NAB Show 2026 動画技術関連レポート / NAB Show 2026 Report

Transcript

1. 2026 動画技術関連レポート 株式会社 AbemaTV 五藤 佑典 | 浦野 大輔 | 清水 良一 | 乙黒 真雄
2. アジェンダ • グローバル／米国の映像業界トレンド • 米国次世代デジタル放送規格の進化 • AI で進化する動画技術領域の最前線 • 配信高速化だけじゃない CDN の新しい 役割 • 米国の VFX 技術に学ぶ最新プロダクショ ン • 3D Gaussian Splatting と 360 度カメラ が変えるプリプロダクション • AI 時代のプロダクション／ポスプロ最前 線 • 映像視聴体験を変える技術トレンド • 収益機会の損失を回避する広告技術 • グローバル企業の事例に学ぶ最新技術 の使い方 • その他気になったソリューションたち • NAB Show 視察ついでに一緒に得てき た現地知見
3. 五藤 佑典 YUSUKE GOTO https://ygoto3.com/ @ygoto3_ • 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 Career History 1. Graphic / Web Designer 2. Marketer 3. Web Engineer 4. Video Engineer 5. Product Manager
4. in Video Technology and Product Design
5. 清水 良一 https://note.com/kirillovlov https://www.youtube.com/ @kirillovlov2983 【会社で開発している AIプロダクト】 ・ABEMA NEWS 「AI速報」 ・映像制作用のプリプロダクション改善 【個人開発】 ・飲酒記録 iOSアプリ「アルコカレンダー」 【共著】 Apple Vision Proアプリ開発ガイド (技術評論社) 【好きなこと】 ・3Dモデリング(Blender) ・Blender * Unity * Cloud を使ったXR開発 ・お弁当づくり ・色鉛筆で絵を描くこと
6. 乙黒 真雄 MASAO OTOGURO • 2011年4月　　就職 • 2024年4月〜　(株)サイバーエージェント／ (株)AbemaTV Core Experience, Content Delivery Career History 1. デジタルテレビ信号発生器 開発 2. 動画配信プラットホーム 開発（C#／Azure） 3. 動画配信プラットホーム 開発（Go／AWS, Google Cloud） アメリカ ニューオーリンズへは 年1回に近いペースで旅行
7. 浦野大輔 DAISUKE URANO • 会津大学 コンピュータ理工学部 卒業 • 2006年6月　サイバーエージェント入社 • 2025年10月〜　 AbemaTV > AI Center > AI Creative 所属 クリエイター https://note.com/uranodai
8. NAB Show 2026 4/18 - 4/21 米国ラスベガス開催のNAB Show 2026 に行って来ました NAB Show 全米放送事業者協会が主催するメディア、エンターテ インメント、テクノロジーに関する世界最大規模の展示 会 今年の実績 （昨年の実績） 参加者数：58,000+（55,000+） 展示社数：約 1,100+（約 1,100） https://air-original.imgix.net/ff3f78b4-feb3-4121-9cb6-36162e812b6b.pdf
9. 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 • アメリカ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
10. グローバル／米国の映像業界トレンド
11. Devoncroft Executive Summit Devoncroft • 米国に拠点を置くメディア・テクノロジー分野特化の市場調査・コンサルティング企 業 • 業界調査データに基づき 事業戦略やアドバイスを 提供するオピニオン・リーダー • 設立 15 周年目
12. Devoncroft Executive Summit Devoncroft • 米国に拠点を置くメディア・テクノロジー分野特化の市場調査・コンサルティング企 業 • 業界調査データに基づき 事業戦略やアドバイスを 提供するオピニオン・リーダー • 設立 15 周年目 Devoncroft の調査データから グローバル／米国市場動向を知る
13. Media Tech 市場規模の成長傾向 市場全体で見ると 市場規模は横ばい推移 ライブプロダクション 領域だけ取り出すと 年 4.1% 成長 ＝ 2030 年までに市場規模 30% 拡大
14. Media Tech 市場の投資対象 グローバルでのメディア企業の今日の関心事は何か？
15. Media Tech 市場の投資対象 グローバルでのメディア企業の今日の関心事は何か？ IP 移行対応 と AI に関する プロジェクトへの投資が大きい
16. IP 移行対応需要に関する市場予測 SMPTE ST 2110 への 移行に伴う投資額は 今後 1 年半から 2 年が ピークになる予測 制御系ソフトウェアの収益が 従来のルーティングスイッチャーの 収益を上回ったとレポート IP インフラへの移行対応により 市場の収益配分がソフトウェアやクラウドにシフト
17. AI 影響力の市場予測 メディア企業の多くがメタデータ生成領域が AI により一番変化すると考えている AI メタデータ／インデックス生成 の市場は従来型 MAM（メディアアセットマネ ジメント）に迫る規模にまで成長
18. AI 影響力の市場予測 メディア企業の多くがメタデータ生成領域が AI により一番変化すると考えている AI メタデータ／インデックス生成 の市場は従来型 MAM（メディアアセットマネ ジメント）に迫る規模にまで成長 今後は AI ツール間の連携やレガシーシステムとの統合が 投資の肝となる見込み
19. 経済環境の変化 北米映画市場総額 $86億 = Netflix を下周り、YouTube 53 日分の収益 革新的な事業戦略を模索する動きが 業界内に広がっている
20. 経済環境の変化 北米映画市場総額 $86億 = Netflix を下周り、YouTube 53 日分の収益 革新的な事業戦略を模索する動きが 業界内に広がっている The Sphere の『オズの魔法使い』では コンテンツアーカイブ活用／視聴体験の再定義 により予想外の収益を生み出す可能性を実証
21. 技術駆動の効率性革新に関する予測 TAM • TAM = Time-Addressable Media • これも以前から話題にしていた技術 （NAB Show 2025 レポート参照） • TAM を利用したワークフローでは ◦ ストレージ効率 4 ～ 6 倍 ◦ ストレージコスト 50% 以上削減 https://speakerdeck.com/cyberagentdevelopers/nab-show-2025-report?slide=89
22. 技術駆動の効率性革新に関する予測 Hyper Personalization • 昨年の NAB Show でも話題になった Hyper Personalization • DAZN は 2026 年に提唱した Delta Protocol により 「どのユーザーも同じアプリ体験を持たない」 状態を 2026 年末までに実現する目標 https://speakerdeck.com/cyberagentdevelopers/nab-show-2025-report?slide=70
23. DAZN：Delta Protrocol • 映像の配信をやめ、AIで生成したシーン情報だけをクライアントに送信 • クライアント側でリアルタイムにパーソナライズされた体験を生成 • フードデリバリーでの例え ◦ 「出来上がった料理を届けてもらうのではなく、各家庭でシェフが料理を作る」 「大谷のホームラン」を AI生成した映像 で見たいか？ といった疑問も感じました。 一方で、例えば麻雀の牌譜データを 使って、ユーザー単位でパーソナライズ するなら想像がしやすいし、 面白い体験が影響できるかもしれない。
24. 米国次世代デジタル放送規格の進化
25. ATSC 3.0 • 米国で導入を進めている次世代テレビ放送規格 • ATSC 3.0 = Advanced Television Systems Committee 3.0
26. ATSC 3.0 の受信課題 ATSC 3.0 では 1.0 での 8-VSB 採用による受信課題を OFDM 採用により改善 項目 ATSC 1.0 (8-VSB) ATSC 3.0 (OFDM) 変調方式 単一搬送波 多搬送波 ガードインターバル なし あり マルチパス耐性 非常に弱い 強い 等化器の負荷 非常に重い 比較的軽い NTSC からの延長線上にあった 8-VSB を採用 移動・室内受信をあまり重視していなかった OFDM の採用により 受信課題はかなり改善
27. ATSC 3.0 の信頼性と柔軟性を高める技術 しかし、依然として ATSC 3.0 にも受信課題はある 山岳地帯 地形による遮蔽 SFN で改善可能だが、多大な投資が必要 都市部での マルチパス干渉 都市部の交通による動的なエコーは ガードインターバルでは限界がある VHF 帯屋内受信環境 VHF 帯受信 → 大きなアンテナ必要 → アパートでは非現実的 既存のアンテナの多くが UHF 帯に最適化 → VHF 帯の受信品質は低下
28. ATSC 3.0 の信頼性と柔軟性を高める技術 しかし、依然として ATSC 3.0 にも受信課題はある 山岳地帯 地形による遮蔽 SFN で改善可能だが、多大な投資が必要 都市部での マルチパス干渉 都市部の交通による動的なエコーは ガードインターバルでは限界がある VHF 帯屋内受信環境 VHF 帯受信 → 大きなアンテナ必要 → アパートでは非現実的 既存のアンテナの多くが UHF 帯に最適化 → VHF 帯の受信品質は低下 地上波の受信課題部分を インターネット経由の配信で解決できないか？
29. ATSC 3.0 のハイブリッド放送の進化 コンテンツを同時に放送回線と ブロードバンド回線で配信 • エンコーダーは 1 つ ◦ 同じエンコードで生成された動画ファイ ルを放送回線でもブロードバンド回線 でも使用
30. ATSC 3.0 のハイブリッド放送の進化 コンテンツを同時に放送回線と ブロードバンド回線で配信 • エンコーダーは 1 つ ◦ 同じエンコードで生成された動画ファイ ルを放送回線でもブロードバンド回線 でも使用 動画プレイヤーの初期化なく放送とインターネットを切替可能 • 放送波が地形などに遮断された場合でも違和感なくインター ネット配信に切替 • 放送波から 4K 映像への切替も可 • 放送波からパーソナライズド広告への切替応用
31. ATSC 3.0 のハイブリッド放送の進化 低出力の送信機や放送帯域幅が制限され る状況に対しても有効 • 低解像度コンテンツ（480p／ 720p） は 放送波経由 • 高解像度コンテンツ（1080p／4K） は ブロードバンド経由
32. ATSC 3.0 のハイブリッド放送の進化 低出力の送信機や放送帯域幅が制限され る状況に対しても有効 • 低解像度コンテンツ（480p／ 720p） は 放送波経由 • 高解像度コンテンツ（1080p／4K） は ブロードバンド経由 この切り替えを通常の DASH アダプテーションで行う
33. ATSC 3.0 のハイブリッド放送の進化 課題：MPD の BaseURL 配置位置 • 現状の実装では BaseURL を MPD の最上位レベルに置くことが多い ◦ これだとブロードバンド用 BaseURL を優先するため、放送波が利用可能な場合でもセグメントをブ ロードバンド経由で取得しようとしてしまう Representation ごとに BaseURL を配置すべき
34. ATSC 3.0 のハイブリッド放送の進化 課題：放送向けの URI スキームが存在 • 放送向けの標準化された URI スキームが存在しない ◦ 切り替えるブロードバンドには BaseURL を使用するので、DASH クライアントが URI なしの放送波 に切り替えることができない 放送用 URI スキームが必要
35. ATSC 3.0 のハイブリッド放送の進化 課題：経路による遅延差 • CDN と放送波経路の遅延差があるとスムーズな切り替えが難しい ◦ 適切に同期できないと、 CDN へのフォールバックはリバッファリングやフレームジャンプになってし まう ATSC でブロードバンドと放送波 間の同期に関する推奨実践方法 の策定が必要
36. ATSC 3.0 のハイブリッド放送の進化 この試みにはまだ解決すべき課題も多いが 動画プレイヤーの初期化なく放送とインターネットを切替可能な体験は素晴らしい
37. ATSC 3.0 のハイブリッド放送の進化 この試みにはまだ解決すべき課題も多いが 動画プレイヤーの初期化なく放送とインターネットを切替可能な体験は素晴らしい 日本の Hybridcast は放送波の信号をトリガーに インターネット用の動画プレイヤーを起動して切替
38. ATSC 3.0 のハイブリッド放送の進化 この試みにはまだ解決すべき課題も多いが 動画プレイヤーの初期化なく放送とインターネットを切替可能な体験は素晴らしい 日本の Hybridcast は放送波の信号をトリガーに インターネット用の動画プレイヤーを起動して切替 体験としてはどうしてもショックフル になる
39. ATSC 3.0 のハイブリッド放送の進化 この試みにはまだ解決すべき課題も多いが 動画プレイヤーの初期化なく放送とインターネットを切替可能な体験は素晴らしい 日本の Hybridcast は放送波の信号をトリガーに インターネット用の動画プレイヤーを起動して切替 体験としてはどうしてもショックフル になる ハイブリッド放送の進化先は OTT との交差ポイントがある可能性 ATSC 3.0 での適切な策定と実証実験に期待
40. AI により進化する動画技術領域の最前線
41. Agentic AI による動画 QA テストの可能性 Witbe が開発するストリーミングデバイス向け AI 搭載 QA システム 特徴 • 実デバイス上での UI テスト • 事前プログラミング／アプリ知識なし で AI が実行
42. Agentic AI による動画 QA テストの可能性 従来の QA 手法の問題点 • アルゴリズムベース／スクリーン ショット撮影型テスト → ストリーミング特有の動的テスト ができない • 固定スクリプト → プロモーションに伴う UI 要素追 加などテスト網羅追従が困難
43. Agentic AI による動画 QA テストの可能性 従来の QA 手法の問題点 • アルゴリズムベース／スクリーン ショット撮影型テスト → ストリーミング特有の動的テスト ができない • 固定スクリプト → プロモーションに伴う UI 要素追 加などテスト網羅追従が困難 Agentic AI で解決 • 実デバイスに対してエンドユーザー の操作をシミュレート • ゼロショット推論：事前の UI 知識なし = リアルタイムに学習 • 多様なデバイス状態、OS ごとに異な る UI、色、言語を理解
44. Agentic AI による動画 QA テストの可能性 従来の QA 手法の問題点 • アルゴリズムベース／スクリーン ショット撮影型テスト → ストリーミング特有の動的テスト ができない • 固定スクリプト → プロモーションに伴う UI 要素追 加などテスト網羅追従が困難 Agentic AI で解決 • 実デバイスに対してエンドユーザー の操作をシミュレート • ゼロショット推論：事前の UI 知識なし = リアルタイムに学習 • 多様なデバイス状態、OS ごとに異な る UI、色、言語を理解 テスターは自然言語で高レベルな指示 （最初のコンテンツを選択など）を行うだけ
45. Agentic AI による動画 QA テストの可能性 自然言語での指示
46. Agentic AI による動画 QA テストの可能性 AI がどう考えてその行動を決定したか 思考プロセスが分かる
47. Agentic AI による動画 QA テストの可能性 定量的な結果例 生産性は 4 倍に
48. チャットボットはコンテンツ探索に向いているか？ マーケットインテリジェンス会社である veed analytics による調査 • 米国および欧州におけるストリーミングコンテンツ探索機能に関するチャットボット の有効性を検証 • 対象は Claude、Gemini、ChatGPT、Perplexity • 現状幅広く利用されているチャットボットがストリーミングコンテンツを正確に見つけ られるか、従来の検索方法の代替になるかという視点で検証
49. ストリーミングコンテンツ探索の課題 ストリーミングコンテンツ探索は難しい • ユーザーニーズが複雑 ◦ 受動的なおすすめ紹介だけではない「 80年代風 エッジの効いた映画」などのインスピレーション ベースのニーズなど • 使用環境が断片化 ◦ コンテンツ探索はさまざまな場所で行われる ▪ 個々のサービス（ABEMA、Netflix など） ▪ プラットフォーム上（Google TV など） ▪ Web 検索
50. ストリーミングコンテンツ探索の課題 ストリーミングコンテンツ探索は難しい • ユーザーニーズが複雑 ◦ 受動的なおすすめ紹介だけではない「 80年代風 エッジの効いた映画」などのインスピレーション ベースのニーズなど • 使用環境が断片化 ◦ コンテンツ探索はさまざまな場所で行われる ▪ 個々のサービス（ABEMA、Netflix など） ▪ プラットフォーム上（Google TV など） ▪ Web 検索 最近はチャットボットが あらゆる情報へのユニバーサルな入口に
51. ストリーミングコンテンツ探索の課題 ストリーミングコンテンツ探索は難しい • ユーザーニーズが複雑 ◦ 受動的なおすすめ紹介だけではない「 80年代風 エッジの効いた映画」などのインスピレーション ベースのニーズなど • 使用環境が断片化 ◦ コンテンツ探索はさまざまな場所で行われる ▪ 個々のサービス（ABEMA、Netflix など） ▪ プラットフォーム上（Google TV など） ▪ Web 検索 最近はチャットボットが あらゆる情報へのユニバーサルな入口に AI チャットボットは 動画コンテンツのコンシェルジュ としての役割を果たせるのか？
52. ストリーミングコンテンツ探索の課題 コンテンツ探索に AI を使うアプローチは誰もが思いつくが意外と上手くいってない • Netflix のベータテストの事例 ◦ 米国かつモバイル限定で会話型クエリ （例：ロンドンスタイル風の 90年代コメディ作品） での検索機能を試験提供 テスト中止という結果に 複雑なリクエストに対して コンテンツマッチング率が低い
53. ストリーミングコンテンツ探索の課題 コンテンツ探索に AI を使うアプローチは誰もが思いつくが意外と上手くいってない • Spotify on ChatGPT の事例 ◦ ChatGPT で Spotify の音楽を探索できる Spotify のヘビーユーザーは 音楽を探すために わざわざ ChatGPT を開かない
54. AI によるストリーミングコンテンツ探索精度検証 チャットボット AI でコンテンツはどのくらい見つかるのか？を検証
55. AI によるストリーミングコンテンツ探索精度検証 Claude と Gemini がコンテンツ探索には相性が良い
56. AI によるストリーミングコンテンツ探索精度検証 AI チャットボットと国の組み合わせにも相性が見られる結果に
57. AI によるストリーミングコンテンツ探索精度検証 ローカルのストリームサービスだと発見率が低減／ ChatGPT、Perplexity は特に顕著
58. AI によるストリーミングコンテンツ探索精度検証 テスト時期によってディープリンクの提供頻度は変化 → 視聴導線として安定しない結果に
59. AI によるストリーミングコンテンツ探索精度検証 テスト時期によってディープリンクの提供頻度は変化 → 視聴導線として安定しない結果に 結論としては、いまはまだ AI チャットボットは コンテンツ探索に適していないという結果に
60. AI によるストリーミングコンテンツ探索精度検証 テスト時期によってディープリンクの提供頻度は変化 → 視聴導線として安定しない結果に ただし、チャットボットがあらゆる情報へのユニバーサルな入口になる流れ は変わらないので、発明的変化が生まれた時に サービスが素早く柔軟に対応できる状態でいることが必要 結論としては、いまはまだ AI チャットボットは コンテンツ探索に適していないという結果に
61. ABEMAでは配信する映像素材の管理ツール Media Asset Managementや クラウド環境で利用できる映像編集ツール VMCを開発/運用しています。 MAMとクラウド編集の現在地と未来 ※ 2025年11月にInterBEE2025にも出展しました
62. コンテンツ管理やクラウド編集ツールに、生成 AIを利活用し、品質向上につなげたい MAMとクラウド編集の現在地と未来
63. ABEMAの現プロダクトに対して、世界のツールがどうなっているのか？ MAMとクラウド編集の現在地と未来 【現状】 ・アセット管理と配信、メタデータ付与が現状のMAM ・アセットの二次活用のためのVMC ・SNSへの配信、本体への配信の効率化 【時代のトレンド】 ・ローカル運用からクラウドへのトレンド -> AIのトレンドに！ ・AIで、コンテンツをどう活用する？ ・↑トレンドは「シーン検索、記事生成、字幕生成」
64. • MAMとクラウド編集ツールについて、ブースを見て得たこと MAMとクラウド編集の現在地と未来 ※ Evertz社のブースより。 QCから配信までのワークフローがノードベース！ ※ クラウド編集ツール CuttingRoom ※ 自然言語で動画編集をサポート！
65. MAMとクラウド編集の現在地と未来 Fonn Group さんのプライベートミーティング MAM & クラウド編集ツール「Mimir」の解説
66. MAMとクラウド編集の現在地と未来 • 字幕生成のソリューション ◦ BATON CAPTIONS (Interra Systems社） ▪ 音声をAI解析して文字起こし ▪ 人による校正・編集をサポート ▪ .vttなど配信向けのファイル生成 日本語の文字起こし精度はデモで確認できず。 ルビや画像字幕などにも未対応 日本語向けの字幕ソリューションは まだ発展途上
67. AWSがAWS Elemental Inferenceを推していた (旧 SmartCropping) 収録素材の二次利用のニーズ (例: PodCast収録の動画から、SNSの宣伝素材を生成) マーケティングや SNSの用途で縦型動画切り出し需要が急増 MAMとクラウド編集の現在地と未来
68. MAMとクラウド編集の現在地と未来 • 縦型ショート動画のソリューション ◦ AWS Elemental Interface ▪ バスケのシュートシーンの縦型ショート 動画を生成 ▪ すぐにSNSにシェアして波及効果を狙う
69. MAMとクラウド編集の現在地と未来 • 縦型ショート動画のソリューション チャット形式で縦型動画を生成 ユーザー「ドラゴンのショート動画を作成して」 システム「親子のドラゴンが登場しますが、どの場面を切り出しま すか？」 最終的にエラーで動画が出力されないトラブルも・・・
70. MAMとクラウド編集の現在地と未来 AI Agentを活用した、エージェンティック編集 【去年のNAB Show 2025の到達点】 メタデータの生成、切り出し位置の推薦が多かった 【今年 NAB Show 2026の到達点】 今年は人間の編集の間にAgentが入って編集支援する。Dalet社のDaliaがその1つ。 Flex を含む Dalet エコシステム全体の上に載る AI レイヤーが「Dalia」 自然言語によるエージェンティック編集。SNS投稿までのワークフローを提案する機能
71. MAMとクラウド編集の現在地と未来 Dalet社のDaliaによるAI Agentを活用した、エージェンティック編集
72. • MAM / クラウド編集ツールの今後 「AIの波の次は？」 コンテンツ管理ツールが求められる「素材から新たな価値を創出する」必要性 + 機能の拡充というフェーズから、蓄積したコンテンツからどんな付加価値を生むか？ + 「EVS」の強みは圧倒的なスポーツの映像素材による解析結果 + 「Wolftech」による「記事が世界にどう波及し、どうマネタイズしているか」 MAMとクラウド編集の現在地と未来 ※ Avid ブースでAvid Core聞いていた
73. MAMとクラウド編集の現在地と未来 【MAMやクラウド編集ツールのネクストステージ】 • 今年のトレンドは「AI エージェンティック編集」 • 素材から新しい付加価値を生み出すフェーズになっている • MAMのアセットにデジタル署名などのフェイク対策や真偽性 • シーンメタのマーケとの連動 • マネタイズが競合優位性になっていく ※ MK.io 社のブース訪問
74. AIによる動画のコンテキスト解析 • ニュースの内容に応じた広告挿入（AWS社） ◦ 例）飛行機事故に関する報道 →航空会社のCMは流さない 登場人物や会話の 内容を解析 内容に応じて 広告を挿し替え
75. AIによる動画のコンテキスト解析 • ニュースの内容に応じた広告挿入（AWS社） ◦ 例）飛行機事故に関する報道 →航空会社のCMは流さない 登場人物や会話の 内容を解析 内容に応じて 広告を挿し替え ユーザー属性 によるパーソナライズだ けでなく、 番組の内容に合った CMを自動で選択 することにも活用できそう
76. AIによる動画のコンテキスト解析 • コンプライアンス違反をリアルタイム監視（Yupptv社） ◦ 放送禁止用語や過激な映像を検知してスコアリング ◦ まだ実験的で自動でシャットダウンする段階ではなさそう 要注意のチャンネルは スコアが低下 炎上を未然に防ぐ取り組みは ABEMA でも重要。 一方で、検知の精度や 検知後の動きは検証や議論を深める 必要がありそう。
77. AI ネイティブな動画データ形式 過去にもレポートした VC-6 による階層構造を持ったデータ形式 を活かし AI にとって高速で無駄がない視覚情報処理 ワークフローを構築する https://speakerdeck.com/cyberagentdevelopers/ibc-2024-report?slide=140
78. AI ネイティブな動画データ形式 従来の動画形式（H.264、HEVC、JPEGなど） の課題 • AI が画像を解析する際にたとえ画像 のごく一部だけ必要でも全てをデコー ド→大部分は破棄
79. AI ネイティブな動画データ形式 従来の動画形式（H.264、HEVC、JPEGなど） の課題 • AI が画像を解析する際にたとえ画像 のごく一部だけ必要でも全てをデコー ド→大部分は破棄 https://v-nova.com/teaching-ai-to-see-with-purpose/ 階層的構造／選択的デコード で高速処理 • 生ピクセルを独立してクエリ可能 （検索／抽出 可能） な情報のレイヤーに整理 • 特定のタスクに必要な解像度や領域だ けを選択して取得
80. AI ネイティブな動画データ形式 従来の動画形式（H.264、HEVC、JPEGなど） の課題 • AI が画像を解析する際にたとえ画像 のごく一部だけ必要でも全てをデコー ド→大部分は破棄 https://v-nova.com/teaching-ai-to-see-with-purpose/ 階層的構造／選択的デコード で高速処理 • 生ピクセルを独立してクエリ可能 （検索／抽出 可能） な情報のレイヤーに整理 • 特定のタスクに必要な解像度や領域だ けを選択して取得 タスク種別に応じてデコード量を調節可能 • 全体像の把握 ◦ 空が青一色であることを理解するため に全ピクセルのデコードは不要　 • 人の行動の分類・認識 ◦ 背景の木などの詳細はデコード不要 • 検出／トラッキング／インデックス作成 ◦ 低い詳細度／解像度で十分
81. AI ネイティブな動画データ形式 RCリアルタイムで解像度を変更した際のオブジェクト認識処理のデモ
82. AI ネイティブな動画データ形式 冒頭に話した Metadata / Indexing トレンドを反映した技術 クラウド AI のコスト高騰も無視できない 中、今後はいかに効率的に AI を ワークフローに組み込めるかは 重要な鍵となる
83. AIによるエラー調査のアシスト • AI Error Interpreter (Bitmovin社) ◦ クライアントから収集したエラーについて、助言 クライアント、ストリーム、 CDNなどポイントごとに考え うる原因を列挙 どんな対応をすべきかをコ メント まだ発展途上の機能。 しかし、過去の対応履歴や他社の事 例がノウハウとして蓄積されると、 アラート対応が楽になりそう
84. AI 脅威 - ディープフェイク対策　C2PA • C2PAに関する過去のレポート https://speakerdeck.com/cyberagentdevelopers/nab-show-2024-report?slide=72 https://speakerdeck.com/cyberagentdevelopers/ibc-2025-report?slide=143
85. AI 脅威 - ディープフェイク対策　C2PA • 配信プラットフォームへの実装が進む ◦ Unified Streaming：Init SegmentにC2PAを埋め込み
86. AI 脅威 - ディープフェイク対策　DSC Fraunhofer HHI DSC • DSC = Digital Signed Content • H.266/VVC に採用されたデジタル署名による動画認証技術 ◦ H.265 / H.264 にも対応予定 • 映像だけでなく音声や字幕の改ざん検知も可能 正常 改竄
87. AI 脅威 - ディープフェイク対策　DSC 検証手順 • エンコーダ（データ生成側）は署名のための秘密鍵 と公開鍵を保持 • デコーダ（検証する側）は公開鍵のみを保持 • データストリームには公開鍵へのポインタが含まれ る • デコーダは Trusted Authority からデジタル証明書 を取得 • デコーダは公開鍵を使用してデジタル署名を処理
88. AI 脅威 - ディープフェイク対策　DSC 検証手順 • エンコーダ（データ生成側）は署名のための秘密鍵 と公開鍵を保持 • デコーダ（検証する側）は公開鍵のみを保持 • データストリームには公開鍵へのポインタが含まれ る • デコーダは Trusted Authority からデジタル証明書 を取得 • デコーダは公開鍵を使用してデジタル署名を処理 処理結果がデコーダが計算したハッシュ値と一致し た場合のみ、信頼できる情報と判断
89. AI 脅威 - ディープフェイク対策　DSC 検証手順 • エンコーダ（データ生成側）は署名のための秘密鍵 と公開鍵を保持 • デコーダ（検証する側）は公開鍵のみを保持 • データストリームには公開鍵へのポインタが含まれ る • デコーダは Trusted Authority からデジタル証明書 を取得 • デコーダは公開鍵を使用してデジタル署名を処理 処理結果がデコーダが計算したハッシュ値と一致し た場合のみ、信頼できる情報と判断 一致しない場合はフェイク（偽造）と判断
90. AI 脅威 - ディープフェイク対策　DSC デモ
91. AI 脅威 - ディープフェイク対策　DSC Fraunhofer HHI DSC の優位性 SEI（Supplemental Enhancement Information） メッセージを利用した暗号化署名を添付
92. AI 脅威 - ディープフェイク対策　DSC Fraunhofer HHI DSC の優位性 SEI（Supplemental Enhancement Information） メッセージを利用した暗号化署名を添付 ES（Elementary Stream） レベル（映像や音声データ単体） で符号化済みのデータの認証が可能
93. AI 脅威 - ディープフェイク対策　DSC Fraunhofer HHI DSC の優位性 SEI（Supplemental Enhancement Information） メッセージを利用した暗号化署名を添付 ES（Elementary Stream） レベル（映像や音声データ単体） で符号化済みのデータの認証が可能 VVC/H.266 のみでなく HEVC/H.265 と AVC/H.264 でも同様の仕組みを展開可能
94. AI 脅威 - ディープフェイク対策　DSC Fraunhofer HHI DSC の優位性 SEI（Supplemental Enhancement Information） メッセージを利用した暗号化署名を添付 ES（Elementary Stream） レベル（映像や音声データ単体） で符号化済みのデータの認証が可能 VVC/H.266 のみでなく HEVC/H.265 と AVC/H.264 でも同様の仕組みを展開可能 広い普及が期待できる
95. 配信高速化だけじゃない CDN の新しい役割
96. 海賊行為の実態変化 従来の海賊行為 1. 動画データのキャプチャ 2. 第三者サーバーに再アップロード 5 年前 現在
97. 海賊行為の実態変化 従来の海賊行為 1. 動画データのキャプチャ 2. 第三者サーバーに再アップロード 5 年前 現在 収益面（加入者／広告収入）に影響する一方 インフラコストの被害は軽微
98. 海賊行為の実態変化 従来の海賊行為 1. 動画データのキャプチャ 2. 第三者サーバーに再アップロード 5 年前 現在 モダンな海賊行為 1. 認証トークン付き URL 直接使用 2. 配信はサービス側 CDN のまま 収益面（加入者／広告収入）に影響する一方 インフラコストの被害は軽微
99. 海賊行為の実態変化 従来の海賊行為 1. 動画データのキャプチャ 2. 第三者サーバーに再アップロード 5 年前 現在 モダンな海賊行為 1. 認証トークン付き URL 直接使用 2. 配信はサービス側 CDN のまま 収益面（加入者／広告収入）に影響する一方 インフラコストの被害は軽微 収益喪失＋ CDN Egress 費用負担＋ コンピューティングリソース浪費
100. 海賊行為の実態変化 従来の海賊行為 1. 動画データのキャプチャ 2. 第三者サーバーに再アップロード 5 年前 現在 モダンな海賊行為 1. 認証トークン付き URL 直接使用 2. 配信はサービス側 CDN のまま 収益面（加入者／広告収入）に影響する一方 インフラコストの被害は軽微 収益喪失＋ CDN Egress 費用負担＋ コンピューティングリソース浪費
101. 従来の海賊対策の限界 • ペイロード保護 → DRM ◦ 配信経路そのものは保護しない ▪ 侵害済のクライアント／ライセンスキーを悪用するため、暗号化を破る必要はない • 配信保護 → セッション検証 ◦ CDN によるトークン認証ではトークン自体を入手された場合は誰でもコンテンツにアクセス可能 ◦ 同一トークンによる複数 IP アドレスからのセッション遮断は一般的なシナリオを不適切に遮断して しまうリスク ▪ 電車など高速移動中に基地局変更 ▪ CG-NAT や iCloud プレイベートリレーなど IP アドレスでの特定がそもそもできないケース
102. アプローチを変える 攻撃者が「誰か」を特定する アプローチ • 過去の攻撃者の行動パターンを • IP ローテーションやプロキシに影 響を受けやすい セッション中の「挙動」を分析する アプローチ • 機械学習による行動分析 • 教師なしモデル ◦ 学習済みの正常なセッションパターン から大きく逸脱するセッションはすべ て異常判定
103. 「挙動」をどのように知るか プレイヤーのハートビートを正常利用判断 CMCD 利用 • オープン／標準規格 ◦ 信号のブラックボックス化／ベンダーロックイ ンを回避 • 高いレジリエンス ◦ 動的なバッファ変化はボットによるシミュレート が困難 • CMCD とネットワークテレメトリーを組み 合わせた異常検知
104. Media CDN で実践する海賊行為検知構成 非同期学習 • CMCD 含めたストリーミングログは Cloud Logging → BigQuery でデータウェアハウジ ング • Dataflow を使いストリーミングで異常検知 モデルのトレーニング
105. Media CDN で実践する海賊行為検知構成 ランタイム推論 • 短時間ウィンドウ（5 分間隔など）でデータサ ンプリング • トレーニング済みモデルがリアルタイムで推 論を実行 • 各セッションの異常スコア生成
106. 従来の海賊対策の限界 現状の運用課題 • 大規模イベント時の誤検知数 を最小限に抑える ◦ 正規の有料ユーザーが誤ってブ ロックされることを確実に回避 • トレードオフの許容 ◦ リコール（実際の異常ブロック） 率は 50% 程度 家族／友人間のカジュアルな パスワード共有は許容、 大規模なシンジケート型の海賊行 為のみをブロック
107. フォレンジック・ウォーターマーク • フォレンジック・ウォーターマーク ◦ ユーザーから視認できない電子透かし ◦ 流出元を追跡するための技術 ◦ 参考）IBC 2024 動画技術関連レポート https://speakerdeck.com/cyberagentdevelopers/ibc-2024-report?slide=219 DRMがコンテンツ保護のために重要であるが、 完全に流出は防げない。 流出元を突き止めて、さらなる流出を防ぎ、 コンテンツプロバイダとの信頼関係を維持する
108. フォレンジック・ウォーターマーク • Frame Safeなウォーターマーク（steg.ai社） カメラで撮影して、 SNSにアップロード オリジナルと照合 データベースと照合して 流出元を特定
109. フォレンジック・ウォーターマーク • １フレームにユーザー間で異なるデータを埋め込みをするのは高コスト • CDNを使った試み ◦ あらかじめ、異なるIDの埋め込まれたセグメントを用意 ◦ CDNエッジで個人毎に返す組み合わせを変えることで個人を特定 1 1 2 2 3 3 4 4 ユーザーA ユーザーB CDN 異なるIDの埋め込まれた セグメントを用意 1 1 2 2 3 3 4 4 ユーザー毎に組み合わせが異な るため、個人の特定が可能
110. フォレンジック・ウォーターマーク 海賊行為を行っているユーザーをリアルタイ ムで特定して、 CDNエッジで映像をストップ
111. フォレンジック・ウォーターマーク とある世界的スポーツイベントでは ウォーターマーク導入がコンテンツ許諾の 必須条件になっているという情報もあり、 今後、より重要性が高まってきそうです。
112. 米国の VFX 技術に学ぶ最新プロダクション
114. 米国の VFX 技術に学ぶ最新プロダクション • ABEMA オリジナルドラマとVFXの状況 ※ とある新作ドラマのセットのイメージ絵
115. 米国の VFX 技術に学ぶ最新プロダクション • AI Centerで半年見てきて感じたリアルな課題 ・VFXを前提とした撮影もあれば、実写を前提とした撮影もある ・グリーンバック背景ではなく、倉庫や空きスペースでの撮影もある ・グリーンバックも十分な環境で撮影できているわけではない
116. ・NukeやDaVinciやFusionには、高機能なキーイングがある ・その一方、素材の状況によっては、きれいに合成できないケースもある 米国の VFX 技術に学ぶ最新プロダクション • AI Centerで半年見てきて感じたリアルな課題 ※ Nuke20の検証動画 実際はこんなにきれいな素材ではな いケースがある ※ 「Nuke教科書: 業界標準のコンポ ジット&VFXソフトウェア」 より
117. 米国の VFX 技術に学ぶ最新プロダクション • 渡航前。グリーンバックをつかわない撮影の可能性を探る ※ MetaのSAM3をつかった簡単な検証。グリーンバックなし。 ※ 「Nuke教科書: 業界標準のコンポジット&VFXソフトウェア」 より
118. ・世界におけるVFXやバーチャルスタジオの最前線での手法 ・日本のドラマのような、実写を前提とした作品における バーチャルプロダクションの可能性 米国の VFX 技術に学ぶ最新プロダクション • NAB Show 2026でもちかえりたかったこと
119. 米国の VFX 技術に学ぶ最新プロダクション • ドリームワークスのクリエイターと個別MTG
120. 米国の VFX 技術に学ぶ最新プロダクション • ドリームワークスのクリエイターと個別MTG NukeやDaVinciやFusionを導入できるような 撮影環境のためには、VFXを前提として入る 必要がある。既存のワークフローでは難しい と実感。AI利活用など、既存のワークフローを 壊さない形で入ることが重要かも。あと、ベス トプラクティスはベストな素材が前提。世界的 にも課題は多く、同じことで悩んでいるケース も。海外にアウトソースで乗り切るソリューショ ンも知られて良かった。
121. 米国の VFX 技術に学ぶ最新プロダクション • NAB Show2026で見たVizrt AI Studio ※ グリーンバックなしできれいにキーイングがリアルタイムででてる
122. 米国の VFX 技術に学ぶ最新プロダクション • NAB Show2026で見たVizrt AI Studio グリーンバックなどの大規模なスタジオ設備がなくても、屋内・屋外を問わずあら ゆる場所で高度な背景切り替えやAR演出ができる！
123. 米国の VFX 技術に学ぶ最新プロダクション • Brainstorm 3D グリーンバックやLEDパネルを使わないVFXも進化してきている カメラの角度からトラッキングを推定する。Sonyの新製品ARカメラでも紹介してた。複数センサーにより安定したマーカーレ ストラッキングを屋内外で実現し、バーチャルプロダクションやARなどのコンテンツ制作を効率化するカメラトラッキングシス テム。 検証して提案しつづければこのラインが突破できるかも！！
124. 3D Gaussian Splatting と 360 度カメラが 変えるプリプロダクション
125. ABEMAオリジナルドラマにおけるロケハン ・ロケハンは人数動員、時間がかかる ・美術打ち合わせにおけるロケハンに行けた人と、行けていない人がいる ・監督が撮りたい絵を共通イメージできていない時もある ・カメラワークのシミュレーションがしづらい
126. ABEMAオリジナルドラマで提案しているソリューション ロケ地の3DGS化による、バーチャルロケハンの可能性 ※ テレビ朝日さん技術展示会「ゴーテック 2025」展示デモ
127. NAB Showで見た機材の事例 XGRIDSのPortalCam、Insta360が展示されていました XGRIDSのPortalCamは、NABプロダクト・オブ・ザ・イヤー賞を 1年で4回受賞した初の製品に
128. 【良い点】 ・Portal Camを使うことで高画質にデジタルツインがつくれる ・他のブースでも3DGSの素材の活かし方について質問したり議論できた ・スチール、360度カメラの良い点もあるので、ロケ地によって切り替える 【今後の課題】 ・既存の日本のドラマ撮影のワークフローにどう組み込むか？ ・Unityに組み込んでカメラワークのシミュレーションができるようにする ・フルAI動画を制作する際のプリビズやカメラワークのベースにする NAB Showで見た事例をもちかえりPoC
129. AI 時代のプロダクション／ポスプロ最前線
130. AI 時代のプロダクション最前線 NAB Showで見た最新「生成ツール」レポート CM・ドラマ・番宣、各クリエイティブ制作にどう活用できるか？
131. AI 時代のプロダクション最前線 • 生成AIを使った映像制作：Abema AI CM デモリール
132. AI 時代のプロダクション最前線 • フル生成AI　vs　実写×生成AI ◦ 生成AIのカラーマネージメント問題 ▪ AI動画は基本的に8bit sdr のmp4で生成される ▪ ドラマ制作の一般的な規格 16bit hdr等と合わず、ワークフローに組み込みずらい ▪ Logデータを扱うカラーグレーディング工程にもハマらない • 実写ドラマや映画への生成 AI活用は、技術的ハードルがまだ高い！ • フル生成AI映像が先！
133. AI 時代のプロダクション最前線 • Netflix と Amazon が生成AI使った映像制作に本格参入！
134. AI 時代のプロダクション最前線 • 従来の映像制作におけるプロダクションは「撮影」 • 一方、AI映像制作でのプロダクションは「生成」になる ◦ 生成ツール代表例 ：ComfyUI、Adobe Firefly など
135. AI 時代のプロダクション最前線 • Abema AI CM でのプロダクションの現状 ◦ AIエージェントを起点とし、ブリーフからプロンプト、生成までを一元化。 ▪ 既製の生成ツールを自前のワークフローにどう組みこめるかあ？
136. 生成ツール • Amazon、Google、Microsoft 各社がクラウド型の生成ツールを展示！
137. 生成ツール • ComfyUI on AWS ◦ ComfyUI のクラウド版。数ヶ月以内にリリース予定とのこと ◦ Comfy Cloud（ComfyUI 公式のクラウド版）より自由度や安全性が高い！
138. 生成ツール • Nodey（Google Cloud ブース） ◦ ComfyUI 互換のノードベースワークフロー。現在プライベートベータ。 ◦ 3D 空間ツール OKO と統合されている ！
139. 生成ツール • Galleri5 AI Studio（Microsoft Azure ブース） ◦ Agentic Canvas というエージェント機能が特徴！ ◦ 脚本家、撮影監督、アートディレクター、リサーチャー、批評家などの専門エージェントが連携し、生成
140. 生成ツール • Martini ◦ 元撮影監督が作った AI 映像制作ツール、という尖ったコンセプト！ ◦ カメラコントロール＝ 1枚の画像から別アングルを作れる機能が特徴。 ◦ ブースに同席した Apple の映像クリエイターと繋がれたのは収穫だった。
141. 生成ツール • Adobe Firefly AI Assistant ◦ 現地ではNDA で詳細未公開 → 後日にパブリックベータ版がリリースされた！ ◦ 中身は、Firefly の対話型インターフェースだった（エージェントは Adobe独自のもの）
142. 生成ツール • Adobe for Creativity - Claude ◦ 同時期に Claude のクリエイティブコネクターがリリースされたのでこっちも触ってみた。 ◦ 現状は、静止画の量産加工がメイン。動画周りは今後に期待！
143. AI 時代のポスプロ最前線 NAB Showで見た最新「編集ツール」レポート CM・ドラマ・番宣、各クリエイティブ制作にどう活用できるか？
144. AI 時代のポスプロ最前線 • ポストプロダクション＝ 撮影後に行う「編集や仕上げ」工程のこと ◦ 編集ツール代表例：Adobe Premiere Pro、 Blackmagic Design DaVinci Resolve など • Abema AI CMでは、ポスプロ工程は従来通りやっている ◦ ポスプロに特化した AIツールは現状なく、編集ツールの中に AI機能が追加され始めている
145. 編集ツール • Adobe と Blackmagic Design がNABに合わせて大型アップデートを発表！
146. 編集ツール • Premiere Pro：Color Mode ※Adobeイチオシ ◦ エディター向けにゼロから設計された新しいカラーグレーディング環境 ◦ Premiereでオフライン→カラコレまで完結。AI関係ないけど、とにかく便利！！！！！
147. 編集ツール • After Effects：Object Matte ◦ AIにより映像内の人物や物体を自動的に検出・分離・追従するAIマスク機能 ◦ 追加従来のロトブラシよりも高速かつ高精度に、複雑な被写体でも一瞬でマスクを作成できる！
148. 編集ツール • DaVinci Resolve：AI フェイス形状調整 ◦ 動画上の顔パーツ（目・鼻・口・眉・顔全体）の形状をトラッキングしながら変更できる ◦ AI CM で生成した人物の顔の微調整に使えそう！
149. 編集ツール • DaVinci Resolve：AI フェイス年齢変換 ◦ 被写体を若返らせたり老けさせたりする機能。パラメータが少なく調整幅は限定的 ◦ ドラマの回想シーンや未来シーンの VFX として使える可能性！
150. 編集ツール • DaVinci Resolve：AI スローモーション ◦ 動画の速度を変更出来る機能。AIが前後の映像を解析して中間のフレームを補間。 ◦ ハイスピード撮影的な演出がポスプロ工程で可能に！
151. NAB後、最新トピック：生成 • 生成ツールのMCPサーバーが続々登場！ ◦ Higgsfield、Ruway、Comfy など
152. NAB後、最新トピック：編集 • CVPR2026 でAdobe Researchが論文を発表 ◦ インテリジェントなオブジェクト除去、編集コントロールを強化するスライダー、生成的な光の動きの制御 など、タスクごとの専用 Diffusion Video Model。
153. NAB後、最新トピック：編集 • 動画編集が得意なAIモデル Gemini Omni や Runway Aleph 2.0 が登場 ◦ 先行の Seedance 2.0 や Kling 3.0 に追従
154. AI時代の映像制作：現在地と未来 • 全てを解決する最強の生成ツールはない ◦ 自社プロダクト開発スタート！ • AIによる動画編集はイマ〜これからの領域 ◦ Adobe・Google・各社の動向は引き続きチェック！ ◦ カット編集や仕上げ工程は現状まだまだ。ブレイクスルー待ち。
155. 視聴体験を変化させる技術トレンド
156. マルチビュー • 前提 ◦ スポーツを中心に「パーソナライズされた体験」が求められている。 ◦ マルチビューの実現は「体験」と「スケーラビリティ」のトレードオフが付きまとう ◦ 参考）NAB Show 2025 動画技術関連レポート https://speakerdeck.com/cyberagentdevelopers/nab-show-2025-report?slide=144 • 今年の状況 ◦ 実サービスで運用されている事例の紹介も増えてきた。 ▪ スポーツを中心にFox One, Peacockなどで導入
157. マルチビュー • MediaKind社 ◦ サーバーサイドであらかじめ決められた レ イアウト・パターンを用意しておき、ユーザー が選択する ◦ クライアント側でレンダリングすれば、自由な レイアウトが可能になるが、提供できるプ ラットホームが限られてしまう 昨年も見られた事例
158. マルチビュー • MediaKind社 ◦ 視聴者のリクエストに応じて、サーバー側 でレンダリングするレイアウトを増やす ▪ レイアウト数が増える →コスト増 ▪ 相当な人気コンテンツでないと導入は コストの問題がありそう ▪ 逆にそれだけアメリカでスポーツの視 聴習慣が根付いているということかも しれない NEW！
159. マルチビュー • Peacock (NBC Universal社) ◦ オリンピックの事例 ▪ 自国（アメリカ）の代表選手を応援 ▪ 複数の競技がさまざまな会場で同時に開催 ▪ ネタバレを避けて、リアルタイムで鑑賞したい ▪ 状況は刻一刻と変わる ので、どの競技も見逃せない ユーザーが自由にサイズを変えて、 感動の瞬間を見逃さない
160. マルチビュー • FOX One ◦ 2〜4番組を同時視聴できる。 ◦ サーバーサイドでレンダリング ◦ 事例）スポーツの試合とニュースを同時視聴 FOXは報道にも強い。 スポーツを視聴しながらも、 その日のニュースをチェックしたい
161. CTV デバイス視聴体験改善へのアプローチ Paramount 社の最難度ストリーミング改善ミッション「SKUNK WORKS」 ロッキード・マーティン社の「スカンクワークス」 に着想 を得た社内プロジェクト • 現在の技術限界の突破が目標 ◦ 新技術のインキュベーションと リスクテイクする実験精神を推奨 • 熱意を持ったコミッターだけを社内から募集 • 徹底的な機密保持 • KPI 駆動型アプローチ ◦ 初公開までの時間 ◦ 動画再生開始速度 ◦ リバッファリング発生率 最重要課題： ストリーミング配信のあらゆる側面の 速度問題を解決
162. CTV デバイス視聴体験改善へのアプローチ CTV へのストリーミング特有の課題 • 旧式デバイス ◦ CTV は平均 6.6 年使用される ◦ 幅広く旧型デバイスに対応する必要 • 機能差異 ◦ CPU / GPU 性能、メモリ容量に大きなバラ つき ▪ TV メモリ 300 - 500 MB ▪ STB メモリ 100MB
163. CTV デバイス視聴体験改善へのアプローチ 「SKUNK WORKS」アーキテクチャ Blackbird ◦ コア再生エンジンを提供する SDK ◦ マルチ DRM／ABR／低遅延／トリックプレイ／チャ プタ機能など Raptor ◦ 性能評価システム ◦ デバイス性能を動的／リアルタイム評価 ◦ 実時間パフォーマンスに基き視聴体験を最適化 Lite ◦ 同一アーキテクチャ上の軽量アプリ ◦ ユーザーが本当に必要とする機能のみを提供 ◦ 比較により性能向上を視覚的に実証 Amazon Vega ◦ コードネーム Vega の新 OS 上に本アーキテクチャを 展開 → プレミアム体験として位置づけ ◦ Amazon エンジニアと連携 → 徹底チューニング
164. CTV デバイス視聴体験改善へのアプローチ 「SKUNK WORKS」アーキテクチャ Blackbird ◦ コア再生エンジンを提供する SDK ◦ マルチ DRM／ABR／低遅延／トリックプレイ／チャ プタ機能など Raptor ◦ 性能評価システム ◦ デバイス性能を動的／リアルタイム評価 ◦ 実時間パフォーマンスに基き視聴体験を最適化 Lite ◦ 同一アーキテクチャ上の軽量アプリ ◦ ユーザーが本当に必要とする機能のみを提供 ◦ 比較により性能向上を視覚的に実証 Amazon Vega ◦ コードネーム Vega の新 OS 上に本アーキテクチャを 展開 → プレミアム体験として位置づけ ◦ Amazon エンジニアと連携 → 徹底チューニング このアーキテクチャにより データに基づき適切な意思決定ができる環境を構築
165. CTV デバイス視聴体験改善へのアプローチ テスト手法：サイドバイサイド配置のキオスクで直接パフォーマンス比較 • 施設内で厳格なテスト実施 • Lite と Vega アプリを 現行アプリと パフォーマンス比較表示
166. CTV デバイス視聴体験改善へのアプローチ テスト手法：サイドバイサイド配置のキオスクで直接パフォーマンス比較 • 施設内で厳格なテスト実施 • Lite と Vega アプリを 現行アプリと パフォーマンス比較表示 特に Vega では、Amazon エンジニアと連携 メモリ消費量、オーバードローなど 解析に不可欠なツールの提供が データ駆動の方針判断を可能に
167. CTV デバイス視聴体験改善へのアプローチ Skunk Works で実際に採用した UI 技術革新 • 仮想ナビ ◦ 仮想 DOM、仮想スクロール（リスト中の最少アイテムのみレンダリン グ→リサイクル）、仮想フォーカス（論理的にフォーカス可能なノード を 1 つに絞る）という要素で構成 ▪ 予測可能なナビゲーション経路を確立 → エンジニアにとっ てのフォーカス管理を抽象化 • RELIST ◦ 再レンダリングと位置調整を管理する独自リストライブラリ ◦ メモリに保持する要素数を最小限に抑える → 表示領域外は 1 つの 要素のみを管理対象に • RelistGrid ◦ 仮想ナビと RELIST を 2 次元グリッドに拡張 ◦ 水平／垂直軸を仮想化 → 大規模データセットでもフラットなメモリ使 用量を維持
168. CTV デバイス視聴体験改善へのアプローチ 結果
169. CTV デバイス視聴体験改善へのアプローチ Paramount Sr. Director of Engineering の Chenxin Ji 氏とセッション後に Paramount Skunk Works の事例に学ぶこと • 各プラットフォームに最適化したチューニングを施 すこと • 妥協しない野心的なメンバーだけで構成すること • Stream-aligned なチームと独立させ、機密的に進 めること
170. MOQ への期待が高まる低遅延動画伝送技術 MOQ = Media Over QUIC • QUICトランスポート上で動作するPUB/SUBプロトコル • IETF で 4 年かけて開発 • “Media” Over QUIC だが、メディアデータに限定されないあらゆる種類のデータを 伝送可能 MOQ Track MOQ Group MOQ Group MOQ Object MOQ Object MOQ Object MOQ Object MOQ Object MOQ Group MOQ Object ヘッダ ペイロード ペイロードは 任意のバイト列
171. MOQ への期待が高まる低遅延動画伝送技術 MOQ が提供する利点 • 並列ストリーム処理 • 調整可能な遅延時間 • 優先制御機能 • スケーラブルな配信 • 双方向データ転送 • コントリビューションと配信両者のユー スケースサポート
172. MOQ への期待が高まる低遅延動画伝送技術 MOQ が提供する利点 • 並列ストリーム処理 • 調整可能な遅延時間 • 優先制御機能 • スケーラブルな配信 • 双方向データ転送 • コントリビューションと配信両者のユー スケースサポート エコシステムさえ成熟すれば、 ライブコンテンツやインタラクティブコンテンツの配信においては 採用デメリットが限りなく少ない
173. MOQ への期待が高まる低遅延動画伝送技術 OpenMOQ • 目的 ◦ 新技術特有の技術的・ビジネス的なリスクを共同開発コストとリスクを共有することで最小限に抑え る メンバー
174. OpenMOQ メンバーによるパネルディスカッション 各企業の MOQ に対する期待値のバリエーションが見られる • Red5：リアルタイム双方向ストリーミングによるインタラクティブなテレビ体験を実現 できることに注力 • YouTube：コンテンツパートナーに対して 1 つのMOQストリームを複数プラット フォームで共有（SRT だと個別にストリームを提供）できるなど MOQ に多くの利点 を見出している
175. OpenMOQ メンバーによるパネルディスカッション 各企業の MOQ に対する期待値のバリエーションが見られる • Synamedia：放送局にインタラクティブでパーソナライズされたコンテンツ配信機能 を提供できる可能性に注目 • CDN77：MOQ のオープンな要素に注目→CDN による導入の加速、エンジニアリン グリソース浪費削減、ベンダーロックイン回避
176. エンハンス層コーデックによる XR 体験加速 MPEG-5 LCEVC によるリアルタイム 6DoF クラウドゲーミング • MPEG-5 LCEVC は V-Nova 社が開発する 品質を強化するコーデック https://speakerdeck.com/cyberagentdevelopers/nab-show-2024-report?slide=99
177. エンハンス層コーデックによる XR 体験加速 MPEG-5 LCEVC によるリアルタイム 6DoF クラウドゲーミング デモ体験 • HEVC ベースコーデック＋ LCEVC エンハンス • 8K（片目 4K）30Mbps • 72 fps • 遅延 75ms • Point Cloud 方式
178. エンハンス層コーデックによる XR 体験加速 MPEG-5 LCEVC によるリアルタイム 6DoF クラウドゲーミング デモ体験 • HEVC ベースコーデック＋ LCEVC エンハンス • 8K（片目 4K）30Mbps • 72 fps • 遅延 75ms • Point Cloud 方式 VR では 50fps を下回ると 人が違和感 を感じるライン Apple Vision Pro + LCEVC では 90fps まで実現可能とのこと
179. エンハンス層コーデックによる XR 体験加速 MPEG-5 LCEVC によるリアルタイム 6DoF クラウドゲーミング デモ体験 • HEVC ベースコーデック＋ LCEVC エンハンス • 8K（片目 4K）30Mbps • 72 fps • 遅延 75ms • Point Cloud 方式 事例上はドイツ・フランクフ ルト → 英国ロンドン で 80 〜 85ms
180. エンハンス層コーデックによる XR 体験加速 MPEG-5 LCEVC によるリアルタイム 6DoF クラウドゲーミング デモ体験 • HEVC ベースコーデック＋ LCEVC エンハンス • 8K（片目 4K）30Mbps • 72 fps • 遅延 75ms • Point Cloud 方式 ユーザーが向いた方向をレ ンダリング してストリーム → 360 度見渡せる体験
181. エンハンス層コーデックによる XR 体験加速 MPEG-5 LCEVC によるリアルタイム 6DoF クラウドゲーミング デモ体験 • HEVC ベースコーデック＋ LCEVC エンハンス • 8K（片目 4K）30Mbps • 72 fps • 遅延 75ms • Point Cloud 方式 MV-HEVC ベースコーデック による Apple Vision Pro 対応も 開発中
182. エンハンス層コーデックによる XR 体験加速 MPEG-5 LCEVC によるリアルタイム 6DoF クラウドゲーミング デモ体験 • HEVC ベースコーデック＋ LCEVC エンハンス • 8K（片目 4K）30Mbps • 72 fps • 遅延 75ms • Point Cloud 方式 MV-HEVC ベースコーデック による Apple Vision Pro 対応も 開発中 MV-HEVC の限界を超える 表現を提供するケースでは 有力な技術選択肢
183. 収益機会の損失を回避する広告技術
184. Dolby OptiView Ad Engine Dolby が開発した広告低遅延配信技術 • マスターファイルから配信用動画フォーマットを瞬時に生成 • エンコード未完了時に広告配信できないといった機会損失を低減 する技術
185. Dolby OptiView Ad Engine Dolby が開発した広告低遅延配信技術 • マスターファイルから配信用動画フォーマットを瞬時に生成 • エンコード未完了時に広告配信できないといった機会損失を低減 する技術 どういうことかと言うと .. エンコード未完了時でも配信可能 • プレイヤー再生時に広告データをエンコードしながら配信 • 例えばシークしてアクセスするとその部分から広告をエンコード
186. Dolby OptiView Ad Engine 高速な JIT 処理による広告アセット変換システム EABN 内の変換処理を実現 • EABN = Early Ad Break Notification • つまり一般的な広告挿入事前通知の時間内に広告 アセットを高速変換 API レス設計 • 仮想のプロキシ URL を発行 • プレイヤーがプロキシ URLにリクエスト → マスター ファイルを瞬時に処理 → 事前に定義した広告プロ ファイルに応じて HLS m3u8 などをレスポンス
187. Dolby OptiView Ad Engine 高速な JIT 処理による広告アセット変換システム EABN 内の変換処理を実現 • EABN = Early Ad Break Notification • つまり一般的な広告挿入事前通知の時間内に広告 アセットを高速変換 API レス設計 • 仮想のプロキシ URL を発行 • プレイヤーがプロキシ URLにリクエスト → マスター ファイルを瞬時に処理 → 事前に定義した広告プロ ファイルに応じて HLS m3u8 などをレスポンス プレイヤーから見ると、通常通りに EABN で通知され、 発行された URL に広告をリクエストしたら HLS が返ってきただけ
188. Dolby OptiView Ad Engine デモ
189. Dolby OptiView Ad Engine なぜエンコードが高速なのか？
190. Dolby OptiView Ad Engine なぜエンコードが高速なのか？ 配信用動画アセットは実際にエンコードしたデータを何 重にも重ねたコンテナに格納している
191. Dolby OptiView Ad Engine なぜエンコードが高速なのか？ 配信用動画アセットは実際にエンコードしたデータを何 重にも重ねたコンテナに格納している コンテナだけ事前に作成 中身はダミーでも配信は可能
192. Dolby OptiView Ad Engine なぜエンコードが高速なのか？ 配信用動画アセットは実際にエンコードしたデータを何 重にも重ねたコンテナに格納している コンテナだけ事前に作成 中身はダミーでも配信は可能 実態がない m3u8 の URL → ダミー mdat を格納した mp4 ファイル → 最後に実動画データをエンコードする ことで配信アセットがない状態を無くしている
193. グローバル企業の事例に学ぶ 最新技術の使い方
194. グローバル企業の事例に学ぶ最新技術の使い方 • ポイント ◦ 過去のNAB Show/IBCでレポートしてきた最新技術がサービスの中で運用されている ▪ 低遅延 • LL-DASH, DASH-IF Live Media Ingest, JPEG XS ▪ マルチビュー ▪ 4K Dolby Vision/ Dolby Atmos
195. Fox One • FOXグループのスポーツ、ニュース、エンターテイメントを統合する配信プラット フォームを2025年秋にローンチ ユーザー： 6,500万世帯 ライブイベント：年間 4万7千件
196. Fox One • AWS Media Servicesを中心に使い、約6ヶ月で構築 ◦ AIによるショート動画生成 やマルチビュー などユーザー体験を向上させる機能も盛り込む
197. Fox One • AWS Media Servicesを中心に使い、約6ヶ月で構築 ◦ AIによるショート動画生成 やマルチビュー などユーザー体験を向上させる機能も盛り込む AWS Media Servicesを利用することで 開発期間を短縮しながら高機能を実現した事例
198. Fox One • システム構成
199. Fox One • システム構成 ABEMAでもAWSを利用しているので、 非常に参考になります！ 東西リージョンの 冗長化 運用／監視ツール EC2を使ってる？ TechExでライブ入力信号の監 視をしている
200. Xfinity RealTime4K：低遅延への取り組み • Xfinity RealTime4K ◦ NBCユニバーサルを傘下持つ Comcastのスポーツ観戦向け 4Kライブ配信 ◦ 2026年2月のスーパーボウルの事例を紹介 • 近年は低遅延への取り組みを強化 ◦ スポーツの試合において、 数秒の遅延がユーザー体験を大きく損なってしまう ◦ テレビ放送に比べ、動画配信はまだまだ遅延が大きい ◦ スーパーボウルは複数社が配信するため、 他社との差別化 が必要
201. Xfinity RealTime4K：低遅延への取り組み • 低遅延技術を積極的に導入 ◦ LL-DASH ◦ DASH-IF Live Media Ingest ◦ JPEG XS 過去のNAB Show／IBCレポートで 紹介してきた 低遅延技術がふんだんに利用され ています。 遅延の発生箇所と現状の遅延秒数、目標値を 明示していて、 低遅延に取り組むにあたり非常に参考になるセッション でした。
202. Xfinity RealTime4K：低遅延への取り組み スーパーボウルを配信した競合他社を圧倒 次のターゲットは6〜9秒
203. Xfinity RealTime4K：低遅延への取り組み 「最高」は変化していくので、常に次の技術に目を向 けている という締めの言葉も刺激を受けました。
204. JioHotstar • インド最大級の動画配信サービス ◦ ライブ：年間250日以上 ◦ クリケットのW杯決勝ではピーク時 7,250万人の同時視聴を達成
205. JioHotstar • クリケットW杯 ◦ 4K Dolby Vision ◦ 5言語＋手話 ◦ 5つのCDNを併用（CDN各社のキャパシティが少ない） 欧米以外の状況も知れる貴重なセッション。 4Kは日本では民放のBS放送からの撤退など暗い ニュースも多いが、 世界ではスポーツを中心に4Kの導入が進んでいる。 多民族国家ならではの多言語対応も興味深いポイント
206. その他気になったソリューションたち
207. 監視ソリューション • ABEMAでの背景 ◦ ライブ・コンテンツ数の増加 ▪ 自社や連携サービスも含め、海外スポーツのライブ・コンテンツ数が増加 ▪ 24時間／365日、常にライブ・コンテンツが存在 ◦ 監視の自動化 ▪ エラーの監視の自動化は進めているが、映像・音声の乱れは完璧には検知しきれず、人の 目に頼る場面もまだまだ多い
208. 監視ソリューション • Up（Telestream社） ◦ ライブ入力信号の監視 ◦ 注目した監視項目 ▪ A/B系で映像が異なる ▪ 音声の無音区間 ▪ 広告挿入回数 • ORION OTT (Interra System社) ◦ エンドユーザー向けの配信ストリームの監視 ◦ 注目した監視項目 ▪ 映像の解像度 ▪ 音声のラウドネス ▪ DRMコンテンツも監視可能 ABEMAで自動化できていない監視項目を 提供するソリューションたち
209. Netflix × ATEME ライブ配信 • Netflixがライブ配信にATEME TITAN LIVEを採用 • AWS Media Liveに比べて圧縮効率を 20％改善 • 1億ドル超のコスト削減 • 1000件のライブイベントを 1億世帯に配信 • HDR, 空間音声コーデック対応
210. ATEME 配信プラットホーム • その他の機能も充実 ◦ 低遅延：5秒以下 ◦ 広告：SSAI/SGAI ◦ DRM：キーローテーション ◦ マルチクラウド対応 配信プラットフォームの選択肢として、魅 力的な機能が揃っている
211. NAB Show 視察ついでに 一緒に得てきた現地知見
212. Amazon MGM Studios NBA on Prime スタジオ構築背景 • Amazon Prime Video が NBA 放送権獲得に伴ない LA にスタジオおよび 最新の移動中継車を核としたプロダクションエコシステムを構築 • 最終的には NBA だけでなくすべてのライブスポーツ制作に対応する制作 施設を設計する計画 • 技術が進化する中で慎重に計画を練る時間が必要 → 恒久的な施設を設 計するための準備期間を確保したい • Fox Sports での業務を終えた Game Creek Video 社の中継車 「Encore」がちょうど利用可能になり、これをスタジオに駐車して 一時的な拠点（ミニ放送センター）として活用
213. Amazon MGM Studios NBA on Prime スタジオ構築背景 4 ヶ月で最先端のプロダクトションエコシステムを構築 • Amazon Prime Video が NBA 放送権獲得に伴ない LA にスタジオおよび 最新の移動中継車を核としたプロダクションエコシステムを構築 • 最終的には NBA だけでなくすべてのライブスポーツ制作に対応する制作 施設を設計する計画 • 技術が進化する中で慎重に計画を練る時間が必要 → 恒久的な施設を設 計するための準備期間を確保したい • Fox Sports での業務を終えた Game Creek Video 社の中継車 「Encore」がちょうど利用可能になり、これをスタジオに駐車して 一時的な拠点（ミニ放送センター）として活用
214. Amazon Studios 背景 ※ Amazon MGM Studiosがあるロサンゼルスの街並み ※ エントランス ※ 1兆円で買収したMGMスタジオ
215. ※ NBA on Prime 解説中継で使われているバーチャルスタジオ ※ MGM Studios のエンジニアとトラッキングシステム ※ 背景と床が LED ※ リアルタイム 3Dアニメーションツール Viz Engine
218. ※ ライブ配信システムの解説 ※ リアルタイムでプレイヤーをトラッキング ※ シュートの成功率が床に描画される ※ トラッカーの機材
219. ※ メインのクレーンカメラ ※ ハーフタイムの中継で使われているセット ※ 1階と2階が中継で使われている ※ SONYのカメラ
221. ※ スタジオの配信設備はまさかの大型トレーラー！！ ※ このトレーラーを 5-6台並べて運用している ※ トレーラーの中の様子 ※ 4か月でスタジオ建造したスピード感
222. Viz Engineからの新製品 Viz Arena @NAB Show 2026 Amazon Studios NBA 中継用の LED VP スタジオ紹介
223. Sphere - The Wizard of Oz 180度イマーシブシアターによる、多様化する視聴体験
224. Sphere - The Wizard of Oz ※ 180度に拡張された背景 ※ Procedural Skyのように表現豊かな雲
225. Cosm - 2026 NBA PlayoffsとImmersive Experience WEST Conference First Round OKC Thunder VS Phoenix Suns
226. Cosm - 2026 NBA PlayoffsとImmersive Experience
227. Sphere と COSM を体験してからのふりかえり 視聴者の体験デバイスやロケーションが多様化している！ ※ お台場Sphere計画 ※ Vision Pro「Encounter Dinosaurs」の 迫力！ ※ ディスプレイつき スマートグラス Even G2
228. Sphere と COSM から見た、多様化する視聴体験 多様化する視聴体験に対する「イマーシブでカメラ撮影して、テレビや VRやFlyngTheaterにデプロイするという構想」by NHK技研
229. 5月末に開催した「技研公開2026」でも発表してた！ Sphere と COSM から見た、多様化する視聴体験
230. ・イマーシブコンテンツは、VR, 空間コンピューティング, Flying theaterと拡張 ・圧倒的な臨場感と一体感で、一発でファンになる魅力 ・スポーツの興味0だったけど、NBAファンになった ・ライブ中継AR表現はAmazon、Vizrt、NHKも試行錯誤中！ Sphere と COSM から見た、多様化する視聴体験
231. Sphere - 壁面広告 視察 • 世界最大の LED 広告媒体。45分粘って観察したクリエイティブ ◦ お台場スフィア（2030年誘致?）が実現するなら、事例・制作手法を今から押さえておきたい
232. WWE 視察 • 国内では ABEMA が独占配信している WWE を現地で視察 ◦ 年間最大イベント WrestleMania、RAW、公式ファンイベント WWE World をハシゴ。 ◦ 広告クリエイティブや、大会のビジョン映像・入場演出をじっくり見れるのは現地ならでは。勉強になった！ アレジアント スタジアムもT-mobileaアリーナもフルハウス！ 街中広告だらけでお祭り状態！ レスナーが引退を匂わせ！
233. WWE 視察 • 国内では ABEMA が独占配信している WWE を現地で視察 ◦ イベント終演後にABEMA制作スタッフと合流 ◦ 番組演出やプロモーション面のAI活用で連携できることがないか？探っていく！（WWEに限らず！） WWE Worldの超巨大物販エリア Shinsuke Nakamura ホーガンのパネル展
234. まとめ • グローバルのメディア企業の AI への投資は継続的、特にメタデータ生成領域や Hyper Personalization 領域に大きな変化が予測さ れる • ATSC 3.0 のハイブリッド放送では受信の安定性と放送／インターネットのシームレスな切替を両立する仕様を模索している • AI によりエージェンティックな映像編集から QA まで幅広い技術領域をカバーするソリューションが増えている • 昨今の海賊行為がもたらす被害はデータのキャプチャに留まらず甚大なインフラコストの不正増加にまで発展、CDN の新しい役割と してリアルタイム異常検知が求められる • 米国の VFX 技術の進化によりグリーンバック／LED パネルを使わない撮影も徐々に現実的に • AI 時代のプロダクション技術は確実に進化しているが、どうワークフローに組み込むかが今後の鍵 • 新しい視聴体験としてマルチビューを実サービスで運用する事例も増えてきたり、CTV のような従来デバイスの基本的な視聴体験の 改善を追求するサービスも出てきている • Amazon MGM Studios や Cosm、The Sphere など巨額の投資がされた施設が実現する視聴体験に新しい可能性が感じられる。そ こから得た未踏の着想が手元で使えるようになる未来にも期待
235. ありがとうございました