So this is simultaneously really impressive and really frightening at the same time.

だから、これは本当に印象的で、同時に本当に恐ろしいことなんだ。

And it's hitting me in ways that I didn't really expect.

そして、それは予想外の形で私を襲っている。

So, do you remember Will Smith eating spaghetti?

では、ウィル・スミスがスパゲッティを食べているのを覚えているだろうか？

Do you remember when this was what AI generated videos look like?

AIが作成したビデオがこんな感じだったことを覚えているだろうか？

Remember when we said, OK, this AI stuff is cool and all but clearly, there's a long way to go before there's any need for concern.

このAIはクールで素晴らしいが、心配する必要があるのはまだ先の話だ。

Well, welcome to the future, people, because this is also an AI-generated video.

さて、皆さん、未来へようこそ。これもAIが生成したビデオなのだから。

And so is this. Completely synthesized out of thin air by computers.

そしてこれもそうだ。完全にコンピューターによって何もないところから合成された。

This one too.

これもだ。

This is not real. Absolutely ridiculous, how far we've come in literally one year.

こんなことはありえない。文字通り1年でここまで来たのだから、まったく馬鹿げている。

This does feel like another ChatGPT DALL-E moment for AI and maybe I'm overreacting because OK, I'm a video creator.

これはAIにとって、もうひとつのChatGPT DALL-E の瞬間のような気がする。

So an AI that's actually doing my job, maybe that feels a little more threatening.

だから、実際に仕事をしているAIは、もう少し脅威を感じるかもしれない。

So I'm particularly impressed by it.

だから特に感銘を受けたよ。

But also this stuff is really good.

でも、これも、これは本当にいい。

So today, Sam Altman and OpenAI announced a new model called Sora and it can generate full up to one-minute video clips from just text input.

本日、サム・アルトマンとオープンAIは、Soraと呼ばれる新しいモデルを発表した。

So the same way DALL-E was able to understand our text input and turn it into a photo realistic or stylized image or whatever you want.

DALL-E は私たちのテキスト入力を理解し、それをフォトリアリスティックな画像や様式化された画像など、あなたが望むものに変えることができる。

Same thing with Sora.

Soraと同じだ。

But now since it's videos, it also needs to "understand" how all these things like reflections and textures and materials and physics all interact with each other over time to make a reasonable looking video.

しかし、今は動画なので、反射やテクスチャー、マテリアル、物理学など、妥当な見た目の動画を作るために必要なすべてのものが、時間の経過とともにどのように相互作用するかを理解する必要もある。

And of course, right away, there's a bunch of examples on their website that are crazy.

そしてもちろん、すぐに彼らのウェブサイトにはクレイジーな例がたくさん載っている。

Now, before I show you these, I just need you to keep this in mind.

さて、これらをお見せする前に、これだけは覚えておいてほしい。

You're about to watch a bunch of AI-generated videos and you know that you're about to watch a bunch of AI-generated content.

あなたはAIが生成したビデオをたくさん見ようとしていて、AIが生成したコンテンツをたくさん見ようとしていることを知っている。

So your brain, you're already looking for this stuff and it's not perfect.

だから、あなたの脳はすでにこのようなものを探していて、それは完璧ではない。

You will find imperfections but not everybody who sees AI-generated content on the internet knows to be looking for that.

欠点は見つかるだろうが、インターネットでAIが生成したコンテンツを見る人すべてが、それを探すことを知っているわけではない。

So also keep that in mind.

だから、そのことも頭に入れておいてほしい。

This is also the worst that this technology is going to be from here on now.

また、この技術は今後、最悪なものになるだろう。

So, OK, here's one of the videos. There's no audio to any of these clips, but the prompt for this one is a stylish woman walks down a Tokyo street filled with warm glowing neon and animated city signage.

それでは、ビデオのひとつをご覧ください。どのクリップにも音声はありませんが、このクリップのプロンプトは、暖かく光るネオンとアニメーション化された街の看板で埋め尽くされた東京の通りを歩くスタイリッシュな女性です。

She wears a black leather jacket, a long red dress and black boots.

黒のレザージャケットに赤いロングドレス、黒のブーツを履いている。

This video is already miles ahead of where we were.

この映像は、すでに私たちがいた場所より何マイルも進んでいる。

It has accurate lighting, it has materials, it has skin tones, movements, even has reflections all over the place.

正確な照明があり、素材があり、肌色があり、動きには至るところに反射がある。

Now, of course, if you look at it for more than about 10 seconds very closely, there are lots of giveaways like this dude in the background kind of looks like he's gliding in a weird way.

もちろん、10秒以上じっくり見れば、背景の男が奇妙な滑空をしているように見えるなど、たくさんのヒントがある。

The frame rates and the reflections in the water are for some reason lower than the rest of the video.

フレームレートと水面の反射が、なぜか他の映像より低い。

The camera movement overall is just a bit inconsistent and it just, I don't know, it just kind of feels a little bit off, but then again, and this is where we were one year ago.

全体的にカメラの動きに一貫性がない、 なんというか、ちょっと違和感がある、 でも、1年前もこんな感じだった。

So just keep that in the back of your head for all this.

だから、このことは頭の片隅に置いておいてほしい。

OK. How about this one?

よし。これはどうだ？

This is another one which has a long prompt about a camera following behind a white vintage SUV with a black roof rack as it speeds up a steep dirt road.

急勾配の未舗装路を疾走する黒いルーフラックの付いた白いヴィンテージSUVの後ろをカメラが追うという、長いプロンプトがある。

This is also, again, really good.

これもまた、本当にいい。

It kind of looks a little more video gamey because of how rock solid the drone footage is but clearly very usable.

ドローンの映像が非常にしっかりしているため、少しビデオゲームっぽく見えるが、明らかに非常に使える。

Here's another one, a litter of golden retriever puppies playing in the snow, their heads pop in and out of the snow covered in it.

ゴールデンレトリバーの子犬たちが雪の中で遊んでいて、彼らの頭が雪に埋もれて出たり入ったりしている。

It's so good.

とても良いよ。

It feels like the physics of the fur and the ears and everything with the snow flying around in slow motion is incredible.

毛皮や耳、そして雪がスローモーションで飛び回るすべての物理学が信じられないような感じだ。

I've looked through all the sample videos on OpenAI's website and clearly these are the hand picked best ones that they chose to share where they just put in some text and then get a video and don't modify it.

OpenAIのウェブサイトにあるすべてのサンプルビデオに目を通したが、これらは明らかに、彼らが選んだ厳選された最高のものだ。

But there's really impressive stuff in there.

しかし、そこには本当に印象的なものがある。

Some of it has humans, some of it doesn't, some of it is more realistic feeling like the truck driving one.

その中には人間もいる。そうでないものもあるし、トラック運転のようにもっとリアルに感じられるものもある。

But some of them are more video gamey or more stylized.

でも、もっとビデオゲーム的だったり、もっと様式化されたものもある。

A lot of it is slow motion.

その多くはスローモーションだ。

I just have to say how insanely fast these models are improving is genuinely like, that's the shocking part.

ただ、これらのモデルの上達の速さは、純粋にすごいと言わざるを得ない。

Like I remember not even that many months ago, DALL-E 3, really, really high end and you could always still find something off about it.

何ヶ月も前のことを思い出すよ、 DALL-E 3は、本当に、本当にハイエンドで、いつも何か違和感があった。

Like especially if you ask it for something like a photo realistic image of a human, something about like the hands or the ears would always just be a little bit off, never mind the physics.

特に、人間のリアルな写真のようなものを頼むと、物理的なことはともかく、手とか耳とかがいつも少しずれてしまう。

But even this video here is crazy at first glance. The prompt for this AI-generated video is a young man in his twenties is sitting on a piece of a cloud in the sky reading a book.

しかし、このビデオも一見するとクレイジーだ。AIが生成したこの動画のプロンプトは、20代の若者が空に浮かぶ雲の切れ端に座って本を読んでいるというものだ。

This one feels like 90% of the way there for me.

これは僕にとって、90％はそこに到達しているように感じる。

Like it's beyond the Uncanny Valley of like Apple's Personas which are actually based on humans.

アップルのペルソナのような不気味の谷を超えるような。

This is a made-up person.

これは作られた人間だ。

I mean, his eyes are kind of weird and the motion of the pages in the book are kinda odd and yeah, obviously he's in a cloud and that's a giveaway, but like, the lighting and the shadows and the skin tones and then all the realism of the textures on the shirt and the way the shirt and the pants move and the hair, they're all really impressivee.

つまり、彼の目はちょっと変だし、本のページの動きもちょっと変だし、明らかに彼は雲の中にいて、それが決定的なんだけど、照明、影、肌の色、それからシャツの質感のリアルさ、シャツとズボンの動き方、髪の毛、すべてが本当に印象的なんだ。

And then for this one, they typed in a movie trailer featuring the adventurers of the 30-year-old spaceman wearing a red wool-knitted motorcycle helmet.

そして今回は、赤い毛糸で編まれたオートバイのヘルメットをかぶった30歳の宇宙人の冒険者たちを主人公にした映画の予告編を入力した。

Blue sky, salt desert, cinematic style, shot on 35 millimeter film and the close-ups of his face, the fabrics on the helmet, the film grain through every shot and the cinematic style, this is one of the most convincing AI-generated videos I've ever seen.

青い空、塩の砂漠、映画のようなスタイル、35ミリフィルムで撮影された彼の顔のアップ、ヘルメットの生地、すべてのショットを通したフィルムの粒、映画のようなスタイル、これは私が今まで見た中で最も説得力のあるAI生成ビデオの1つだ。

Minus maybe the weird physics of that dude walking kind of in fast motion.

男が早足で歩くという奇妙な物理学的現象を除けばね。

So Sam Altman, if you follow him on Twitter, he's going through a whole bunch more of like people's requests and posting a bunch more generated videos.

サム・アルトマンは、ツイッターで彼をフォローすると、人々のリクエストに応えて、さらにたくさんのビデオを投稿している。

And so if you want to check out his profile, you can see those.

それで、彼のプロフィールをチェックしたければ、それらを見ることができる。

But here's the thing about these AI-generated videos now as good as they've gotten to this point.

しかし、このようなAIが生成したビデオがここまで良くなったのは、こういうことなのだ。

They can and will pass as real videos to people who are not looking for AI-generated videos.

AIが生成したビデオを探していない人々には、本物のビデオとして見せることができる。

Now that is obviously insanely sketchy during an election year in the US and also terrifying for a bunch of other internet related reasons.

アメリカの選挙期間中に、このようなことをするのは明らかに大ざっぱだし、インターネットに関連するさまざまな理由からも恐ろしいことだ。

But it's also perfect for stock footage.

しかし、ストック映像にも最適だ。

Like there are already all kinds of presentations and advertisements and then powerpoints that are in need of oddly specific stock videos and these AI-generated videos are already good enough to 100% pass for that purpose.

プレゼンテーションや広告、それからパワーポイントなど、妙に特殊なストックビデオを必要とするものはすでにあらゆる種類があり、こうしたAIが生成したビデオはすでにその目的に100％合格するほど優れている。

Like look at this one, this one with the waves at Big Sir, this drone shot.

この写真を見て、ビッグ・サーでの波の写真、ドローンで撮った写真だ。

Honestly, if I saw this on Twitter, I wouldn't even think twice.

このドローンショット、正直なところ、もし私がツイッターでこれを見たとしても、何とも思わないだろう。

I'd be like, "Oh nice drone shot, dude."

「おっ、良いドローンショットだね」ぐらいにしか思わない。

Wouldn't even think about AI if I wasn't pixel peeping at like the way the water was moving like this, this is a totally usable video in an ad for some California-based product.

水がこのように動いているのをピクセルピーピングしていなければ、AIのことなど考えもしなかっただろう。これは、カリフォルニアに本社を置くある製品の広告で、完全に使えるビデオだ。

And that has all sorts of implications for the drone pilot that no longer needs to be hired for all the photographers and videographers whose footage no longer needs to licensed to show up in that ad that's being made.

そしてそれは、ドローンパイロットを雇う必要がなくなったカメラマンやビデオグラファーや、その映像を広告に掲載するためにライセンスを取得する必要がなくなったカメラマンやビデオグラファーにとって、さまざまな意味を持つ。

It's already that good.

もう、それほど優れているのだ。

There's other stuff like this wall of TVs, which would be a totally expensive and difficult thing to shoot with a camera and all these old expensive props.

他にも、このテレビの壁のように、カメラや古い高価な小道具を使って撮影するのは全く高価で難しいものだ。

But if you can just generate it, this well with reflections and the environment and everything else around it, I mean, why do it any other way?

でも、反射や環境、周囲のあらゆるものをうまく使って、これだけうまく生成できるのなら、それ以外の方法はないだろう。

It's also very capable of historical themed footage.

また、歴史をテーマにした映像にも対応できる。

So this is supposed to be California during the gold rush.

これはゴールドラッシュの頃のカリフォルニアだ。

It's AI-generated but it could totally pass for the opening scene in an old western with the right music over it.

AIが生成したものだが、適切な音楽をかければ、古い西部劇の冒頭シーンとして十分に通用する。

How long until an entire ad, every single shot is completely generated with AI or what about an entire YouTube video or an entire movie?

広告全体、すべてのショットがAIで完全に生成されるようになるまで、あるいは YouTube の動画全体や映画全体はどうなるのか？

I'm tempted to say like, we're a long way away from that because, you know, this still has flaws clearly and there's no sound and there's a long way to go with the prompt, engineering to iron these things out.

というのも、これにはまだ明らかに欠点があり、音も出ないし、プロンプトやエンジニアリングでこれらの問題を解決するには長い道のりが必要だからだ。

But then again, the spaghetti was like a year ago.

でも、スパゲティは1年前のことだ。

Now actually like that OpenAI on their website, they show some of the downfalls too of this particular model and because who would know better than the people who have been using it.

OpenAIのウェブサイトが好きだ。彼らは、この特定のモデルの欠点もいくつか示している。というのも、それを使っている人たち以上に知っている人はいないからだ。

This is a very private tool, by the way, right now, it's in super limited access.

ちなみに、これは非常にプライベートなツールで、今はアクセスが超限定されている。

So it's in the hands of red teamers, which basically means people testing it, pushing the limits, trying to break it and a few trusted creators.

つまり、レッドチーマーの手に委ねられているのだ。レッドチーマーとは、基本的に、それをテストし、限界に挑戦し、それを破ろうとする人々、そして信頼できる少数のクリエイターを意味する。

But they have found plenty of weird edge stuff like this clip here of a bunch of Gray Wolf pups. Looks normal at first, but then it's pretty clear that something's kind off with the way they're just kind of appearing out of nowhere and walking through each other.

しかし、グレイ・ウルフの子犬の群れのクリップのように、奇妙な端っこのものもたくさん見つかっている。最初は普通に見えるが、どこからともなく現れ、互いの間をすり抜けていく様子は、明らかに何かがおかしい。

That's kind of weird.

少し変だね。

Or this clip of a guy running on a treadmill, which I mean, I don't really have to say much more about why this one's weird.

トレッドミルで走る男の映像もだ。なぜこの映像が奇妙なのかは、もう言うまでもないだろう。

But this is my favorite one. Again.

でも、これが一番好きなんだ。

So again, just try to try to put yourself in the mind of someone who's not expecting AI. You're just scrolling through Facebook or Twitter or something, right?

もう1度言うが、AIを期待していない人の気持ちになってみてほしい。フェイスブックやツイッターをスクロールしているだけでしょう？

So you just see this video.

この映像をただ見ただけ。

So, first, I just want you to watch this clip as if it's just a stock video you found of a grandma celebrating her birthday and just try to try to think like, "I wonder what birthday she's celebrating."

だからまず、このクリップを、おばあちゃんが誕生日を祝っているただのストックビデオのように見て、"彼女はどんな誕生日を祝っているんだろう "と考えてみてほしい。

Right?

そうだろ？

I don't know. How old do you think she is?

分からないよ。彼女は何歳だと思う？

60? 65?

60歳？65歳？

Maybe it's the big 70. She seems to really like that cake.

70歳は超えてるかな。彼女はあのケーキが本当に好きなようだ。

Now, did you see it?

さて、見ましたか？

Did you catch that?

わかりましたか？

I'm gonna play it again.

もう1度再生します。

But this time watch the video knowing that AI-generated photos and videos have trouble accurately doing hands.

しかし今回は、AIが生成した写真や動画は正確に手を動かすことが難しいということを知った上で動画をご覧いただきたい。

I'll play it again, and now it feels super obvious like every time you watch it, watch a different set of hands, it gets weirder and weirder.

もう1度再生してみると、今度は見るたびに、違う手のセットを見るたびに、どんどん変になっていくのが超わかりやすく感じられる。

You can watch it like five times and there's dead giveaway after dead giveaway.

5回くらい観ても、決定的証拠が次から次へと出てくる。

Not even mentioning the weird inconsistencies with the direction of the wind on the candles.

キャンドルの風向きとの奇妙な矛盾は言うまでもない。

But even as I'm saying, all that, even as it's coming out of my mouth, I can't help but remember that 12 months ago, we were critiquing this.

しかし、今こうして口にしている間にも、12カ月前に私たちがこの批評をしていたことを思い出さずにはいられない。

So what does this all mean?

では、これは何を意味するのか？

Well, I mean, there's what it means now and there's what it means for the future.

まあ、つまり、今が何を意味するかということと、将来に向けて何を意味するかということだ。

Now, Sora this thing that they've made is clearly a really impressive video generation AI tool that is both going to fool people and also be very useful.

さて、彼らが作った「Sora」は、人々を欺き、かつ非常に便利な、実に印象的なビデオ生成AIツールであることは明らかだ。

There's also a watermark in the bottom corner of every video generated by it.

また、それによって生成されたすべてのビデオの下隅に透かしがある。

So if you see one of those videos and ideally it hasn't been cropped out, then that's at least a pretty clear indicator that it's AI-generated.

だから、もしそのようなビデオを見たとき、理想的にはそれが切り取られていなければ、それは少なくともAIが作成したものであるというかなり明確な指標になる。

It's a Sora video.

Sora Video だ。

But I also do think they're going to have to be very careful with this.

ただ、この件に関しては慎重にならざるを得ないだろうとも思う。

They're gonna have a whole bunch of safety stuff to keep in mind.

彼らは、安全面で留意すべきことが山ほどあるはずだ。

I think they'll probably have to be even more safe than DALL-E.

おそらく、DALL-E よりもさらに安全でなければならないと思う。

Like you shouldn't be able to generate people's likenesses.

人の似顔絵を生成してはいけないようにね。

Like you shouldn't be able to make a politician look like they're doing something on video, especially this year, You probably won't be able to make Will Smith eating spaghetti.

政治家がビデオで何かをやっているように見せることはできないはずだ。特に今年は、ウィル・スミスがスパゲッティを食べているところを撮ることはできないだろう。

But it also definitely means stock video generation is absolutely going to take a dent out of video licensing.

しかし、それはまた、ストック・ビデオの生成が、ビデオ・ライセンスから絶対的に打撃を受けることを意味する。

Like I can basically guarantee that.

それは基本的に保証できる。

Like, logistically, why would anyone making something pay for footage of a house in the cliffs when they can generate one for free or for a small subscription price?

例えば、ロジカルに考えれば、無料か少額の購読料で崖の家の映像が作れるのに、なぜ何かを作る人がお金を払うのだろう？

Like that is the real scary part of what this tool implies.

それが、このツールが暗示する本当の恐ろしさのような気がする。

But in the future, it gets pretty existential, man.

しかし、将来的には、それはかなり実存的なものになる。

I mean, OK, if this is trained on all videos that have ever been made by humans, then surely it can't be innovative or creative in ways that humans haven't already been, right?

つまり、もしこれが、これまで人間が作ってきたすべてのビデオについて訓練されたものだとしたら、きっと人間がまだやったことのないような革新的で創造的なものにはなり得ないだろう？

I don't know, either way, I'll have all the links below for all the Sora stuff, for OpenAI stuff.

いずれにせよ、Soraに関するもの、OpenAIに関するもの、すべて下にリンクを貼っておくよ。

And I guess I'll talk to you next year when we look back and go, "Remember that first version of Sora and how bad those wolf pups looked when they spawned out of nowhere?"

また来年、振り返って話をしよう。「Soraの最初のバージョンを覚えているかい？」「どこからともなく産み落とされたオオカミの子たちが、どんなにひどい顔をしていたか？」

Just remember, this is the worst that this technology is going to be from here on out.

ただ覚えておいてほしいのは、これが今後この技術がもたらす最悪の事態だということだ。

Thanks for watching.

ご視聴ありがとう。

Catch you in the next one.

また次回お会いしましょう。

Peace.

ピース。