開発者直伝！Soraのリリース時期は？：三人のSora開発者インタビュー

WVFRM PodcastでSoraの3人の開発者に対するインタヴュー動画が上がっていたので紹介します。

WVFRM Podcastは、テクノロジーとメディアに関連するトピックを扱うポッドキャストです。Marques Brownlee（MKBHD）（注01）がホストを務め、様々なゲストを招いて最新のテクノロジートレンドや製品について話し合います。このポッドキャストは、テクノロジー愛好家や業界の専門家にとって価値のある情報源となっています。

下記のYoutubeリンクはSora開発者インタビューから始まるようにセットしています。

※注01：MKBHD としても知られる Marques Brownlee は、ガジェットのレビュー、テクノロジーの解説、著名なゲストとのインタビューで知られる、有名なテクノロジー系 YouTuber 兼ポッドキャスターです。彼の詳細な分析、明確なプレゼンテーション、高い制作品質は高く評価されています。Brownlee のコンテンツは、スマートフォンやラップトップから電気自動車に至るまで、幅広い技術トピックに及びます。彼のプラットフォームは、信頼性が高く魅力的なテクノロジーに関する洞察を求めるテクノロジー愛好家にとって頼りになる情報源となっています。

サム・アルトマンのSoraデビュー＆開発者紹介ポスト

この動画に出演しているのはサムが紹介したSoraの三人の開発者です。

OpenAIの動画生成AI、Soraの実力について

Soraをご存知ない方には、下記の複数のNoteにまとめてありますのでこちらをご覧欄いただくとして、この動画の解説はSoraを実際に開発しているOpenAIのSoraの開発者からしか聞けない生の声を中心に解説していきます。

Interview with OpenAI Sora Team

それでは動画で語られたロードマップや技術的な問題に焦点を絞って解説していきます。

Soraの現状と公開までの道のり

Soraの開発チームは、動画生成AIの可能性を探る旅の中で、技術的な進歩と挑戦に直面しています。Soraは、写真リアリズムを大きく前進させ、以前は可能であったものよりも長い、最大1分間のビデオを生成する能力を持っています。しかし、特定の物理的側面や、手の表現のような細かなディテールを正確に捉えることは依然として困難であり、特に動きや軌道に関する正確なシミュレーションには課題が残っています。

開発チームは、これらの技術的挑戦に取り組むと同時に、安全性と倫理的な側面にも深く配慮しています。生成されたビデオにはウォーターマークを追加するなど、AI生成コンテンツを識別する方法についても検討していますが、これだけでは不十分であり、より包括的な解決策が求められています。Soraが一般に公開される前には、社会的影響を考慮し、生成されたコンテンツが偽情報の拡散に利用されないよう、さらなるセーフガードが必要です。

現在、Soraは一般公開に向けた準備段階にあり、具体的な公開日程は明らかにされていません。開発チームは、フィードバックの収集と技術の洗練に重点を置いており、Soraが提供する新たなクリエイティブな可能性を探るとともに、その安全性を確保するための努力を続けています。将来的には、Soraがメディア制作の新たな地平を開くことが期待されていますが、その前に解決すべき多くの課題があることが、開発チームのコメントからも明らかです。

この段階では、Soraの技術的成熟度と社会的な影響を慎重に評価しながら、クリエイターや視聴者にとって有益かつ安全なツールとして提供できるよう、開発が進められています。

フィードバックと将来の展望

Soraの開発チームは、一般公開に向けた準備として、現在フィードバックの収集に特に重点を置いています。彼らの目的は、技術の限界を理解し、ユーザーがどのようにSoraを使用したいか、またどのような新しいクリエイティブな可能性を求めているかを深く掘り下げることです。このフィードバックは、技術的な改善点の特定だけでなく、セキュリティと倫理的な対策を強化するためにも不可欠です。

開発チームによると、フィードバックからは、ユーザーがより詳細な制御を求めていることが明らかになっています。例えば、ビデオのアスペクト比や解像度、照明などの具体的な要素をユーザーが自由に指定できるようにすることで、Soraの利用可能性を大きく広げることができます。このような詳細な制御は、特にクリエイターやメディア制作に携わるユーザーにとって価値があり、Soraの将来のバージョンで実現する可能性が高いです。

さらに、開発チームは、Soraが生成するビデオのリアリズムと多様性を高めるために、フィードバックを活用しています。特に、自然な動きや物理的な相互作用、さらには音声の追加など、リアリスティックなビデオ体験を提供することが目標です。しかし、これらの技術的進歩を実現するためには、さらなる研究と開発が必要であり、その過程でユーザーからの具体的なフィードバックが重要な役割を果たします。

将来的には、Soraはクリエイティビティの新たな可能性を開くと共に、メディア制作プロセスを根本的に変革することが期待されています。開発チームは、Soraを使って、従来のメディア制作では考えられなかった新しい形の表現やコンテンツを生み出すことを目指しています。例えば、AIを活用してコストを大幅に削減し、アイデアから完成品までのプロセスを効率化することが可能になるかもしれません。

このようなビジョンを実現するためには、Soraの技術的な進化だけでなく、クリエイター、視聴者、そして社会全体からの積極的なフィードバックと協力が必要です。Soraの開発チームは、このフィードバックを基に、技術を磨き上げ、倫理的なガイドラインを設定し、AIとクリエイティビティの未来を共に形作っていくことを目指しています。

Soraの真の革新性

Soraの開発者インタビューから浮かび上がった、特に注目すべき点は、AIが開くクリエイティビティの新たな地平です。開発チームは、Soraがただ既存のメディアを再現するだけでなく、まったく新しい形のコンテンツ制作を可能にすると強調しています。これは、Soraが単に過去のコンテンツに基づいて新しいビデオを生成するだけではなく、ユーザーの創造性を引き出し、それを形にするためのツールとして機能することを意味します。

開発チームによれば、Soraの真の革新性は、クリエイターがこれまでにない方法でアイデアを視覚化し、実験する能力を持つことにあります。例えば、ドローンがコロッセオを飛び回る映像から水中で泳ぐ蝶に変わるビデオなど、Soraを用いて実現可能なビジュアルエフェクトは、従来の技術では考えられなかった表現の幅を提供します。これらのビジュアルは、視聴者に新鮮な体験を提供するだけでなく、物語を語るための新しい言語としても機能します。

また、Soraの能力は、クリエイティビティを制約する従来の障壁を取り除くことにも貢献します。高い制作コストや技術的な難しさが、多くのクリエイティブなプロジェクトの障害となっていましたが、Soraを利用すれば、より多くの人が自分のアイデアを現実のものに変えることができます。このアクセスの容易さは、クリエイティビティの民主化を意味し、新しい才能の発見や、予期せぬ形式の芸術が生まれる可能性を秘めています。

Soraというツールは、現実をモデリングすることから始まりますが、開発チームはその能力が現実を超える新しい体験を創出する基盤になると見ています。このビジョンは、クリエイターが自分たちの想像力を完全に解き放ち、観客に未知の世界を提示することを可能にします。これは、クリエイティビティの新時代への入り口であり、Soraはその探索のための強力なキーとなるでしょう。

最終的に、Soraの開発と進化は、クリエイティブな表現の未来を形作る過程であり、私たちが知っているメディア制作の限界を再定義します。AIと人間のクリエイティビティが融合することで、新しい芸術の形態、新しい物語の語り方、そして私たち自身の想像力を超えた体験が生まれるのです。

開発チームの紹介

Soraプロジェクトの中心となる開発チームは、ビル・ピーブルズ、ティム・ブルックス、アディティ・ラメシュから構成されています。彼らはOpenAIでSoraの開発を牽引し、動画生成AIの新たな可能性を探求しています。

ビル・ピーブルズ

Soraプロジェクトの共同リーダーであり、研究科学者としてOpenAIに勤務しています。彼はバークレーAIリサーチ（Berkeley AI Research）でアリョシャ・エフロス（Alyosha Efros）の指導の下、博士号を取得しました。MITでの学士課程ではアントニオ・トラルバ（Antonio Torralba）に指導を受け、FAIR、Adobe Research、NVIDIAでインターンの経験もあります。彼の研究は、ビデオ生成モデルや世界シミュレーションの分野に重点を置いており、Soraプロジェクトの技術的な側面を強く支えています​​。

ティム・ブルックス

ティム・ブルックスは、OpenAIの研究科学者としてSoraプロジェクトを共同リードしています。彼の研究は、物理世界をシミュレートする大規模な生成モデルに焦点を当てており、Soraプロジェクトにおけるビデオ生成モデルの開発において重要な役割を果たしています。

彼はバークレーAIリサーチでアリョシャ・エフロスの指導の下、Ph.D.を取得しました。在学中には、InstructPix2Pixという革新的な技術を発明し、その業績はAI分野で高く評価されています。Googleでは、Pixelスマートフォンのカメラを支えるAI技術に携わり、NVIDIAではビデオ生成モデルの開発に取り組みました。

ティムは、彼のオリジナル作品および共同作品を通じて、技術とクリエイティビティの融合を追求しています。彼の写真は、National GeographicやNature's Best Photography、National Wildlife Federationから賞を受賞しており、ニューヨーク市のブロードウェイにあるビーコンシアターでのパフォーマンスや、国際的なアカペラビートボックス賞の受賞など、多岐にわたる才能を持っています。

アディティ・ラメシュ

DALL·Eのクリエーターであり、ビデオ生成の領域であるvideogenの責任者です。彼はSoraの背後にある技術とビジョンを形作る上で重要な役割を果たしており、生成モデルを用いたクリエイティビティの新たな地平を開拓しています​​。

これらのチームメンバーは、それぞれがAIとクリエイティビティの交差点における独自の専門知識と経験を持ち寄り、Soraという革新的なプロジェクトの推進力となっています。彼らの共同作業は、AIがメディア制作と人間のクリエイティビティにどのように貢献できるかの探求を深めています。

Soraの仕組みについては「Video generation models as world simulators」という公式ページで詳しく解説されています。

Soraの未来

開発者のインタヴューや最近のアメリカやOpenAIの動きを踏まえSoraが今後どのような開発のロードマップを準備しているのか考察していきます。

アメリカの次期大統領選

OpenAIのSoraは、その革新的なビデオ生成能力により、多くの可能性を秘めていますが、2024年11月5日に実施予定の第60回選挙を控え、その公開は慎重に検討されているでしょう。悪意ある利用によって選挙に影響を与える可能性があるため、特にこの時期にはリリースを控える可能性が高いです。技術の進歩は社会に大きな利益をもたらすことが期待されますが、その影響力を考えると、安全性と倫理性を確保するためには、特定のタイミングでの配慮が必要不可欠となります。

ソニー エンタテインメント社長の取締役会入り

Nicole SeligmanがOpenAIの取締役会に加わったこと​​、彼女のソニーでの経験と他の企業での取締役としての役割を考慮すると、Soraがプレイステーション6のティザームービーに活用される可能性は興味深い仮説です。PS6の発売が2027年と予測されている中で​​、Soraの技術がゲーム業界やエンターテインメントの未来にどのように影響を与えるかは、引き続き注目されるテーマとなりそうです。