NTTドコモ、推しのアップと全体演出をAIで組み合わせる映像構成技術を開発

NTTドコモは2026年10月23日、「パーソナライズ映像自動構成技術」の開発を発表した。AI(人工知能)が視聴者の好みに合わせ、ライブ映像を自動で組み立てる技術だ。

推しとステージ全体を自動で組み合わせる

視聴者は、見たい出演者である「推し」を事前に設定する。ドコモによると、AIが推しのアップと、ステージ全体の演出や見どころを組み合わせる。

推しの姿だけでなく、ライブ全体の見せ場も映像に取り込む仕組みだ。同社は、視聴中に自分でカメラ映像を切り替える操作が不要になるとしている。

今回の発表の中心は、視聴者が見る映像の構成を自動化する技術の開発である。見たい出演者の指定と、その後の映像の組み立てを分けている点が特徴だ。

かんたんに言うと、好みを伝えた映像の編集係

たとえるなら、好みを伝えておいた編集係に、ライブの見せ方を任せるようなものだ。視聴者がその都度カメラを選ぶ代わりに、AIが映像を構成する。

この判断には、視覚言語モデルのVLMを活用する。VLMは、映像・画像と文字などを同時に処理するAIモデルだ。内容を理解したり、指示に沿って判断したりする役割を担う。

単に推しのアップを選ぶだけではなく、全体の演出や見どころと組み合わせる。そのための映像構成に、この仕組みを使うという。

音の聞こえ方にも着目

映像と組み合わせる技術として挙げられているのが、NTTの「音響XR」だ。音源を仮想的に3次元配置し、現実と仮想空間の音を融合させる技術である。

音の置き場所を仮想的に決める仕組み、と考えると分かりやすい。ドコモによると、体験デモでは特定の歌声を強調する予定だ。出演者の位置に応じて、音の方向も制御するとしている。

まとめ

この技術は、推しを見たいという好みと、ステージ全体の見どころを両立させようとするものだ。視聴中の操作をAIに任せる点に狙いがある。

NTT武蔵野研究センタの「NTT R&Dフォーラム」では、映像の自動構成と音響XRを組み合わせた体験デモを展示予定だ。展示予定日は2026年11月18～20日、24日、25日である。

ドコモは技術の高度化を進め、スポーツ観戦への応用も検討する。ライブ以外にも、好みに合わせた映像の楽しみ方が広がる可能性がある。