Google Cloudが新しい音楽およびビデオ機能でAIメディアツールを強化

水曜日、GoogleはVertex AIクラウドプラットフォームのアップグレードを発表し、いくつかの独自のメディア生成AIモデルを強化しました。

Lyria、Googleのテキストから音楽を生成するAIは、現在、選択されたユーザー向けにプレビュー中です。一方、Veo 2ビデオモデルには高度な編集および視覚効果オプションが追加されました。さらに、Googleは、音声処理モデルであるChirp 3を活用した音声クローニング機能を、承認されたユーザー向けに導入しました。Imagen 3画像生成ツールは、Googleによると、顕著なパフォーマンス向上が実現されています。

Cloud Nextで発表されたこれらのアップデートは、AmazonのBedrockプラットフォームと密接に競合する、企業向け生成AI市場でのGoogleのリーダーシップを強化するものです。

GoogleはLyriaをロイヤリティフリーの音楽ライブラリの代替としてマーケティングしており、ジャズピアノソロからローファイビートまで、多様なスタイルの楽曲を生成できます。

Chirp 3は約35言語での音声合成をサポートしています。今年初めにプレビューされたこの機能は、わずか10秒の音声で声を再現できるInstant Custom Voiceを強化し、現在広く利用可能です。Chirp 3はまた、複数人の録音で話者を識別してラベル付けするTranscription with Diarizationという新しいプレビューツールも可能にします。

不正使用を防ぐため、Instant Custom Voiceは適切な音声使用許可を確保するための検証プロセスを経ているとGoogleは述べています。

Veo 2は現在、ビデオから背景、ロゴ、オブジェクトを削除したり、ビデオフレームを拡張したりする機能をユーザーに提供します。例えば、横長の映像を縦に変換することが可能です。また、AI生成シーンに対してカメラアングルやペースを調整し、タイムラプスやドローン風のショットなどの効果を作成したり、指定された開始フレームと終了フレームの間を補間することもできます。

これらのVeo 2機能は現在プレビュー中です。

Googleは、Imagen 3の強化により、オブジェクトの削除や欠損または損傷した画像領域の修復能力が向上したと述べました。

Imagen、Veo、Lyria（ただしChirpは除く）で作成されたすべてのメディアには、GoogleのSynthID透かしが付いています。Googleは、生成AIモデルに有害なコンテンツの作成を防ぐためのセーフガードが含まれていることを強調しました。

Googleはモデルのトレーニングデータについては明らかにせず、これは知的財産に関する懸念からしばしば議論されるトピックです。一部の企業は、許可なく著作権で保護された素材でAIをトレーニングし、米国のフェアユース保護を主張していますが、クリエイターはこれを法廷で頻繁に争っています。

Googleは以前、TechCrunchに対し、モデルトレーニングのオプトアウトオプションと、Google CloudおよびVertex AIユーザーをAI関連の著作権クレームから保護する補償ポリシーを提供していると述べました。