できないからだ。

二つ目は**構造ドリフト**。動作の幅が大きくなると人物のプロポーションが崩れ、手が長く脚が短くなる。カメラが動くと前景と背景の関係が乱れる。原因は条件信号に明確な骨格、深度、カメラ軌跡がないため、モデルはピクセルから推測するしかないからだ。

参照動画の情報を「構造」と「外観」に分離し、構造だけを条件に入れるのがこの二年の主流方向だ。骨格は関節を与え、深度マップは前後の遮蔽を与え、カメラ軌跡はカメラワークを与える。聞くと直白だが、工学上は泥臭い。三系統の信号がぶつかり合うとき、どれを優先するかは調整に頼るしかないからだ。RoboNeoはこの一式を事業者がクリックできるボタンに封じ込めた。これは製品レベルの価値であり、論文レベルの価値ではない。

脚本ワークベンチが解決するのは別のドリフトだ

三つ目の機能は脚本ワークベンチで、「脚本ノード+プロジェクトメモリ」によるものだ。クリエイターは複数ターンの対話で創作意図を整理し、ストーリーを分解し、既定のキャラクターを中心に展開して、一話完結型ドラマやショートドラマを作る。

この機能は脚本を書くツールに見えるが、実際に管理するのは**エピソード間の一貫性**だ。1本のショートドラマを第8話まで撮るなら、人物の性格、関係、言ったこと、行った場所をすべて覚えておかなければならない。プロジェクトメモリがなければ、モデルは毎話ゼロから「この二人はどんな関係か」を理解しようとし、出力は必然的に前後で食い違う。メモリ層の出来が、単発素材だけでなく連続コンテンツを作れるかどうかを直接左右する。

ハードルは下がったが、要求は下がっていない

文化産業博覧会と同時期にもう一つ、対比して見られる出来事がある。11月4日、CCTVは烏鎮サミットの「直通烏鎮」部門で、蘇州相城の起業家である秦文山を報じた。一人で7人のAIデジタル社員を率い、制作統括、脚本家、監督、絵コンテ担当、アセット制作者、動画制作者、編集者を、AIGCコンテンツ制作ラインにつなげている。彼の作品のうち、AIGCアニメ長編『一掌熊猫』は第16回北京国際映画祭にノミネートされ、歴史神話を題材にした『字聖倉頡』も今年配信されると発表された。相城はすでに36のOPCコミュニティを配置し、100社以上のOPC企業が届出を完了している。

「一人一社」は聞こえはいいが、実は能力への要求はより高くなっている。以前は撮影、照明、編集、美術をそれぞれ一人が担当して支えてくれたが、今はそれらの判断を自分で下さなければならない。ツールは実行のハードルを削ったが、審美眼のハードルはそのまま残した。

これも、こうした製品の競争点が「生成できるか」から「同じものを安定して産出できるか」へ移っている理由を説明している。事業者が求めるのは1枚の目を見張る画像ではなく、使える300枚の画像であり、しかもその300枚の中で人物は同一人物でなければならず、動作は売りたい商品に合っていなければならない。

まだ答えのない三つの問題

第一に、動作精度の上限はどこにあるのか。参照動画に複雑な手のインタラクション、素早い振り向き、頻繁な遮蔽が含まれる場合、構造情報自体が不完全で、どれほど優れた分離でも補えない。

第二に、カメラ言語の物理的合理性。カメラワークを抽出したからといって、カメラワークを理解したことにはならない。実際の寄り引きやパン、移動には空間的な論理があり、無理に新しい場面に当てはめると観客は酔ってしまう。この部分は現在、すべてのツールがまだ間に合わせで済ませている。

第三に、バッチ品質管理。1本が鑑賞に耐えることと100本すべてが鑑賞に耐えることの間には、一連のプロセスがある。誰が基準を決め、誰が抜き取り検査をし、不合格品を何回作り直し、コストをどう計算するのか。この工程にツールを導入しなければ、前段がどれほど美しくても実用化には至らない。

中小事業者にとって、RoboNeoのようなプラットフォームの本当の意味は、「IPを作る」ことをプロジェクトから生産ラインへ変えることにある。その生産ラインが回り続けられるかどうかは、上記の三つの問題に耐えられるか次第だ。

関連記事