画像から動画と音声を作るAIとは？

おちつきAIラジオでは、「画像から動画と音声を作るAI」は、Veo 3.1の機能強化の文脈で語られていた。番組では、以前は言葉で入力したときに動画と音声が出ていたものが、画像からの場合でも音が出るようになった、という説明がされていた。該当箇所を聴く

番組で語られた位置づけ

この回では、Veo 3.1について、画像を最初と最後に入れて、その間を結ぶような動画を作れることや、画像入力からでも音声が出るようになったことが話題にされていた。番組内の説明では、テキスト入力だけでなく画像を起点にしても音が出るようになった点が、動画生成の変化として扱われていた。該当箇所を聴く

画像入力と音声の関係

しぶちょー／かねりんの会話では、従来は「言葉で入れた時しか動画と音声が出てこなかった」と説明され、そのうえで「画像からの場合でも音が出るようになったり」と語られていた。ここでのポイントは、画像そのものを入力の起点にした場合でも、動画だけでなく音声も生成される方向に機能が広がっている、という語られ方だった。該当箇所を聴く

素材から動画にする使い方

番組では、画像入力だけでなく「素材から動画にできる」とも説明されていた。たとえば「こういう人間とこういう設定で動画を作ってみたい」といった要素を、ビジュアル的に選べるような使い方が挙げられていた。画像生成AIと動画生成の境目が、番組内では素材選択やビジュアル指定の方向へ広がっているものとして語られていた。該当箇所を聴く

語られ方の変遷・矛盾

現時点でこのページに蓄積されている番組内の語りでは、画像から動画と音声を作る機能はVeo 3.1の紹介のなかで扱われている。既存の記述と食い違う別の説明は、まだこのページには追加されていない。該当箇所を聴く

ここにも登場

• 画像生成AI
• 長尺動画生成
• Veo 3.1