IBC 2026 動画技術関連レポート / IBC 2026 Report

Transcript

1. IBC2026 動画技術関連レポート 株式会社 AbemaTV 五藤 佑典 | ⾕⼝ 真敏 | ⻘⽊ 陽太
2. Motivation AbemaTV を始めとするサイバーエージェントの動画事業を技術的に前進させる • 業界トレンドの定点観測 • ヨーロッパを中⼼とする技術標準化の動向キャッチアップ • 複数の海外パートナー会社との⼀挙ミーティング • 業界先端企業の将来への⾒解や実践例などの情報収集 • 汎⽤ソリューションの進化状況の確認 • 以前に⽬をつけていた技術の進化状況の確認
3. アジェンダ • • • • • Ice Break グローバル∕ヨーロッパの動画 技術トレンド俯瞰 分類して考えるメディア業界の AI への向き合い⽅ グローバル事例に学ぶユーザー の最新視聴動向 最新動画技術によって進化する 視聴品質 • • • • • 注⽬を集め続ける CTV 周辺エコ システムの変化 制作ワークフロー進化最前線 MOQ が変えるメディア伝送 AI 時代により重要性が増す C2PA コストとセキュリティのバラン スを両⽴する新しいコンテンツ 保護
4. 五藤 佑典 • California State University, San Bernardino グラフィックデザイン専攻 • CyberAgent Developer Expert @（株）サイバーエージェント • Director of Device Engineering @（株）AbemaTV YUSUKE GOTO https://ygoto3.com/ @ygoto3_ Career History 1. Graphic / Web Designer 2. Marketer 3. Web Engineer 4. Video Engineer 5. Technical Product Manager
5. for Video Technology
6. 谷口 真敏 Masatoshi Taniguchi 株式会社 AbemaTV Business Development Headquarters Product Division Adtech Section_商品開発 Group Career History 1. リアリティーショー・アニメジャンルをメインにタイム系広告商品 の企画・立て付け・売上最大化 2. ネットワーク(PMP)経由でのABEMA広告売上最大化 3. ABEMA広告の受発注プラットフォーム『ビジネスマネージャ』 PdM 旅行・サウナ・音楽が好きです
7. 青木 陽太 • ML Engineer @ (株) AbemaTV HINATA AOKI 学⽣ 研究 3次元再構成 リモートセンシング ML 映像解析基盤の開発 2025⼊社 現在 @MilkTy_NeRF
8. Ice Break
9. IBC とは
10. IBC とは IBC - International Broadcasting Convention • 欧州最大の放送関連イベント • IBC 2026 は 9/11 - 9/14 にかけて開催 • オランダ・アムステルダム RAI で開催 規模：昨年対比／類似イベント対比 来場者数 / 国 出展社数 IBC 2026 41,225 / 170カ国 1,300 IBC 2025 43,858 / 170カ国 1,300 NAB Show 2026 58,000+ / 146カ国 1,100+ Inter BEE 2025 34,072 / 47カ国 1,079 https://www.instagram.com/p/Dd9HOaWAgBu/
11. グローバル∕ヨーロッパの Ice Break 動画技術トレンド俯瞰
12. AI が変えるメディア技術 今のメディア技術が拡⼤している領域を 多くのメディア事業を扱う サイバーエージェントとして⾒ていく
13. 加速する AI 活⽤事例 DAZN 社は AI が収益ドライバーになっている事例を紹介 FIFA Club World Cup での⼤規模広告配信 • 2025年 DAZN と Google のパートナーシップで 1,300 万 同接のパーソナライズストリームを実現し、ライブスト リームでのプログラマティック取引を倍増 Gemini によるキャプションと翻訳 • World Cup で Gemini をリアルタイムキャプションに活 ⽤ → アクセシビリティと多⾔語対応を低コストで実現 AI によるリアルタイムシーン検出 • 収益化が難しい下位層スポーツコンテンツに対して AI がハーフタイムやフルタイムを検出して⾃動的に広告を 挿⼊するテスト実施
14. AI とともに変わる"メディアテック"の意味 https://theiamt.org/
15. AI とともに変わる"メディアテック"の意味 https://speakerdeck.com/cyberagentdevelopers/ibc-2024-report?slide=15
16. AI とともに変わる"メディアテック"の意味 https://theiamt.org/
17. AI とともに変わる"メディアテック"の意味 IABM（International Trade Association for Broadcast & Media Technology）が 50 年の時を経て IAMT（International Association of MediaTech）にリブランド メディアテックを再定義するとき • 単なるセクターではなく、ビジネス⽬標のための能⼒ • メディア技術を利⽤可能な市場の 40% 以上が従来の放送分野以外 ◦ AI、クラウド、データ、Software-defined のワークフローにより、ヘルスケア、ス タジアムなど多様な市場に拡⼤
18. メディア技術のサプライヤーの収益構造の変化 メディア技術を利⽤する市場の 40% 以上が従来の放送分野以外
19. メディア技術のサプライヤーの収益構造の変化 メディア技術を利⽤する市場の 40% 以上が従来の放送分野以外 放送∕メディア業界だけでなく、クリエイ タープラットフォーム、ゲームスタジオなど が同じ市場で競争∕協⼒し合う時代
20. メディア技術のサプライヤーの収益構造の変化 メディア技術を利⽤する市場の 40% 以上が従来の放送分野以外 放送∕メディア業界だけでなく、クリエイ タープラットフォーム、ゲームスタジオなど が同じ市場で競争∕協⼒し合う時代 放送∕メディア企業が他の垂直市場のプレイ ヤーと積極的にコラボレーションする時代
21. メディア技術のサプライヤーの収益構造の変化 メディア技術を利⽤する市場の 40% 以上が従来の放送分野以外 放送∕メディア業界だけでなく、クリエイ タープラットフォーム、ゲームスタジオなど が同じ市場で競争∕協⼒し合う時代 放送∕メディア企業が他の垂直市場のプレイ ヤーと積極的にコラボレーションする時代
22. メディア技術のサプライヤーの収益構造の変化 メディア技術を利⽤する市場の 40% 以上が従来の放送分野以外 放送∕メディア業界だけでなく、クリエイ タープラットフォーム、ゲームスタジオなど が同じ市場で競争∕協⼒し合う時代 放送∕メディア企業が他の垂直市場のプレイ ヤーと積極的にコラボレーションする時代 イメージがつきやすい市場が上位 これらの垂直市場でメディア技術が どのように進化していくかは今後も注⽬
23. メディア技術のサプライヤーの収益構造の変化 メディア技術を利⽤する市場の 40% 以上が従来の放送分野以外 放送∕メディア業界だけでなく、クリエイ タープラットフォーム、ゲームスタジオなど が同じ市場で競争∕協⼒し合う時代 放送∕メディア企業が他の垂直市場のプレイ ヤーと積極的にコラボレーションする時代
24. YouTube の協業事例から学ぶ視聴体験戦略 【通信‧放送事業者の課題】 • ⼊⼒切替による「顧客離れ」 ◦ 他ストリーミング端末への切り替えを防ぎたい ◦ ⾃社環境内でユーザーとの接点と関連性を維持したい
25. YouTube の協業事例から学ぶ視聴体験戦略 【通信‧放送事業者のプラットフォームにYouTubeをネイティブ統合】 • Co-surfacing solutions（統合ソリューション） ◦ Dynamic Content Rails ▪ ◦ Curated Event Hubs（イベントハブ） ▪ ◦ ⾃社UX内で、YouTube動画を特定のターゲットや特定の時間帯に合わせて⾃由編成 ⾳楽フェスや⼤型スポーツなど、特定イベントの特設テーマ空間を構築し、強固なファンダムを形成 EPG Integrations（EPG（電⼦番組表）統合） ▪ 従来のテレビ番組表（グリッド）の中に、YouTubeコンテンツを直接組み込み
26. YouTube の協業事例から学ぶ視聴体験戦略 【導⼊事例】 • Bouygues Telecom（ブイグテレコム） ◦ • • Dynamic Content Railsを導⼊ Sky ◦ Curated Event Hubsを導⼊ ◦ エンゲージメントの⾼い顧客ほどロイヤリティが⾼く、利⽤期間（ライフサイクル）が⻑くなることを実証 Free ◦ EPG Integrationsを導⼊
27. YouTube の協業事例から学ぶ視聴体験戦略 【導⼊事例】 • Bouygues Telecom（ブイグテレコム） ◦ • • Dynamic Content Railsを導⼊ Sky ◦ Curated Event Hubsを導⼊ ◦ エンゲージメントの⾼い顧客ほどロイヤリティが⾼く、利⽤期間（ライフサイクル）が⻑くなることを実証 Free ◦ EPG Integrationsを導⼊ 統合された シームレスなユーザー体験の構築に注⼒
28. 欧州メディア業界の最新動向とサバイバル戦略 【 巨大資本への対抗：金融主導の業界統合】 • 目的 a. • 米国ストリーミング大手への対抗と、高金利下の財務負担軽減 戦略 a. 規模とリーチの拡大を目指した事業統合 i. • 事業改善よりも「大きすぎて潰せない」規模と財務効率化を優先 象徴する事例 a. Paramount × Warner Bros. Discovery i. b. 1,100億ドル規模の合併 Sky × ITV i. 金額規模は小さいが、英国のメディア状況を再編する可能性を秘めた戦略的 取引 c. Banijay × All3Media i. 85億ドル規模の統合により、欧州最大の独立系制作会社が誕生
29. 欧州メディア業界の最新動向とサバイバル戦略 【ストリーミング投資の転換点（収益性重視へ）】 • • Netflixの独走 a. ストリーミングの累積収益において圧倒的なリードを維持 b. 価格設定を巧みに操り、高額なサブスクリプション料金に抵抗のある市場を中心に、広告モデルへの移行を成功 投資の限界 a. 他社の「コスト度外視の自社配信投資」は株価低迷などを招き、 2022年以降は業界全体の番組制作費が減少
30. 欧州メディア業界の最新動向とサバイバル戦略 【デジタルプラットフォームの共存と未来】 • YouTubeの活用 a. 直接的な利益が出なくとも、若年層へのリーチ拡大やマーケティング目的 で戦略的に利用 i. • 例 BBC：YouTubeで50のチャンネルの提供を発表 今後の鍵（生き残り策） a. 一社による完全独占はない i. b. 市場は少数の普遍的なマーケットプレイスへと統合され続けていく PSB（公共放送局）が生き残るには、動画広告市場の定義やルールを統 一し、競争条件を公平にする「規制のアップデート」が不可欠
31. 欧州メディア業界の最新動向とサバイバル戦略 【デジタルプラットフォームの共存と未来】 • YouTubeの活用 a. 直接的な利益が出なくとも、若年層へのリーチ拡大やマーケティング目的 で戦略的に利用 i. • 例 BBC：YouTubeで50のチャンネルの提供を発表 今後の鍵（生き残り策） a. 一社による完全独占はない i. b. 市場は少数の普遍的なマーケットプレイスへと統合され続けていく PSB（公共放送局）が生き残るには、動画広告市場の定義やルールを統 一し、競争条件を公平にする「規制のアップデート」が不可欠 ⼤規模グローバルメディアの脅威に備える⽬的だけでなく、 多⾓的にメリットのある形での 他メディアとの協業（パートナーシップ）を検討していく必要あり
32. AI が変えるメディア技術 AI は IAMT が注⼒する技術領域とサプライチェーンのキー要素
33. AI が変えるメディア技術 ただし、 賛否両論が分かれる領域もある
34. ⼈間が⼼地よく感じる境界線としての AI Tilly Norwood • ⽣成 AI で作られた仮想⼥優 • 英国ロンドンの制作会社 Particle6 が開発 • 2025 年に『AI Commissioner』という AI に焦 点を当てた短尺コメディで登場して以降世間の 反応は賛否両論 ◦ 「俳優とは認めない」「モデルに誰の容姿を使ったの か」など否定的な意⾒も多い ◦ Particle6 CEO かつ⼥優 Eline van der Velden ⽒によ るとオンラインでは約 20% が否定的 https://www.tillynorwood.com/
35. ⼈間が⼼地よく感じる境界線としての AI Tilly Norwood • ⽣成 AI で作られた仮想⼥優 • 英国ロンドンの制作会社 Particle6 が開発 • 2025 年に『AI Commissioner』という AI に焦 点を当てた短尺コメディで登場して以降世間の 反応は賛否両論 ◦ 「俳優とは認めない」「モデルに誰の容姿を使ったの か」など否定的な意⾒も多い ◦ Particle6 CEO かつ⼥優 Eline van der Velden ⽒によ るとオンラインでは約 20% が否定的 https://www.tillynorwood.com/
36. ⼈間が⼼地よく感じる境界線としての AI Eline van der Velden ⽒による Tilly Norwood 紹介セッション Tilly Norwood は⼀般⼤衆に AI 技術を分かりやすく ⽰すために作成 • AI は避けられない未来 ◦ ⼈々は AI との協調を通じて⾃分⾃⾝の役割を再 定義する ◦ どのようにより⾝近なものになっていくかを⾒せ る • インタラクティブな AI キャラクターがエン ターテインメントを拡張する例を⾒せる ◦ 映画キャラクター⾃⾝による記者会⾒ ◦ 作品ストーリー内での交流 ◦ エンターテインメント、ゲーム、ブランドアンバ サダーなどでの活⽤
37. ⼈間が⼼地よく感じる境界線としての AI ライブデモ • • Tilly ⾃⾝が⾃分のことを AI ⼥優 と説明 会話はめちゃくちゃ⾃然というわ けでもない Tilly Norwood ⾃⾝の設計 • • プライバシー上の理由から 対話のテキスト情報は記憶する が、対話相⼿の視覚的な情報は記 憶しないようになっている 振舞には⼀定のガードレールが設 定されている
38. AI が変えるメディア技術 次のセクションからは メディア領域における AI の向き合い⽅を より細かく⾒ていきましょう
39. 分類して考える メディア業界の AI への 向き合い⽅
40. AI時代 何をするべきだろう
41. 結論 AI活⽤をしながら 活⽤から独⾃の価値を⽣み出せる データを貯める時代に
42. IBCにおける AIの変遷
43. 結論 2023年 結論から⾔うと 作る‧貯める‧改善する
44. 結論 2024年 結論から⾔うと 作る‧貯める‧改善する
45. 結論 2024年 結論から⾔うと 作る‧貯める‧改善する
46. 結論 2025年 2024年 結論から⾔うと 作る‧貯める‧改善する
47. 2026年においては 活⽤は当たり前 検証‧改善ができるかが分かれ⽬
48. 例えばメタの事例 • • AIが進化していく中で様々なサービスが出ている あまりにAIでなんでもできるように主張されていて違いがわかりづらい AIでメタをつけて⾊々できるよ！ ⾔ってること 同じじゃないか...?
49. 3分類できるAI活⽤における主張 活用推進型 品質保証型 継続改善型 できることの幅を主張 信頼できるところから始める 改善できる設計 差は検証と改善まで進めているか
50. 活⽤推進型: Eddie AI 映像編集プラットフォーム‧MCPなどを統合して編集可能に
51. 品質保証型: Vionlabs AIが感情や雰囲気まで読めると、「なぜ好きか」がつかめる
52. 品質保証型: Gracenote LLM単体は作品情報を作り話する。信頼できるメタデータで接地させる
53. 品質保証型: Flowstate 根拠のクリップを添えて答える
54. 品質保証型: ThinkMediaAI 専⾨家のメタデータ作りをAI化‧社内のデータサイエンティストが検証済み
55. 継続改善型: 3Play Media AIと⼈の分担を、品質別のサービスとして設計している
56. 継続改善型: CBS × Mimir × TwelveLabs 精度に課題はあってもメタデータを直しながら使う
57. ABEMAは今どの段階？ AIを使う⼈はもう増えている 貯めて改善できるように
58. これからは「作る‧貯める‧改善する」 作る 貯める 改善する 活用推進は自分たちに合わせる 検証できるようにデータを貯める 検証しながら改善を回す 使いながら正しく貯め、そのデータに信頼を置けるようにする
60. 何を貯める？ 業務定義‧⽂脈‧⼈の判断
61. その他 AI 活⽤提案 パーソナライズ∕ アクセシビリティに 対する応⽤
62. AI でコンテンツのパーソナライズ∕アクセシビリティ強化 課題 • • コンテンツのパーソナライズ不⾜ アクセシビリティの問題 AI による解決策 • • 同じコンテンツでも、ユーザーの好み に応じた魅⼒的な説明を提供 ⾳声ディスクリプションのコストを⼤幅に削減
63. AI でコンテンツのパーソナライズ∕アクセシビリティ強化 課題 • • コンテンツのパーソナライズ不⾜ アクセシビリティの問題 AI による解決策 • • 同じコンテンツでも、ユーザーの好み に応じた魅⼒的な説明を提供 ⾳声ディスクリプションのコストを⼤幅に削減 特に（視聴数が乏しい）ロングテールコンテンツの 収益化に効果
64. AWS が提案する 3 層のリファレンス‧アーキテクチャ クラウド層：⽣成 AI コンテンツ⽣成 • 視聴者セグメントごとにパーソナ ライズ概要⽂∕アクセシビリティ ⾳声を⾃動⽣成 • バッチ処理（リアルタイム⽣成はしない）→ 推論コスト削減+遅延０
65. AWS が提案する 3 層のリファレンス‧アーキテクチャ クラウド層：⽣成 AI コンテンツ⽣成 • 視聴者セグメントごとにパーソナ ライズ概要⽂∕アクセシビリティ ⾳声を⾃動⽣成 ストレージ層：複製データストア • バッチ処理（リアルタイム⽣成はしない）→ • クラウド層で⽣成された全バリア 推論コスト削減+遅延０ ントを世界中のリージョンへ複製 • キー‧バリューストア。検索キー は作品 ID だけじゃなく視聴セグメ ント ID や⾔語など
66. AWS が提案する 3 層のリファレンス‧アーキテクチャ クラウド層：⽣成 AI コンテンツ⽣成 • 視聴者セグメントごとにパーソナ ライズ概要⽂∕アクセシビリティ ⾳声を⾃動⽣成 ストレージ層：複製データストア • バッチ処理（リアルタイム⽣成はしない）→ • クラウド層で⽣成された全バリア 推論コスト削減+遅延０ ントを世界中のリージョンへ複製 エッジ層：リアルタイム合成 • キー‧バリューストア。検索キー • は作品 サーバーレス関数をリクエストご ID だけじゃなく視聴セグメ とに実⾏ ント ID や⾔語など • 視聴者セグメント∕デバイス種別 ∕位置情報∕⾔語∕時間帯∕アク セシビリティ設定などから該当バ リアントを読み取りレスポンス • 推論や重いロジックを実⾏しない = 事前⽣成された結果の選択のみ （⾼速）
67. European Accessibility Act • • 2025 年 6 ⽉ 28 ⽇から EU 全域で適⽤開始 障害がある⼈も使えるようサービスに共通のアクセシビリティ要件を課す
68. European Accessibility Act • • 2025 年 6 ⽉ 28 ⽇から EU 全域で適⽤開始 障害がある⼈も使えるようサービスに共通のアクセシビリティ要件を課す （AI なし）⼿動対応の場合 約 $12 / 1 分 45 分エピソードで $500 〜 $300
69. European Accessibility Act • • 2025 年 6 ⽉ 28 ⽇から EU 全域で適⽤開始 障害がある⼈も使えるようサービスに共通のアクセシビリティ要件を課す （AI なし）⼿動対応の場合 約 $12 / 1 分 45 分エピソードで $500 〜 $300 同じアーキテクチャのクラウド層で ⾳声ディスクリプションを⽣成して対応
70. 事例に学ぶ ユーザーの最新視聴動向
71. グローバルスポーツ 最新視聴動向（オリンピック） 【放送規模の拡⼤と視聴者戦略】 • パリ五輪 視聴者：50億⼈（内7割がTV&Degitalで視聴） • ミラノ冬季五輪 視聴者：26億⼈（内6割がTV&Degitalで視聴） →熱狂的なコアファン層だけでなく、 世界的祭典を楽しむ『⼤規模なカジュアル視聴者』に向けた 感情的なストーリーテリングが不可⽋
72. グローバルスポーツ 最新視聴動向（オリンピック） 【多様なユーザーのニーズに応えるために】 • 「前例のない膨⼤な量のコンテンツ」が必要 ◦ パリ五輪：実競技3,400時間に対し、1.1万時間のコンテンツを制作 ▪ 舞台裏の準備‧トレーニング‧ソーシャルメディア向けのコンテンツ etc… ◦ OBSは1,000台以上のカメラシステムを配備 ◦ 106の異なる国から8,000⼈以上のスタッフ配置
73. グローバルスポーツ 最新視聴動向（FIFAワールドカップ） 【多様なユーザーのニーズに応えるために】 • FIFA：多様な視聴プラットフォームに対応するため「FIFA Max」サーバーを活⽤ ◦ 詳細な記録‧タグ付け ▪ ◦ 多様なコンテンツ ▪ ◦ 特定のイベント、選⼿、試合の瞬間（ゴール、ファウル、観客の反応など）を瞬時に検索可能 メインの試合中継映像だけでなく、マルチフィード、専⽤カメラアングル、舞台裏のBロール、インタビュー、記者会⾒、未編集映像（ラッシュ）等も収録 リモートプロダクション（遠隔制作）の統合 ▪ Broadcaster Event Center（BEC）やDigital Media Interface（DMI）等のプラットフォームと連携し、リモート制作のワークフローを実現 • 現地に⼤規模な制作クルーを派遣することなく、⾃国から⾼品質なコンテンツを即座に取得可能
74. グローバルスポーツ 最新視聴動向（FIFAワールドカップ） 【多様なユーザーのニーズに応えるために】 • FIFA：多様な視聴プラットフォームに対応するため「FIFA Max」サーバーを活⽤ ◦ 詳細な記録‧タグ付け ▪ ◦ 多様なコンテンツ ▪ ◦ 特定のイベント、選⼿、試合の瞬間（ゴール、ファウル、観客の反応など）を瞬時に検索可能 メインの試合中継映像だけでなく、マルチフィード、専⽤カメラアングル、舞台裏のBロール、インタビュー、記者会⾒、未編集映像（ラッシュ）等も収録 リモートプロダクション（遠隔制作）の統合 ▪ Broadcaster Event Center（BEC）やDigital Media Interface（DMI）等のプラットフォームと連携し、リモート制作のワークフローを実現 • 現地に⼤規模な制作クルーを派遣することなく、⾃国から⾼品質なコンテンツを即座に取得可能 ‧⽔平⽅向（横型）の放送コンテンツ‧垂直⽅向（縦型）のデジタルコンテンツを 単⼀システムに統合 ‧各国の放送局にとって、編集作業やハイライト制作を⽀える 「中枢神経」として機能
75. グローバルスポーツ 最新視聴動向 【技術⾰新：ストーリーテリング‧ドローンとレフェリーカメラ】 • ストーリーテリング‧ドローン ◦ 単なる装飾的なツールから、積極的なストーリーテリングの道具へ ◦ OBS：1年以上の歳⽉をかけてドローンの統合テストを実施 →視聴者はアスリートの⾝体的な感覚‧⾼揚感を体験可能に https://www.washingtonpost.com/sports/olympics/2026/02/09/drones-winter-olympics/ • レフ‧カム（レフェリーカメラ） ◦ FIFA：イノベーションチームが開発した、フィールド上の審判の視点を捉えるカメラを導⼊ →審判が瞬時に下す迅速な判定の背景（コンテキスト）をファンに提供 https://www.youtube.com/watch?v=XND4YbEH_P0
76. グローバルスポーツ 最新視聴動向（FIFAワールドカップ） ライブスポーツの視聴規模の拡⼤は、 ◼多様なニーズに応えるために ‧FIFAでは、多様な視聴プラットフォームに対応するため「FIFA Max」サーバーを活⽤ 熱狂的なコアファン層だけでなく、 └⽔平⽅向の（横型の）放送コンテンツと垂直⽅向の（縦型の）デジタルコンテンツを 単⼀のシステムに統合することが可能に 多様なニーズを持ち、様々な楽しみ⽅で楽しむ 『ライトユーザー‧カジュアル層』をどう惹きつけるかが重要 ◼技術⾰新：ストーリーテリング‧ドローンとレフェリーカメラ ‧ミラノ‧コルティナ⼤会において、ドローンは単なる装飾的なツールから、積極的なストーリーテリングの道具へ OBSは、1年以上の歳⽉をかけてドローンの統合テストを実施、アスリートやプロのスキージャンパーと協⼒して、適切なカメラの⾼さを決定 膨⼤な量のコンテンツ制作体制、多様なコンテンツFMTへの対応環境 →スポーツの⾝体的な感覚を捉えることに成功し、視聴者はアスリートの⾁体的な⾼揚感を体験できる ‧FIFAにおいて、FIFAイノベーションチームが開発した、フィールド上の審判の視点を捉える「レフ‧カム（レフェリーカメラ）」 →審判が瞬時に下す迅速な判定の背景（コンテキスト）をファンに提供
77. ライブスポーツ ユーザー視聴体験の最新動向 【スポーツストリーミングの進化〜コンテンツ中心から「ファン中心」のパーソナライズ体験へ〜】 • スポーツファンの特性と「ライブ」の再定義 ◦ 能動的な視聴者 ：見たいものが明確であり、受動的なエンタメ視聴とは異なる ◦ 多様化するニーズ ：複数デバイスで複数チームを追うため、パーソナライズされた体験が必須 ◦ ライブの進化 ：単なる90分の試合中継から、マルチアングル、自動ハイライトを含む「総合体験」へ
78. ライブスポーツ ユーザー視聴体験の最新動向 【パーソナライズ体験構築のポイント】 • コア機能（発見・フォロー・情報提供） ◦ • • 好みの選手・チームを追跡しやすくし、ファンが喜ぶ統計データを的確に提供 多様なコンテンツの統合 ◦ ライブ、ショート動画、見逃し配信に加え、ニュースや順位表などを一元化 ◦ 試合の前後もプラットフォームへの滞在を促す 視聴を妨げない UI（非侵入型）と通知 ◦ 決定的な瞬間の邪魔をせず、ハーフタイム等の自然な隙間にデータを提示 ◦ マルチ画面への対応と、見逃しを防ぐタイムリーな通知・ショート動画の活用
79. ライブスポーツ ユーザー視聴体験の最新動向 【ファン体験を拡張する「マルチビュー」技術】 • 導入事例と成果： Comcast『Xfinity』（NFL向け） ◦ 段階的な進化と成果 ▪ フェーズ1：「固定4分割（2x2）」からスタート ▪ フェーズ2：1画面を大きくする「スポットライト」導入で、マルチ画面利用が 400%増加 ▪ フェーズ3：ユーザーの「自由選択（パーソナライズ）」導入で、利用率が 前年比 200%増加
80. ライブスポーツ ユーザー視聴体験の最新動向 【ファン体験を拡張する「マルチビュー」技術】 • 戦略的な重要インサイト ◦ ユーザー行動の真実 ▪ ◦ 完全なカスタマイズが可能になっても、「90%の視聴者は、事業者側が用意した固定レイアウトを利用」 戦略的結論 ▪ 最初から複雑な機能を作らず、「シンプルな固定レイアウト」 の提供だけでも、ビジネス的に十分な価値を生み出せる
81. ユーザーのコンテンツディスカバリー最新事例 【スポーツ配信を「受動的な視聴」から「インタラクティブで個別の体験」へ】 • 「ディスカバリー（発⾒）」が最⼤の課題 • 視聴者の85%が『単⼀の⽬的地となる体験』（統合されたホーム画⾯）を求めており、断⽚化されたディスカバリーは若年層の離脱を招く • ユーザーのパーソナライゼーション ◦ 「試合前、ライブエンゲージメント、試合後のハイライト」など、スポーツファンのジャーニー全体に及ぶ必要がある
82. ユーザーのコンテンツディスカバリー最新事例 【AIを活⽤した視聴体験事例】 • • ⾳声検索とコンテンツの発⾒ ◦ ユーザージャーニーは、「今⽇、アルゼンチンの試合はある？」といった⾳声検索から始まる ◦ システムはライブの検索結果を表⽰し、「最初から⾒る」などのオプションを提⽰ ◦ ⾳声検索は⾮常に普及しており、ニールセンの統計によればコネクテッドTV世帯の64%がこの機能を利⽤している コンテキストに応じたアップセル ◦ 視聴したいコンテンツがユーザーの現在のプランに含まれていない場合、AIエージェントが即座にアップグレードを提案
83. ユーザーのコンテンツディスカバリー最新事例 【AIを活⽤した視聴体験事例】 • • ライブイベント中のコンテキストAIアシスタント ◦ 視聴者は、配信を中断することなく、ライブコンテンツに関連する質問が可能 ◦ スマートフォンなどの別デバイスを使った情報検索が不要に AI⽣成ハイライトとVODナビゲーション ◦ イベント終了後、⾳声コマンドを使⽤して、VODコンテンツを操作可能 ◦ 「アルゼンチン対フランス戦の重要なゴールシーンを⾒せて」といった特定ハイライトをリクエスト可能
84. ライブスポーツ ユーザー視聴体験の最新動向 【視聴動向の変化とデータ駆動パーソナライゼーション】 • • 成功の鍵：「リーンバック（受動的）」な最適化 ◦ ユーザーは、複雑な手動設定（画面上のカスタマイズ等）を望んでいない ◦ 強固なデータ基盤がユーザーを理解し、「システム側が自動で体験を最適化して届ける仕組み」 が重要 競技特性に合わせたアプローチ ◦ パーソナライズの最適解はスポーツの種類によって異なる ▪ モータースポーツ・ゴルフ ：複数選手が同時に動く「同時進行のストーリー（文脈）」の提示が有効 ▪ サッカー等：ハイライト動画の提供や、セカンドスクリーン（別端末）を活用した情報補完が効果的
85. ユーザーのコンテンツディスカバリー ◼スポーツ配信を「受動的な視聴」から「インタラクティブで個別の体験へ」 ユーザーに「探させない」「操作させない」 ‧ディスカバリー（発⾒）が最⼤の課題であり、視聴者の85%が単⼀の⽬的地となる体験（統合されたホーム画⾯）を求めている ‧信頼性が⾼く標準化されたデータは、効果的なコンテンツ発⾒とパーソナライゼーションの基盤 ‧パーソナライゼーションは、試合前、ライブエンゲージメント、試合後のハイライトなど、ファンのジャーニー全体に及ぶ必要がある ‧AIを活⽤した機能を⼤規模に提供するには技術的課題が伴うが、中核となる配信品質の維持が常に最優先事項 最短で⽬的へ導き、あとは“全⾃動（リーンバック）”で ‧ビジネスルールをレコメンドに組み込み、コンテンツの多様性を保ちながらライブイベントや戦略的コンテンツを優先するべき ‧深いパーソナライゼーションと、プライバシー、データ所有権、倫理的配慮の尊重との間には重⼤な緊張関係が存在 ユーザーの⽂脈に合わせた最適なコンテンツ（広告）を出し分ける パーソナライズ体験が求められている
86. YouTubeの最新視聴動向 【共視聴と視聴者の増加】 • YouTubeの共視聴（共同視聴）率は 26%であり、一部のインド市場では伝統的な放送よりも高くなっている • プラットフォームの月間アクティブユーザー数は27億人超え
87. YouTubeの最新視聴動向 【コンテンツエンゲージメントのフルサイクル】 • ユーザーは、メインの放送を超えて広がる 3段階のサイクル でプレミアムなテレビコンテンツに関与 ◦ 第1段階（プレショー） ▪ ◦ 第2段階（メインショー） ▪ ◦ ティザーやショート動画などにより、スマートフォン上で期待感が高まり、今後の放送に向けた話題性が生まれる 放送局が「火」をつけ、文化的な瞬間を作り出す、質の高い放送（ 60〜90分） 第3段階（ポストショー） ▪ ファンの会話はYouTube上で続き、「火を燃やし続け」る ▪ ユーザーはコメント、リアクション、ファンからの資金提供を通じて参加 ▪ 公式放送の周囲に持続的でパーソナライズされた体験を生み出す
88. YouTubeの最新視聴動向 【ユーザーの習慣の変化】 • ユーザー行動の主要なトレンド ◦ 絶対的な選択肢と即時アクセス ▪ ◦ 能動的なリーンバック（くつろぎ）体験 ▪ ◦ ショート動画、長尺動画、ライブ配信、VR、ゲーム、ショッピング等、あらゆるタイプのコンテンツへの即時かつ完全なアクセスを期待 コメント、ファン資金提供、Eコマースなどにセカンドデバイスを使用して、より深いつながりを求めている AI主導のパーソナライゼーション ▪ AIによるシームレスで自動化された、パーソナライズされた体験への期待が高まっている
89. YouTubeの最新視聴動向 【ユーザーの視聴習慣の変化に合わせた YouTubeの新機能】 • ①ライブイベント向けマルチビュー ◦ • ユーザーは並行して配信される複数のライブフィードを選択し、テレビ画面上に配置 ②対話型 AI ◦ GoogleのAI（Gemini）活用により、ユーザーは質問を投げかけ、動画コンテンツとより深く関わることが可能 ◦ 操作方法： ▪ 1. テレビ画面上の事前定義されたプロンプトから選択 ▪ 2. テレビのリモコンのマイクを使って質問
90. YouTubeの最新視聴動向 【ユーザーの視聴習慣の変化に合わせた YouTubeの新機能】 • ①ライブイベント向けマルチビュー 現代の視聴者は、多様なフォーマットとデバイスを駆使し、 ◦ • ユーザーは並行して配信される複数のライブフィードを選択し、テレビ画面上に配置 ②対話型 AI コンテンツに能動的かつ継続的に参加 ◦ GoogleのAI（Gemini）活用により、ユーザーは質問を投げかけ、動画コンテンツとより深く関わることが可能 ◦ 操作方法： ▪ 1. テレビ画面上の事前定義されたプロンプトから選択 ▪ 2. テレビのリモコンのマイクを使って質問 シームレスな連携で、途切れない熱狂を創るために 「フルサイクル体験 × 協業エコシステム」が重要
91. ストリーミング細分化時代の最新ユーザー視聴⾏動トレンド 【コンテンツ発見のメカニズムと課題】 • 視聴決定は「ホーム画面到達前」に完了 ◦ • • 何を見るかをプラットフォーム外（SNS、口コミ、習慣など）で既に決めている 発見経路の「世代間ギャップ」 ◦ Z世代：65%が「SNSフィード」に依存しコンテンツを発見 ◦ ベビーブーマー世代：24%が依然として「紙のテレビ欄」を活用 「ブランド」と「視聴環境（文脈）」の重要性 ◦ 同じタイトルでも、どのプラットフォームで見るか（文脈）によって受け取られ方が変わる ▪ • 強力なコンテンツブランドと信頼できる環境がますます差別化の要因に プラットフォーム間誘導（送客）の課題 ◦ プラットフォームを跨いだコンバージョンは依然として困難
92. ストリーミング細分化時代の最新ユーザー視聴⾏動トレンド 【コンテンツ発見のメカニズムと課題】 どのプラットフォーマーも「再訪頻度（MAU/DAU/定着率）」を • 視聴決定は「ホーム画面到達前」に完了 ◦ • • 発見経路の「世代間ギャップ」 ◦ Z世代：65%が「SNSフィード」に依存しコンテンツを発見 ◦ ベビーブーマー世代 ：24%が依然として「紙のテレビ欄」を活用 コンテンツ細分化時代の視聴『習慣化』において、 「ブランド」と「視聴環境（文脈）」の重要性 ◦ • ユーザーは何を見るかをプラットフォーム外（SNS、口コミ、習慣など）で既に決めている エンゲージメントの最重要指標とし、『習慣化』を⽬標としている ユーザーの視聴を妨げない‧邪魔しない 同じタイトルでも、どのプラットフォームで見るか（文脈）によって受け取られ方が変わる プラットフォーム間誘導（送客）の課題 シームレスな広告体験がより重要に ◦ ショート動画（例：YouTube）から長尺のサブスクリプションへの誘導など、プラットフォームを跨いだコンバージョンは依然として困難 ◦ 異なるプラットフォーム間でのオーディエンスの重複は、想定よりも少ないのが現状
93. 最新動画技術によって 進化する視聴品質
94. 視聴品質 配信品質 視聴品質 再⽣品質 アセット品質
95. 視聴品質 配信品質 視聴品質 再⽣品質 アセット品質 ここでは最新動画技術が どのように各品質要素を 改善することに貢献できるか ⾒ていく
96. 視聴品質 配信品質 視聴品質 再⽣品質 アセット品質
97. ⼤規模ライブ動画配信のオートスケーリング問題 2026 年 8 ⽉ 18 ⽇に DAZN が買収した ViewLift 社が提案する ⼤規模なライブ動画配信におけるスケーリングフレームワーク
98. ⼤規模ライブ動画配信のオートスケーリング問題 2026 年 8 ⽉ 18 ⽇に DAZN が買収した ViewLift 社が提案する ⼤規模なライブ動画配信におけるスケーリングフレームワーク 従来型リアクティブ‧オートスケーリングにおける 問題を解決する
99. ⼤規模ライブ動画配信のオートスケーリング問題 リアクティブ‧オートスケーリングにおける問題 1. スケーリング完了までの時間 a. 2. ライブ特有の⼀⻫集中アクセスへの不適合 a. 3. 試合開始や通知などをトリガーにスパイク 再試⾏による悪循環 a. 4. 負荷が発⽣してからメトリクス収集‧意思決定 →リソース割り当て‧ノード追加→コンテナ起 動‧初期化→ウォームアップの合計時間が遅延 応答遅延やタイムアウトの発⽣がクライアント の再試⾏をトリガー 依存関係の制限 a. サードパーティの DRM ベンダーなどがボトル ネックになっている場合は、Pod を増やしても全 体の処理能⼒が向上しない
100. Behavioural Forecasting Framework Behavioural Forecasting Framework = ⾏動予測ベースのオートスケーリング インフラの CPU やメモリの消費を待つのではなく ユーザーの⾏動意図を早期に検知
101. Behavioural Forecasting Framework フレームワークの要素 • 予測モデリング ◦ • 初期シグナル ◦ • 過去のデータとイベント予測に基づき、ユーザーの⾏動パターンをモデル化、システムが トラフィックを事前に予測してスケールアップ ユーザーの初期⾏動（ログインなど）をトリガーとして、ダウンストリームのマイクロ サービス（例：決済）を早期にスケーリング → ユーザーが実際にサービスに到達する前 に準備 フェールセーフ ◦ システムが過負荷になった場合、新しいユーザーのトラフィックを直接サービスに送らず キューに⼊れる → リトライループの防⽌＋既存ユーザーの視聴優先
102. Behavioural Forecasting Framework 適⽤事例：リーガ MX と UEFA チャンピオンズリーグ • • 数百万⼈の同時アクセス 同じ国、同じ地域でもリーグによって視聴デバイスが⼤きく異なる ◦ ◦ リーガ MX の視聴者 = ほとんど Android UEFA チャンピオンズリーグの視聴者 = ほとんど iOS システムのスケールの仕⽅も ⼤きく異なった
103. CMCD による CDN ステアリングの汎⽤化 IO RIVER • • 汎⽤CDN ステアリング‧ソリューション 地域や時間帯でベストな CDN を CMCD で評価 ◦ ◦ CMCD = Common Media Client Data 主要な動画プレーヤーに広く採⽤されている標準プロトコル であり、追加コストなしでリアルタイム情報を得られる
104. CMCD による CDN ステアリングの汎⽤化 IO RIVER • • 汎⽤CDN ステアリング‧ソリューション 地域や時間帯でベストな CDN を CMCD で評価 ◦ ◦ CMCD = Common Media Client Data 主要な動画プレーヤーに広く採⽤されている標準プロトコル であり、追加コストなしでリアルタイム情報を得られる ABEMA でも同様のアプローチの機構を開発 課題は動画プレイヤーにより異なる CMCD プロパティの実装状況だが IO RIVER も同様の課題を持っているとのこと
105. 視聴品質 配信品質 視聴品質 再⽣品質 アセット品質
106. AI によるストリーミングメディアデバイステスト CTA WAVE Streaming Media Test Suite ‒ Devices • 消費者向けデバイス向けの再⽣適合性検証テストフレームワーク ◦ • • 消費者向けデバイス ＝ スマートテレビ、セットトップボックスなど CTA-5003 Device Playback Capabilities の仕様に基づいた検証 オープンソース
107. AI によるストリーミングメディアデバイステスト CTA WAVE Streaming Media Test Suite ‒ Devices • 消費者向けデバイス向けの再⽣適合性検証テストフレームワーク ◦ • • 消費者向けデバイス ＝ スマートテレビ、セットトップボックスなど CTA-5003 Device Playback Capabilities の仕様に基づいた検証 オープンソース ⽣成 AI を利⽤した ストリーミングメディアデバイステスト
108. AI によるストリーミングメディアデバイステスト 流れ • • • • テストコンテンツ⽣成 ⾃動テスト実⾏ ブラックボックス観測 エビデンス分析 https://www.cta.tech/media/sp4h5jrq/wave-streaming-media-test-suite-devices-explained.pdf
109. アーキテクチャ メザニンコンテンツプール 元となる映像‧⾳声素材にフ レーム単位の時刻検証⽤ QR コードなどテスト⽤にアノ テーションを埋め込み⽣成
110. アーキテクチャ メザニンコンテンツプール 元となる映像‧⾳声素材にフ レーム単位の時刻検証⽤ QR コードなどテスト⽤にアノ テーションを埋め込み⽣成 エンコーディング 適合性チェック CTA-5003 で規定された形式 （コーデック等）に変換∕検証、 コンテナは CMAF
111. アーキテクチャ テスト実⾏環境 W3C Web Platform Tests ハーネスベース。ブラウザで MSE/EME を介して再⽣シナリ オを⾃動実⾏。画⾯上にメザ ニン QR コード + デバイス内 部の再⽣状態（HTML Video API 経 由で取得）を⽰す QR コード メザニンコンテンツプール 元となる映像‧⾳声素材にフ レーム単位の時刻検証⽤ QR コードなどテスト⽤にアノ テーションを埋め込み⽣成 エンコーディング 適合性チェック CTA-5003 で規定された形式 （コーデック等）に変換∕検証、 コンテナは CMAF
112. アーキテクチャ テスト実⾏環境 W3C Web Platform Tests ハーネスベース。ブラウザで MSE/EME を介して再⽣シナリ オを⾃動実⾏。画⾯上にメザ ニン QR コード + デバイス内 部の再⽣状態（HTML Video API 経 由で取得）を⽰す QR コード メザニンコンテンツプール 元となる映像‧⾳声素材にフ レーム単位の時刻検証⽤ QR コードなどテスト⽤にアノ テーションを埋め込み⽣成 エンコーディング 適合性チェック 観察フレームワーク CTA-5003 で規定された形式 （コーデック等）に変換∕検証、 コンテナは CMAF 映像∕⾳声をキャプチャ、画 ⾯上の QR コードを画像解析 し、フレーム落ち、レンダリ ング順序等を評価
113. アーキテクチャ テスト実⾏環境 テスト実⾏環境 W3C Web Platform Tests ハーネスベース。ブラウザで MSE/EME を介して再⽣シナリ オを⾃動実⾏。画⾯上にメザ ニン QR コード + デバイス内 部の再⽣状態（HTML Video API 経 由で取得）を⽰す QR コード メザニンコンテンツプール 元となる映像‧⾳声素材にフ レーム単位の時刻検証⽤ QR コードなどテスト⽤にアノ テーションを埋め込み⽣成 エンコーディング 適合性チェック 観察フレームワーク CTA-5003 で規定された形式 （コーデック等）に変換∕検証、 コンテナは CMAF 映像∕⾳声をキャプチャ、画 ⾯上の QR コードを画像解析 し、フレーム落ち、レンダリ ング順序等を評価 分析されたエビデンスはイン デックス化され、8 のツールと 14 のプロンプトを提供する MCP サーバーに出⼒
114. アーキテクチャ テスト実⾏環境 テスト実⾏環境 W3C Web Platform Tests ハーネスベース。ブラウザで MSE/EME を介して再⽣シナリ オを⾃動実⾏。画⾯上にメザ ニン QR コード + デバイス内 部の再⽣状態（HTML Video API 経 由で取得）を⽰す QR コード 分析されたエビデンスはイン デックス化され、8 のツールと 14 のプロンプトを提供する MCP サーバーに出⼒ AI エージェント Claude などの LLM が MCP サーバーを通じてツールを使 ⽤し、結果を取得して分析。 レポートの⽣成が完了するま で、情報取得と分析のループ を繰り返す メザニンコンテンツプール 元となる映像‧⾳声素材にフ レーム単位の時刻検証⽤ QR コードなどテスト⽤にアノ テーションを埋め込み⽣成 エンコーディング 適合性チェック 観察フレームワーク CTA-5003 で規定された形式 （コーデック等）に変換∕検証、 コンテナは CMAF 映像∕⾳声をキャプチャ、画 ⾯上の QR コードを画像解析 し、フレーム落ち、レンダリ ング順序等を評価
115. AI によるストリーミングメディアデバイステスト テスト実施の様⼦
116. Agentic AI で限界を突破するスマート TV QA Witbe が提案する新しいスマート TV 向け QA ⼿法 事前マッピング型⾃動化の限界 • 事前定義された UI 表現への依存 ◦ • ⾼頻度な本番環境の更新 ◦ ◦ • 画⾯デザインや構造が少しでも変わる と参照データが無効化 毎週∕毎⽇のアプリビルド コンテンツローテーションやパーソナ ライズ表⽰での継続的 UI 変化 メンテナンス負荷の累積 ◦ ◦ エンドユーザーの機能利⽤に影響しな い軽微な変更でテストが失敗 リソースの⼤部分が既存テストの修正 作業に消費
117. Agentic AI で限界を突破するスマート TV QA
118. Agentic AI で限界を突破するスマート TV QA AI はユーザーのように振る舞 い、リモコン操作とマルチモーダ ルなビジュアル AI エージェント を通じてテストを実⾏
119. Agentic AI で限界を突破するスマート TV QA AI はユーザーのように振る舞 い、リモコン操作とマルチモーダ ルなビジュアル AI エージェント を通じてテストを実⾏ ゼロショットインタラクション 特定のUIを事前に学習することな く、⽬標を達成するために画⾯を視 覚的に分析し、⾏動を計画
120. Agentic AI で限界を突破するスマート TV QA AI はユーザーのように振る舞 い、リモコン操作とマルチモーダ ルなビジュアル AI エージェント を通じてテストを実⾏ ゼロショットインタラクション 特定のUIを事前に学習することな く、⽬標を達成するために画⾯を視 覚的に分析し、⾏動を計画 テストの脆弱性低減 複雑なテスト経路、予期せぬ UI 変化に ⾃動的に対応
121. Agentic AI による QA の課題 VLM（視覚⾔語モデル）が苦⼿とするもの • 装飾的∕極⼩ UI 要素の認識失敗 ◦ ◦ • ミリ秒単位の時間計測 ◦ • 特定要素で誤解釈率が⾼くなる リトライで解決しない場合は、影響を受ける特定の要素操作のみをスクリプトへフォール バック クラウド型 VLM の推論は 1 ステップあたり数ミリ秒の遅延が発⽣ コスト ◦ 数百台のデバイスで 24 時間継続的にテストするなど持続的な⼤規模運⽤では VLM のトー クン費⽤が無視できない⾦額に
122. Agentic AI による QA の課題 VLM（視覚⾔語モデル）が苦⼿とするもの • 装飾的∕極⼩ UI 要素の認識失敗 ◦ ◦ • ミリ秒単位の時間計測 ◦ • 特定要素で誤解釈率が⾼くなる リトライで解決しない場合は、影響を受ける特定の要素操作のみをスクリプトへフォール バック クラウド型 VLM の推論は 1 ステップあたり数ミリ秒の遅延が発⽣ コスト ◦ 数百台のデバイスで 24 時間継続的にテストするなど持続的な⼤規模運⽤では VLM のトー クン費⽤が無視できない⾦額に 現段階ではスクリプトや⾃前 VLM との併⽤運⽤推奨
123. Agentic AI での限界突破成果
124. 視聴品質 配信品質 視聴品質 再⽣品質 アセット品質
125. コンテンツ適応型符号化技術の課題 マルチパス符号化の問題 • 圧縮効率と品質安定性の向上と引き換えに最⼤ 2 倍の計算コストが必要
126. コンテンツ適応型符号化技術の課題 マルチパス符号化の問題 • 圧縮効率と品質安定性の向上と引き換えに最⼤ 2 倍の計算コストが必要 この追加計算は常に必要か？
127. マルチパスの有効性はコンテンツ依存 ⾼複雑度のコンテンツでは シングルパスでもマルチパス符号 化と類似した性能 • Spatial Complexity 8.0 Temporal Complexity 4.4 • Spatial Complexity 44.2 Temporal Complexity 36.3 空間的複雑度と時間的複雑度 が⾼い映像（上）と低い映像 （下）を符号化 各 1 パス、2 パス、3 パスで 符号化して VMAF を⽐較
128. マルチパスの有効性はコンテンツ依存 ⾼複雑度のコンテンツでは シングルパスでもマルチパス符号 化と類似した性能 • Spatial Complexity 8.0 Temporal Complexity 4.4 • Spatial Complexity 44.2 Temporal Complexity 36.3 空間的複雑度と時間的複雑度 が⾼い映像（上）と低い映像 （下）を符号化 各 1 パス、2 パス、3 パスで 符号化して VMAF を⽐較 複雑なシーンでは パスを追加してもメリットがほとんどない
129. CASE：コンテンツ適応型符号化フレームワーク 動画エンコードを開始する前に マルチパス符号化による効果を判定 • 動画セグメントを 640x360 にリサイズし て空間的特徴と時間的特徴を抽出 • 抽出した特徴から 2 段階の予測 ◦ Segment-Level 予測 セグメント全体でマルチパス化の効果を予測 ◦ Representation-Level 予測 Segment-Level 予測で⼀律マルチパス処理は必 要ないと判定された際に実施、1 パス符号化し た際の画質のばらつきを予測
130. コンテンツ適応型符号化フレームワーク適⽤の結果 処理速度のオーバーヘッド 適⽤によるパス選択 パスを追加しても同じ VMAF CASE は最軽量 1 パス選択 1 パスだと劣化 CASE は 2 パス選択 事前判定処理 0.3 秒 マルチパス処理 345 秒 の 1/1151 フレームの特性によって最適な符号化パスを選択
131. 視聴品質 配信品質 視聴品質 再⽣品質 アセット品質
132. 視聴品質 配信品質 視聴品質 再⽣品質 広告品質 アセット品質 AbemaTV∕サイバーエージェントの ⼤事な収益源
133. 広告視聴体験の進化 CSAI：Client-Side Ad Insertion Pros • Cons • • • クライアント側で細かなトラッキング∕インタラク ションが可能 広告ブロッカーに弱い 広告と本編の切り替え時のバッファリング 端末ごとの実装差が⼤きい
134. 広告視聴体験の進化 CSAI：Client-Side Ad Insertion Pros • Cons • • • クライアント側で細かなトラッキング∕インタラク ションが可能 広告ブロッカーに弱い 広告と本編の切り替え時のバッファリング 端末ごとの実装差が⼤きい SSAI：Server-Side Ad Insertion Pros • • Cons • • 切り替えがスムーズ 広告ブロッカーに強い 視聴者ごとに異なるストリームを⽣成するコストが ⼤きい 広告のインタラクティブ性が弱い
135. 広告視聴体験の進化 CSAI：Client-Side Ad Insertion Pros • Cons • • • クライアント側で細かなトラッキング∕インタラク ションが可能 • 広告ブロッカーに弱い 広告と本編の切り替え時のバッファリング 端末ごとの実装差が⼤きい • SSAI：Server-Side Ad Insertion Pros • • Cons • • SGAI : Server-Guided Ad Insertion 切り替えがスムーズ 広告ブロッカーに強い 視聴者ごとに異なるストリームを⽣成するコストが ⼤きい 広告のインタラクティブ性が弱い サーバーが本編のマニフェストに広 告を⼊れる位置を指⽰ クライアントが指⽰を読み、広告を 取得、本編の再⽣を切り替える
136. 広告視聴体験の進化 CSAI：Client-Side Ad Insertion Pros • Cons • • • SGAI : Server-Guided Ad Insertion クライアント側で細かなトラッキング∕インタラク ションが可能 • 広告ブロッカーに弱い 広告と本編の切り替え時のバッファリング 端末ごとの実装差が⼤きい • サーバーが本編のマニフェストに広 告を⼊れる位置を指⽰ クライアントが指⽰を読み、広告を 取得、本編の再⽣を切り替える SSAI：Server-Side Ad Insertion Pros • • Cons • • 切り替えがスムーズ 広告ブロッカーに強い 視聴者ごとに異なるストリームを⽣成するコストが ⼤きい 広告のインタラクティブ性が弱い CSAI と SSAI の良いとこ取り ＋ 規格を標準化する動きも
137. 広告視聴体験の進化 SGAI については過去の IBC レポートでも度々⾔及 https://www.slideshare.net/slideshow/ibc2019-demuxed2019-recap/209855169 https://speakerdeck.com/cyberagentdevelopers/ibc-2024-report https://speakerdeck.com/cyberagentdevelopers/ibc-2025-report
138. 広告視聴体験の進化 CSAI：Client-Side Ad Insertion Pros • Cons • • • SGAI : Server-Guided Ad Insertion クライアント側で細かなトラッキング∕インタラク ションが可能 • 広告ブロッカーに弱い 広告と本編の切り替え時のバッファリング 端末ごとの実装差が⼤きい • サーバーが本編のマニフェストに広 告を⼊れる位置を指⽰ クライアントが指⽰を読み、広告を 取得、本編の再⽣を切り替える SSAI：Server-Side Ad Insertion Pros • • Cons • • 切り替えがスムーズ 広告ブロッカーに強い 視聴者ごとに異なるストリームを⽣成するコストが ⼤きい 広告のインタラクティブ性が弱い CSAI と SSAI の良いとこ取り ＋ 規格を標準化する動きも
139. IAB Tech Lab’s Ad Format Hero イニシアチブ https://iabtechlab.com/ad-format-hero/
140. IAB Tech Lab’s Ad Format Hero イニシアチブ ⽬的 • • CTV（コネクテッド TV）広告で使われる新しいフォーマットの標準化 プログラマティック配信で普及しやすくする
141. IAB Tech Lab’s Ad Format Hero イニシアチブ ⽬的 • • CTV（コネクテッド TV）広告で使われる新しいフォーマットの標準化 プログラマティック配信で普及しやすくする 背景：CTV の成⻑で多様な広告フォーマットが登場 しかし、デバイス環境の記述⽅法や配信⽅法が標準化されていないため、広告主もメディ アもプログラマティック広告として導⼊‧配信しにくい
142. IAB Tech Lab’s Ad Format Hero イニシアチブ ⽬的 • • CTV（コネクテッド TV）広告で使われる新しいフォーマットの標準化 プログラマティック配信で普及しやすくする 背景：CTV の成⻑で多様な広告フォーマットが登場 しかし、デバイス環境の記述⽅法や配信⽅法が標準化されていないため、広告主もメディ アもプログラマティック広告として導⼊‧配信しにくい 2025 年 12 ⽉ 11 ⽇イニシアチブは終了 • 8 つの最新広告フォーマットを選び、CTV Ad Portfolio（新しい広告フォーマット定 義）と CTV Programmatic Guide （仕様のユースケースガイド）を公開
143. 選ばれた 8 つの最新広告フォーマット 1. ポーズ広告 ◦ 2. オーバーレイ広告 ◦ 3. 番組を縮⼩して横や下に表⽰される広告 広告内スクイーズバック広告 ◦ 8. 番組の⼀部のように⾒せる広告 コンテンツ‧スクイーズバック広告 ◦ 7. OS∕アプリがスクリーンセーバーモードになった時に表⽰される広告 シーン内挿⼊広告 ◦ 6. OS∕アプリのメニューやホーム画⾯で表⽰される広告 スクリーンセーバー広告 ◦ 5. 番組の上に重ねて表⽰される広告 メニュー∕ホーム画⾯広告 ◦ 4. 視聴者が⼀時停⽌したときに表⽰される広告 広告枠内で元の広告を縮⼩し、動的に組み⽴て並べる関連広告 イマーシブ∕エクステンダブル広告 ◦ ショッパブル広告など視聴中の番組やアプリから離れるインタラクションを含む広告
144. IAB 標準が提供するもの ⼀度の作成でどこにでも展開 • 標準化されたオーサリングガイドラインに従うこと で、広告主は⼀度作成した広告を複数のプラット フォームに展開可能 OpenRTB によるプログラマティック取引が可能 • 広告取引のための標準プロトコル OpenRTB プロトコ ルが 2022 年 7 ⽉にこれら新広告フォーマット対応の ため変更が適⽤ → プログラムによる取引可能に アドレッサブル広告 • 特定のユーザーへの広告配信と測定が可能 パーソナライズされた CTA • QRコードなどを活⽤して、パーソナライズされた⾏ 動喚起が可能
145. 選ばれた 8 つの最新広告フォーマット OpenRTB 3.0 の ドメイン層 AdCOM による スクイーズバック広告記述例 値 ext 意味 plcmt 8 スクイーズバック 広告 pos 16 画面上の表示位 置・レイアウト 16 = L 字 playbackmethod 2 再生の開始方法 1= 音あり、2 = 音なし
146. アドテク企業 Yospace のインテグレーション例
147. Yospace のインテグレーション 実は ABEMA は本インテグレーションのローンチパートナー
148. 視聴品質 配信品質 視聴品質 再⽣品質 アセット品質 広告品質
149. 注⽬を集め続ける CTV 周辺エコシステムの 変化
150. CTV 周辺エコシステムの最新動向 【YouTubeの主要プラットフォームとしてのテレビ】 • テレビは、YouTubeにとって主要かつ最も急成⻑しているプラットフォーム • 毎⽇10億時間以上のYouTubeコンテンツが、リビングルームのデバイスでストリーミングされている →リアルタイムの放送を⾒るための受動的なデバイスから、 能動的でマルチフォーマットなエンターテインメントのハブへと変化
151. CTV 周辺エコシステムの最新動向 【CTV広告の独自性とこれからの戦略】 • • • CTVは「デジタル」ではなく「テレビ」 ◦ 個人ではなく「世帯（共視聴）」向けのプラットフォーム ◦ クリック率よりも、リラックスして視聴される環境（リーンバック）での「ブランド構築」が価値 広告体験をシームレスにする次世代技術 ◦ SGAI（サーバー主導型）により、低コストで高画質な広告挿入を実現 ◦ スクイーズバック （L字表示など）により、本編を邪魔しない広告が可能に 未来のカギは「文脈（コンテキスト）」 ◦ 視聴中のシーン（文脈）に連動した自然な広告表示 ◦ ホーム画面から動画内まで、一貫したブランドストーリーの展開
152. CTV 周辺エコシステムの最新動向 【非リニア CTV広告フォーマット】 • 非リニア広告のメリット ◦ コンテンツ（スポーツ中継など）を中断させないため、視聴者の離席による広告回避を防ぎ、シーンの 文脈に合わせたターゲティングや継続的な露出が可能
153. CTV 周辺エコシステムの最新動向 CTVが能動的なエンタメハブへと進化する中、 【非リニア CTV広告フォーマットと標準化】 • 非リニア広告のメリット ◦ 視聴体験を損なわない次世代技術と コンテンツ（スポーツ中継など）を中断させないため、視聴者の離席による広告回避を防ぎ、シーンの 文脈に合わせたターゲティングや継続的な露出が可能 「⽂脈連動」による新たな広告フォーマットが確⽴されつつある 「個⼈への訴求」ではなく、 「世帯の共視聴」と「コンテンツの⽂脈」に⾃然に溶け込む シームレスなブランド体験の設計が今後の鍵
154. 制作ワークフロー 進化最前線
155. これから AIの⽣成‧再構成できる範囲が 2次元から3‧4次元空間へ
156. これから システムが意図を汲み取り イメージを共有する
157. そもそも何を学ぶ？ 活用推進型 品質保証型 継続改善型 何ができるか：どの企業も どこまで任せるか：一部 改善できるか：さらに一部 アイデアを学ぶと⼀概に⾔っても様々
158. 前提: 制作フローとは？ (ドラマ‧リアリティの例) プリプロ プロダクション ポスプロ 2次利⽤ 企画‧撮影準備 → 撮影 → 編集‧マスタリング‧配信 → 2次利⽤
159. 前提: 制作フローにおける問題点 現地に⾏かないとイメージが揃わない プリプロ プロダクション ポスプロ 2次利⽤
160. 前提: 制作フロー 仕上がりが撮影の場で⾒えない プリプロ プロダクション ポスプロ 2次利⽤
161. 前提: 制作フロー 撮れなかった画を、後から ⾜せない プリプロ プロダクション ポスプロ 切り出しに時間がかかる 2次利⽤
162. プリプロにおける課題 ロケハンって⼤変...!
163. プリプロにおける課題 気がついたら夜になってる...
164. プリプロにおける課題 この場所で撮りたい 絵が撮れる？ 照明環境どうなる？ スタジオ内でも同じ
165. VooPla スタジオを3D化し、シミュレーションできるように
166. VooPla 撮影前のすり合わせ‧合意形成を現場に⾏かず実現
167. プリプロダクションの最前線 • 撮影前のすり合わせ‧合意形成を現場に⾏かず実現 • 撮る構成が撮影の前に決まるので、予算も確定しやすい • (CO2排出量も計測できるとかメリットもある)
168. 前提: 制作フロー 仕上がりが、撮影の場で⾒えない プリプロ プロダクション ポスプロ 2次利⽤
169. プロダクションの課題 カメラの台数が増えるほどどこを撮ってるかわからない
170. プロダクションの課題 撮り漏れは 無いんか...？
171. プロダクションの課題 引きで確認できれば漏れがないか確認できる！
172. プロダクションの課題
173. 活⽤推進型: BBC 低予算バーチャル背景 新しい機材を買わずに、時間のない⼩さな番組でもバーチャル背景
174. 活⽤推進型: BBC 低予算バーチャル背景
175. 活⽤推進型: BBC 低予算バーチャル背景
176. プロダクションの最前線 • カメラが増えても、どこを撮っているかが全景の上で分かる ◦ 撮り漏れを、引きの画でその場で確認できる • 既存機材と安価なモーキャプで低予算でもバーチャル背景 この辺りはまだ検証段階という印象
177. 前提: 制作フロー 撮れなかった画を、後から ⾜せない プリプロ プロダクション ポスプロ 2次利⽤
178. 活⽤推進型: invideo AI AIによる編集とAIによる映像⽣成を統合
179. 活⽤推進型: invideo AI AIによる編集とAIによる映像⽣成を統合
180. 活⽤推進型: invideo AI AIによる編集とAIによる映像⽣成を統合
181. 活⽤推進型: AI⽀援VFX 予算の⼩さいTVシリーズでも3DGSで空間ごとVFXにできた
182. 活⽤推進型: AI⽀援VFX ⼀眼レフの写真で取り込みGaussian Splattingで再構成
183. 活⽤推進型: MediaKind 縦型化はAIが3案を出し、⼈が選ぶ 視聴者のニーズに合わせた切り出しを提案
184. 活⽤推進型: media press 映像に対してメタデータを付与してリッチな検索
185. そのほか
186. 品質保証型: Creative Operations 【画像】The Future of Creative Operations のセッション 制御できないと、当たりが出るまで⽣成し続けて、予算が読めない
187. MAMなど
188. 継続改善型: iconik AIの提案メタデータを編集者が確認。MCPで外のAIからも使える
189. 継続改善型: Mimir x TwelveLabs TwelveLabsが作るメタデータを、MAMで使える形に
190. 活⽤推進型: Avid 制作から2次利⽤まで1つのIDで追える。意思決定のデータが貯まる構造
191. 活⽤推進型: Avid
192. ⾒えた⽅向性振り返り プリプロ • 3D空間をデジタル化することにより、意図した通りに撮影可能に プロダクション • より安価に⾼クオリティを⽬指す ポスプロ • 切り出し効率化だけでなく顧客データの統合まで⾒据える MAM • 制作から2次利⽤まで統⼀した追跡ができるように
193. ⽬指す⽅向性は？ 【GIF】MAM_⾚ペン図解.gif をここに置く 素材‧メタデータ‧⼈の判断をMAMに貯め、AIはつなぎ替える
194. MOQ が変える メディア伝送
195. MOQ が変えるメディア伝送 LL-HLS、L3D-DASH など多くの 低遅延メディア伝送技術がある中 MOQ は多くのユースケースを網羅し 注⽬度も⾶び抜けて⾼い
196. MOQ がもたらすインパクト MOQ とは • IETF（インターネット技術の標準化団体）で標準化が進められている動画や⾳ 声などのライブ配信を、低遅延かつ⼤規模に届けるための新しい通信プロトコ ル • QUIC の特性をメディア配信にうまく活かす仕組み ◦ 接続の確⽴が速い ◦ 1 つのストリームでパケットが失われても、他のストリームを⽌めない ▪ ◦ • TCPの「head-of-line blocking」問題がない Wi-Fi からモバイル回線など切り替えても接続が切れにくい 正式な RFC 化は 2027 年⾒込み
197. MOQ がもたらすインパクト 伝送優先順位付けによる QoE 向上 MOQ ではパブリッシャーとサブスクライバーの両⽅が優先順位レベルを設定可能 例 例 映像より⾳声を優先 ⾳声が途切れることなく再⽣され 視聴体験を向上 エンハンス層より ベース層を優先 そのままでは動作するわけではないが LCEVC のような最低画質層を優先させ 画質向上層は届いたときのみ処理
198. MOQ がもたらすインパクト ネットワークフィルタリングによるデータ転送量の削減 ユースケース例 • • 100 ⼈参加の会議でアクティブな 数⼈の⾳声のみを転送 400 台のセキュリティカメラの 監視で、動きがあったトラックのみ 転送 CDN Midgress トラフィック削減例 • • • 400 台のカメラが各 10 トラック送信 全体の上位 4 トラックのみに関⼼ Top-4 フィルターを各層に設定して 400 → 8 にト ラフィック削減
199. MOQ がもたらすインパクト 動的な Content-aware ルーティングに配信パスの最適化 例 例 リアルタイムメディアではキャッシュのメ ⼤規模なスポーツ配信ではキャッシング層を リットが少ないので最短パスで遅延を最⼩化 利⽤して効率的に配信 単⼀のインフラストラクチャで異なる要件の メディアタイプの配信効率を最適化可能
200. MOQ がもたらすインパクト エッジ‧プレウォーミングによる⾼速な ABR 切替 オリジン リレー 1 リレー 2 クライアント 全トラックをサブスクリプションした上で、各トラックに FORWARD パラメータを設定 • • 実際に送信する不要なオブジェクトは SUBSCRIBE_UPDATE で FORWARD=0（publisher はオブジェクトを送らない） 送信されないトラックもサブスクライブされているので、エッジは Warmed に FORWARD=1 FORWARD=0 FORWARD=0
201. MOQ がもたらすインパクト エッジ‧プレウォーミングによる⾼速な ABR 切替 オリジン リレー 1 リレー 2 クライアント ABR を切り替える • クライアントが SUBSCRIBE_UPDATE で FORWARD パラメータを変更するだけで リレー 2 にキャッシュ済のトラックがサブ秒レベルで配信 FORWARD=0 FORWARD=0 FORWARD=1
202. MOQ がもたらすインパクト 未知コンテンツのサブスクライブによる接続管理負荷軽減 • MOQ では今存在しないソースからのコンテンツのサブスクライブが可能 ◦ ◦ 例では、example.com 名前空間全体をサブスクライブ この時点では特定のコンテンツがパブリッシュされていない SUBSCRIBE_NAMESPACE example.com オリジン リレー 1 クライアント
203. MOQ がもたらすインパクト 未知コンテンツのサブスクライブによる接続管理負荷軽減 • 後になって、example.com 名前空間にコンテンツをパブリッシュすると リレーはそれを認識して⾃動的に転送 PUBLISH example.com/person_a SUBSCRIBE_NAMESPACE example.com PUBLISH example.com/person_a オリジン リレー 1 アプリケーション側での接続管理とデータフローが簡素化 クライアント
204. MOQ がもたらすインパクト LOCMAF によるデータ転送量の削減 • LOCMAF = Low Overhead CMAF • MOQ では接続の両側を制御できるため、CMAF の上に独⾃の圧縮を適⽤ • moof ヘッダー（1 サンプルあたり約 100 バイト）を圧縮 • ◦ MoQ オブジェクトにしたときにオーバーヘッドが⼤きくなる ◦ メディアデータに対して moof 情報の割合が⼤きくなる程圧縮効果が⾼い ◦ 特に⾳声トラックにおいて効果 → 23% のビットレート削減 受信側は、省略されたフィールドを規則どおりに計算し直して通常の CMAF チャンクに再構成 ◦ MSE などに渡される際は通常の CMAF として認識される https://locmaf.dev/
205. MAUD / SSABR との合流 MAUD（Multicast-Assisted Unicast Delivery） • m-ABR にクライアントリクエスト処理の可視性∕制御可能性などを加え て独⾃に開発したプロトコル https://speakerdeck.com/cyberagentdevelopers/ibc-2023-report?slide=133
206. MAUD / SSABR との合流 MAUD（Multicast-Assisted Unicast Delivery） • m-ABR にクライアントリクエスト処理の可視性∕制御可能性などを加え て独⾃に開発したプロトコル https://speakerdeck.com/cyberagentdevelopers/ibc-2023-report?slide=133
207. MAUD / SSABR との合流 MAUD（Multicast-Assisted Unicast Delivery） • mABR を始めとする HTTP のリ m-ABR にクライアントリクエスト処理の可視性∕制御可能性などを加え クエスト/レスポンス型トランザ クションに依存しているため、 て独⾃に開発したプロトコル pub/sub 型の MOQ の対応は課 題 https://speakerdeck.com/cyberagentdevelopers/ibc-2023-report?slide=133
208. MAUD / SSABR との合流 MAUD（Multicast-Assisted Unicast Delivery） • m-ABR にクライアントリクエスト処理の可視性∕制御可能性などを加え は低遅延課題の解決のた て独⾃に開発したプロトコル MAUD め SSABR との統合を開発中 https://speakerdeck.com/cyberagentdevelopers/ibc-2023-report?slide=133
209. MAUD / SSABR との合流 SSABR（Server-Side ABR） • MOQ のリレーが接続の状態から利⽤可能な帯域（ビットレート）を推 定、クライアントは無⾃覚に受け取り再⽣ https://speakerdeck.com/cyberagentdevelopers/ibc-2025-report?slide=113
210. MAUD / SSABR との合流 SSABR（Server-Side ABR） • MOQ のリレーが接続の状態から利⽤可能な帯域（ビットレート）を推 定、クライアントは無⾃覚に受け取り再⽣ IETF MOQ WG Interim でも MOQT に新パラメータ ABR-Group を追加して SSABR を実現しようとする試みも https://speakerdeck.com/cyberagentdevelopers/ibc-2025-report?slide=113 https://datatracker.ietf.org/meeting/interim-2026-moq-03/materials/slides-interim-2026-moq-03-sessa-server-side-abr-using-a-new-abr-parameter-wlaw-00
211. AI 時代により 重要性が増す C2PA
212. AI 時代の課題 • • • AI によって⽣成または変更されたメディアによる誤報や偽情報の危険性の増⼤ 情報源や変更履歴の喪失 それらに起因する信頼の低下
213. AI 時代の課題 • • • AI によって⽣成または変更されたメディアによる誤報や偽情報の危険性の増⼤ 情報源や変更履歴の喪失 それらに起因する信頼の低下 メディアの来歴を検証し、ワークフロー全体での整合性を確保する 仕組みが必要
214. AI 時代の課題 • • • AI によって⽣成または変更されたメディアによる誤報や偽情報の危険性の増⼤ 情報源や変更履歴の喪失 それらに起因する信頼の低下 メディアの来歴を検証し、ワークフロー全体での整合性を確保する 仕組みが必要 メディアの起源（カメラから）から公開までの 「信頼の連鎖」を可能に
215. AI 時代の課題 • • • AI によって⽣成または変更されたメディアによる誤報や偽情報の危険性の増⼤ 情報源や変更履歴の喪失 それらに起因する信頼の低下 報道番組を有し社会インフラを⽬指す ABEMA としても動向を重要視する技術領域 メディアの来歴を検証し、ワークフロー全体での整合性を確保する 仕組みが必要 メディアの起源（カメラから）から公開までの 「信頼の連鎖」を可能に
216. ただ
217. C2PA をサポートできるメディアアセットワークフローは どう組むのか？
218. C2PA をサポートしたメディアアセットワークフロー Media Cluster Norway と CBC Radio-Canada が考案するワークフローに学ぶ
219. C2PA をサポートしたメディアアセットワークフロー ワークフローを実装する上での課題 • 運⽤ロードマップの⽋如 ◦ C2PA は厳格な技術的構造を定義している → 複雑で多様なワークフローに認証情報を統合するための運⽤ 上のロードマップが不⾜ • • ベンダーサポートの不⾜ ◦ すべてのベンダーが C2PA をサポートしているわけではない ◦ ワークフロー中にコンテンツの認証情報が途切れる可能性がある 組織内の統合障壁 ◦ 変化への抵抗 ◦ 部⾨間での調整
220. C2PA をサポートしたメディアアセットワークフロー ワークフローを実装する上での課題 • 運⽤ロードマップの⽋如 ◦ C2PA は厳格な技術的構造を定義している → 複雑で多様なワークフローに認証情報を統合するための運⽤ 上のロードマップが不⾜ • • ベンダーサポートの不⾜ ◦ すべてのベンダーが C2PA をサポートしているわけではない ◦ ワークフロー中にコンテンツの認証情報が途切れる可能性がある 組織内の統合障壁 ◦ 変化への抵抗 ◦ 部⾨間での調整 C2PA に対応するメディアアセットワークフロー向けの標 準化されたフレームワークが必要
221. C2PA をサポートしたメディアアセットワークフロー 特に必要なのは報道局
222. C2PA をサポートしたメディアアセットワークフロー 特に必要なのは報道局 Media Cluster Norway と CBC Radio-Canada が共同で 報道局向けのC2PA 対応メディアアセットワークフローを構築
223. C2PA メディアアセットワークフローのコアモデル メディアアセットのライフサイクルを 3 フェーズに分ける 1. 2. 3. Capture：コンテンツ（⾳声、動画、画像を含む）を取得する最初のフェーズ Production：プリプロ、アセットの取込、編集、ポスプロ Publish： パッケージング、プレイアウト、配信を含む最後のフェーズ
224. C2PA をサポートしたメディアアセットワークフロー コアモデルは基盤しか提供していない → 実際のメディア組織構造と制作に必 要な要素を加えて設計 → 最初に理想系のワークフローを作る のではなく、規模に応じて拡張 トランスコーディングやグラ フィックス∕外部コンテンツの追 加などを通じて、各フェーズで C2PA メタデータにどのようにイン パクトがあるかを可視化
225. C2PA をサポートしたメディアアセットワークフロー より細かなパターン アイコンで C2PA の主要アクション を視覚化 各ステップで使⽤されるソフトウェ アとハードウェアを明確にマッピン グし、ギャップ分析に使⽤ 鉛筆アイコン：マニフェストが⽣ 成されるステップ ⾍眼鏡アイコン：マニフェストが 検査されるステップ ハサミアイコン：マニフェストが 編集∕削除されるステップ ベンダーがサポートしていない場合も明⽰
226. C2PA をサポートしたメディアアセットワークフロー テンプレート
227. ロイターの C2PA 採⽤事例 ロイターが感じるライブ報道課題 • • • • • 予期せぬニュースへの対応時のキャ パシティ確保 多様なプラットフォームと社内チー ム間でのコンテンツ共有 システムの耐障害性 ニュースにおけるスピードの重要性 コンテンツの信頼性とガバナンス
228. ロイターの C2PA 採⽤事例 ロイターが感じるライブ報道課題 • • • • • 予期せぬニュースへの対応時のキャ パシティ確保 多様なプラットフォームと社内チー ム間でのコンテンツ共有 システムの耐障害性 ニュースにおけるスピードの重要性 コンテンツの信頼性とガバナンス C2PA による解決を図る
229. ロイターの C2PA 採⽤事例 ロイターが感じるライブ報道課題 • • • • • 予期せぬニュースへの対応時のキャ パシティ確保 多様なプラットフォームと社内チー ム間でのコンテンツ共有 システムの耐障害性 ニュースにおけるスピードの重要性 コンテンツの信頼性とガバナンス オープンスタンダードな技術によって解決を 2 年間取り組んできた （C2PA 含め）
230. ロイターのオープンスタンダードに対する取り組み なぜオープンスタンダードによる解決策なのか？ • • • 需要に応じてメディア設備を動的に調整可能 低遅延‧⾼品質でのクラウド上でのメディア交換可能 ベンダーロックインを回避し、⾃社開発可能
231. ロイターのオープンスタンダードに対する取り組み なぜオープンスタンダードによる解決策なのか？ • • • 需要に応じてメディア設備を動的に調整可能 低遅延‧⾼品質でのクラウド上でのメディア交換可能 ベンダーロックインを回避し、⾃社開発可能 解決に利⽤するオープンスタンダード • EBU DMF (Dynamic Media Facility) ◦ • EBU MXL (Media eXchange Layer) ◦ • 共有メモリ上でメディアを⾼速にやり取りするファンクション（DMF の中核となるデータプレーン） TAMS (Time Addressable Media Store) ◦ • EBU が策定している Software-defined なマイクロサービス‧オーケストレーションによるアーキテクチャ メディアを時間で直接指定して取り出せるクラウド向けメディア保存⽤オープン API C2PA (Coalition for Content Provenance and Authenticity)
232. ロイターのオープンスタンダードに対する取り組み EBU DMF / EBU MXL の適⽤例（NAB Show 2026∕IBC 2026 デモ） • • フレームレート変換とウォーターマーキング処理が必要 処理に必要なコンポーネントを柔軟に追加起動し、監視∕制御を実施
233. ロイターのオープンスタンダードに対する取り組み TAMS の適⽤例（NAB Show 2025 デモ） • 英国議会の準ライブ映像（事前録画）を 議会 → ロイター → AWS の TAMS スト アにリプリケーション • TAMS ストア内でセグメントを操作し、 メディアを迅速に転送 • メディアをコピーするのではなく、参照 によって編集
234. ロイターのオープンスタンダードに対する取り組み C2PA の適⽤例（IBC 2026 デモ） • Sony Z300 カメラから TAMS ストアに取 り込み • TAMS API 8.2 を利⽤ → 8.2 から fMP4 を サポートしているのを利⽤し、⾳声に C2PA を適⽤するフローも提⽰ • ソーシャルメディアなどで C2PA 情報が 剥がされる可能性がある対応として ウォーターマーキングを追加
235. コストとセキュリティの バランスを両⽴する 新しいコンテンツ保護
236. コンテンツ⾃体の信頼性と同時に インターネット動画配信は コンテンツの流出の脅威にも晒されている
237. DRM 鍵ローテーションでは守れない 王道で既存のコンテンツ保護と⾔えば、DRM＋鍵ローテーション
238. DRM 鍵ローテーションでは守れない 王道で既存のコンテンツ保護と⾔えば、DRM＋鍵ローテーション 鍵ローテーション • コンテンツをセクションに区切り、復号鍵の有効期間を短縮
239. DRM 鍵ローテーションでは守れない 王道で既存のコンテンツ保護と⾔えば、DRM＋鍵ローテーション 鍵ローテーション • コンテンツをセクションに区切り、復号鍵の有効期間を短縮 スクレイピングされた鍵が使える時間は短縮されるが、、
240. 鍵ローテーションの限界 共有暗号化セグメント • 同じ時間枠内ではすべての視聴者に対して全く同じ鍵と暗号化セグメントが配布される ライセンスストーム • • セキュリティを⾼めるために鍵ローテーションの頻度を上げる → クライアントからのライセン ス要求トランザクションが増加する 対策としてライセンスサーバーの負荷を抑えるために、1 回のライセンス応答の中に先の未来に 利⽤する複数のキーをまとめて含めて返却 → 攻撃者も1回のスクレイピングで複数鍵を⼀括取 得可能になってしまう 予測できる更新間隔 • • 鍵ローテーションは固定または予測可能な時間‧セグメント間隔で実⾏される この規則性を利⽤し、⾃動化された時間ベースのスクリプト攻撃で連続的に鍵をスクレイピン グ可能
241. PEM ワークフロー 既存の DRM システムを置き換えるのではなく、 エッジでより精密な単位での 2 層⽬の暗号化（エンベロープ暗号化）を追加 Precision Envelope Management = PEM
242. PEM ワークフロー 既存の DRM システムを置き換えるのではなく、 エッジでより精密な単位での 2 層⽬の暗号化（エンベロープ暗号化）を追加 Precision Envelope Management = PEM エンコード∕セグメント化∕ パッケージング∕DRM 暗号化
243. PEM ワークフロー 既存の DRM システムを置き換えるのではなく、 エッジでより精密な単位での 2 層⽬の暗号化（エンベロープ暗号化）を追加 Precision Envelope Management = PEM エンコード∕セグメント化∕ オリジンからのセグメントを パッケージング∕DRM 暗号化 キャッシュ∕配信
244. PEM ワークフロー 既存の DRM システムを置き換えるのではなく、 エッジでより精密な単位での 2 層⽬の暗号化（エンベロープ暗号化）を追加 Precision Envelope Management = PEM エンコード∕セグメント化∕ オリジンからのセグメントを リアルタイムでセッション固 パッケージング∕DRM 暗号化 有のエンベロープ暗号化を キャッシュ∕配信 適⽤
245. PEM ワークフロー 既存の DRM システムを置き換えるのではなく、 エッジでより精密な単位での 2 層⽬の暗号化（エンベロープ暗号化）を追加 Precision Envelope Management = PEM PK = Precision Key エンコード∕セグメント化∕ リアルタイムでセッション固 オリジンからのセグメントを 視聴セッション固有のエンベ パッケージング∕DRM 暗号化 有のエンベロープ暗号化を キャッシュ∕配信 ロープ暗号化キー∕ポリシー 適⽤ を提供 （DRMサーバーは通常の役割）
246. PEM ワークフロー 既存の DRM システムを置き換えるのではなく、 エッジでより精密な単位での 2 層⽬の暗号化（エンベロープ暗号化）を追加 Precision Envelope Management = PEM PK = Precision Key エンコード∕セグメント化∕ 難読化ロジック（WebAssembly リアルタイムでセッション固 オリジンからのセグメントを 視聴セッション固有のエンベ パッケージング∕DRM 暗号化 など）を使ってエンベロープ層 有のエンベロープ暗号化を キャッシュ∕配信 ロープ暗号化キー∕ポリシー を解除 適⽤ を提供 → 標準の DRM 再⽣パイプラ （DRMサーバーは通常の役割） インへ
247. PEM のパフォーマンス設計 every-Xth-segment による CPU 負荷低 減 • • 全セグメントを再暗号化しない エッジ側で X 個おきのセグメン ト、不定期に連続セグメント群を 暗号化するなどのルールを適⽤
248. PEM のパフォーマンス設計 every-Xth-segment による CPU 負荷低 減 • • 全セグメントを再暗号化しない エッジ側で X 個おきのセグメン ト、不定期に連続セグメント群を 暗号化するなどのルールを適⽤ ⾃動化スクリプト攻撃を無効化するともに 脅威レベルやインフラの負荷状況に応じて暗号化強度を変化
249. PEM のオーバーヘッド 復号処理によるオーバーヘッ ドは映像 60ms∕⾳声 10ms 追加される
250. PEM のオーバーヘッド 復号処理によるオーバーヘッ ドは映像 60ms∕⾳声 10ms 追加される DRM 鍵のダウンロード 160ms と⽐較して⼗分に短い
251. PEM のオーバーヘッド 10 秒ごとのローテーション＋100 万⼈の視聴者＋AWS Lambda 推定 1 時間あたり約 300 ドル
252. PEM のオーバーヘッド 10 秒ごとのローテーション＋100 万⼈の視聴者＋AWS Lambda 推定 1 時間あたり約 300 ドル ⼤規模配信運⽤の重要な要素としての価格と考えると安価
253. まとめ • • • • • • • AI の普及∕進化が追い⾵となりメディア技術はメディア∕放送業界以外が利⽤する流れ が加速 AI を活⽤する⼈は⼗分に増えた。これからは AI を継続的に改善できる設計を焦点を当 てるフェーズに AI はユーザーの視聴動向にも⼤きく影響し、リーンバックかつパーソナライズされた体 験を構築する中核に コネクテッド TV はこれまで以上に存在感を増し、能動的にマルチフォーマットなエン ターテインメントを消費するハブに 視聴品質もデータを活⽤し、これまで以上に動的に改善することが可能に 制作分野においては AI の⽣成‧再構成できる範囲が 2 次元から 3‧4 次元空間へ。プリ プロ、プロダクション、ポスプロ、コンテンツ管理を含め進化の⽅向性が⾒えてきた MOQ や C2PA などを始め、数年前から議論されてきた技術の注⽬度の上がり⽅とエコ システムの変化に引き続き注視
254. ご静聴 ありがとうございました