Tweet
Tweet

Slide 1

Slide 1 text

動画技術関連レポート 株式会社 AbemaTV 五藤 佑典 | 古川 俊太 | 本山 靖子 | 加藤 諒 2025

Slide 2

Slide 2 text

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. Technical Product Manager

Slide 3

Slide 3 text

in Video Technology and Product Design

Slide 4

Slide 4 text

古川 俊太 SHUNTA FURUKAWA 2018年 AbemaTV, Inc. 入社 Business Development Headquater 所属 広告プラットフォームエンジニア https://shunta-furuk awa.info/ @shunta_furukawa

Slide 5

Slide 5 text

技術プロダクションにて音声 のち 2016年　ABEMA入社 現在はABEMA番組制作技術、 配信技術を統括する Broadcast Technology (元技術局)所属 テクニカルマネージャー

Slide 6

Slide 6 text

加藤 諒 RYO KATO 2022年 CyberAgent 入社 2023年 ABEMAに異動 機械学習エンジニア 生成AIを使って色々実現する人

Slide 7

Slide 7 text

アジェンダ ● Ice Break ● グローバル／米国の動画技術トレンド俯瞰 ○ メディア技術の投資トレンド ○ メディア技術領域のビジネス展望 ○ コンテンツのマネタイズトレンド ● 次世代デジタル放送標準規格の進化 ○ Cloud Native で駆動する米国 ATSC 3.0 ○ インターネット接続なしでターゲティング広告を実現するブラジル SBTVD TV 3.0 ● メディア分野生成 AI - ユースケース別アプローチの最前線 ○ 制作 ○ 編集 ○ 動画／画像生成 ○ 動画解析／検索 ○ 脚本作成 ○ Hyper Personalization ● 加速する Software-defined Production ○ CNAP - Cloud Native Agile Production ○ クラウド運用への課題 ○ クラウド制作導入事例 ● リモート・プロダクション／ IP 化によってアップデートされる制作技術 ○ リモプロ制作導入事例 ○ 5G 事例 ● その他進化も必見 - グローバル学ぶ最新制作技術トレンド ○ HDRと4K8K ○ バーチャルプロダクション ○ AIの番組制作事例 ● 収益エンジンの核として広がる広告技術の可能性 ○ AI による広告クリエイティブ生成 ○ ショッパブル広告 ○ キャンペーンプランニング ○ バーチャルプロダクトリプレイスメント ● 視聴エンゲージメントを向上させる技術 ○ マルチビュー ○ 低遅延ライブ動画配信技術 ○ ファン・エンゲージメント ● 全方位でメディア品質を管理する時代へ ○ CMCD v2 / CMSD ○ CDN 障害管理 ○ E2E 監視 ○ コスト削減と映像品質を両立させる VPU エンコーディング

Slide 8

Slide 8 text

Ice Break

Slide 9

Slide 9 text

NAB Show 2025 NAB Show とは ● 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（前年） ○ 参加者数： 55,000+（61,000+） ○ 展示社数：約 1,100（約 1,300）

Slide 10

Slide 10 text

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

Slide 11

Slide 11 text

グローバル／米国の動画技術トレンド俯瞰

Slide 12

Slide 12 text

グローバル／米国のトレンドを知ることで エコシステムの進化を利用しながら効率的に成長する

Slide 13

Slide 13 text

IABM によるメディア業界トレンド俯瞰 ● AI と機械学習への投資 ○ コンテンツ配信の効率化とパーソナライズに対する投資 ● メディア消費の変化 ○ YouTube に代表される短尺コンテンツなど多様なコンテンツ配信形態の台頭 ■ 特に Z 世代の若年層がソーシャルメディア上の短尺コンテンツに移行 ■ 従来の放送局との競争激化 ● クラウド技術 ○ クラウドソリューションがメディア制作と配信両者にとって不可欠に ○ 技術スタックの柔軟性とモジューラビリティを持った拡張性に投資 ● 新たなターゲット市場 ○ 広範な市場へのアプローチ ■ 教育、企業、政府部門など

Slide 14

Slide 14 text

メディア技術投資優先度俯瞰 AI と機械学習技術への投資優先度の高さが顕 著 ● 昨年までは分析／パーソナライゼーションと セットで調査 ● 分離したことにより、グローバルの半数以上 がAI と機械学習技術に優先的に投資して いることが明らかに

Slide 15

Slide 15 text

メディア技術投資優先度俯瞰 「Software-defined」というキーワードを発信する ことも多かった今年の NAB Show クラウド技術への投資はハードウェア・ベースから ソフトウェア・ベースの制作環境転換へのモチベー ションを表している

Slide 16

Slide 16 text

No content

Slide 17

Slide 17 text

● グローバル向け番組での クラウド制作技術が成熟 ● AI やその他技術が 制作パイプラインを再編中 ○ AI 駆動の動画編集 ○ リアルタイム・コラボ ○ メタデータ管理の自動化

Slide 18

Slide 18 text

メディア技術領域の ビジネス展望 将来性を悲観する見方が多めに.. ● NAB Show の実績にも ○ 昨年（2024） → 今年（2025） ■ 参加者数：61,000+ → 55,000+ ■ 展示社数：約 1,300 → 約 1,100 数字としても減ってるが、 参加者感覚でも減っていた

Slide 19

Slide 19 text

ショート動画の広告収益への貢献 YouTube の広告収益の成長率が顕著 ● YouTube Shorts による戦略が鍵 ○ YouTube Shorts = 900 億視聴／日 ○ 長尺と短尺のコンテンツ提供でマルチプ ラットフォームを網羅 広告収益では Netflix の 10 倍

Slide 20

Slide 20 text

FAST 俯瞰 FAST の視聴数が引き続き伸びている ● 国を上げたライブスポーツイベントの FAST 化で広がる裾野の広さ ○ 2025 年でFAST で一番大きなイベントは SUPERBOWL が FAST （Tubi）で無料配信 ○ 視聴数 YoY で 3.2% 伸 ○ FAST の占める割合は 11% ● 技術上の直接的な変化は見られない

Slide 21

Slide 21 text

スポーツ×FAST が切り拓く新ストリーミング収益モデル ― 5 年で 2 倍に拡大する“無料広告モデル”の可能性 ― 出典 : 2025/04/07 13:15 FAST Play/ How Free Ad-Supported Streaming is Changing Sports Broadcasting ● 市場の追い風 ○ FASTの視聴比率はストリーミングの 20 % ○ 9 か月でスポーツチャンネル 107→220 ● マネタイズ課題 ○ 視聴の 20 %に広告費 8 % 👉 データ標準化 & 共有が急務 ● ディスカバラビリティ施策 ○ SNS 連動・AI パーソナライズ EPG で見つけやすさ向上 ● 若年層の視聴行動 ○ フル試合離れ → ハイライト＆短尺 が主戦場 ● ライブ＆独占権利の拡張 ○ NFL/プレミア/新興リーグがFAST 専用番組やペイウォール併用へ ○ “無料で呼び込み、独占で収益化” という二段ロケットが主流 ● 今後 5 年の展望 ○ 広告費流入＋ライブ権利争奪 → 成熟フェーズへ FAST の市場に占める存在感がより目立っていく見通し

Slide 22

Slide 22 text

OTT業界の最新バンドル戦略と広告進化 FAST・SVOD・AVODが交差ストリーミング新時代の収益モデル 出典 : 2025/04/07 10:15 Bundling and Distribution Strategies Across FAST, SVOD and AVOD Services ● ビジネス動向 ○ SVOD飽和 → 広告付きモデルが再浮上 ● バンドル&提携 ○ Telco/OSとWin-Win交渉、解約抑止も ● UX／ディスカバリー ○ AIタグで検索・レコメンド精度 UP ● 広告モデル進化 ○ パーソナライズ広告 と広告無プラン差別化 ● 今後の展望 ○ 地域別に最適ティアを再構築、 OS勢力拡大 ABEMAの戦略が既定路線であることを確認

Slide 23

Slide 23 text

次世代デジタル放送標準規格の進化

Slide 24

Slide 24 text

米国の次世代デジタル放送標準規格 ATSC 3.0 移行計画 https://www.newscaststudio.com/2025/02/26/nab-proposes-2028-atsc-3-0-deadline-for-major-markets-full-transition-by-2030/ 2028 年 2 月 ● 米国人口 70% 網羅 2030 年 ● 完全移行

Slide 25

Slide 25 text

米国の次世代デジタル放送標準規格 ATSC 3.0 移行計画 https://www.newscaststudio.com/2025/02/26/nab-proposes-2028-atsc-3-0-deadline-for-major-markets-full-transition-by-2030/ 2028 年 2 月 ● 米国人口 70% 網羅 2030 年 ● 完全移行 放送とインターネット配信の 完全ハイブリッド化

Slide 26

Slide 26 text

米国の次世代デジタル放送標準規格 ATSC 3.0 移行計画 https://www.newscaststudio.com/2025/02/26/nab-proposes-2028-atsc-3-0-deadline-for-major-markets-full-transition-by-2030/ 2028 年 2 月 ● 米国人口 70% 網羅 2030 年 ● 完全移行 放送とインターネット配信の 完全ハイブリッド化 放送とインターネット配信がハイブリッドになった世界での 動画技術ユースケースを ATSC 3.0 や SBTVD TV 3.0 など 次世代デジタル放送標規格の考え方に学ぶ

Slide 27

Slide 27 text

米国の次世代デジタル放送標準規格 ATSC 3.0 の動向 ATSC 1.0 ● MPEG-2 TS ● 19.39 Mbps 固定帯域 ATSC 3.0 ● IP ベースの伝送 ● 柔軟性と拡張性に長けた設計 ● モバイル最適化 ATSC 1.0 から 3.0 への移行が進まない → 焦り ビジネスの可能性の拡張

Slide 28

Slide 28 text

クラウド移行による ATSC 3.0 移行加速 クラウド技術の普及が ATSC 3.0 化加速の鍵 ● ATSC 3.0 放送に必要なコンポーネントの 85% 〜 95% がクラウド上に数時間でデ プロイ可能 AWS による リファレンス・アーキテクチャ

Slide 29

Slide 29 text

クラウド化によるメリット ● 新規サービス立ち上げの時間短縮 ● アーキテクチャの一元管理 ● オペレーションの柔軟化とモダン化 ○ クラウド・ネイティブのシステムへの移行は必然的に新しいオペレーションの修得に繋がる ● コスト削減 ● コラボレーション促進 ● システムの冗長性と回復力強化

Slide 30

Slide 30 text

AWS によるクラウド・プロダクションを後押し AWS が米国の次世代デジタル放送システム（ATSC 3.0）に送出するまでの リファレンス・システムを構築 = 要素ソリューションをオープンソース化 ● ATSC 1.0 → ATSC 3.0 への制作環境移行をソフトウェア・ベース／オープンソース で手段を提供することで移行を促す ○ ソフトウェア・ベース = クラウド・プロダクションへの移行が加速 ○ 放送制作でクラウド・プロダクション化が進めば自ずと OTT での制作ツールにも影響 が大きい

Slide 31

Slide 31 text

クラウドから ATSC 3.0 はどのように繋がるか

Slide 32

Slide 32 text

クラウドから ATSC 3.0 はどのように繋がるか ATSC 3.0 は IP ベースの放送

Slide 33

Slide 33 text

クラウドから ATSC 3.0 はどのように繋がるか ATSC 3.0 は IP ベースの放送 2 つの放送手段 ● TCP - HTTP による IP ユニ キャスト

Slide 34

Slide 34 text

クラウドから ATSC 3.0 はどのように繋がるか ATSC 3.0 は IP ベースの放送 2 つの放送手段 ● TCP - HTTP による IP ユニ キャスト ● UDP - ROUTE による IP マル チキャスト

Slide 35

Slide 35 text

IP マルチキャスト - ファイル転送用プロトコル ROUTE エンコード後 ATSC 3.0 のゲートウェイまでを ROUTE で DASH ファイル転送 https://speakerdeck.com/ygoto3/nab-show-2022-report?slide=37 参照：NAB Show 2022 レポート

Slide 36

Slide 36 text

STLTP STLTP = Studio to Transmitter Link Transport Protocol ● ATSC 3.0 ゲートウェイから変調器までの間チャンネルに必要なコンテンツを転送す るプロトコル ● 重要 → パケットを 1 つも 落とすことができない ○ パケットが落ちると、変調器は 数秒間シャットダウンするしかなくなる

Slide 37

Slide 37 text

STLTP STLTP = Studio to Transmitter Link Transport Protocol ● ATSC 3.0 ゲートウェイから変調器までの間チャンネルに必要なコンテンツを転送す るプロトコル ● 重要 → パケットを 1 つも 落とすことができない ○ パケットが落ちると、変調器は 数秒間シャットダウンするしかなくなる パケットを落とさないための プロトコルが必要

Slide 38

Slide 38 text

ARQ ARQ = Automatic Repeat ReQuest ● STLTP 受信側（電波送信機） で受信されなかったパケット を再リクエストする仕組み ● 送信側と受信側にバッファが あり、時間内にパケットを再 転送

Slide 39

Slide 39 text

ARQ 検証 RTT が揺れてパケットロスが発生しても数日間パケット落としていない

Slide 40

Slide 40 text

ATSC 3.0 のクラウド化によりハイブリッド放送も加速 ATSC 3.0 には電波信号の中に IP チャンネルを送る仕様がある 電波放送出力へのフローもインターネット配信出力へのフローも DASH エンコーダー までは同じ ● 放送局は電波放送とインターネット配信を動的に切り替えが容易に ○ チャンネルや番組の人気度合いによって切り替え ■ リアルタイムの視聴需要やネットワーク混雑に応じて伝送手段を変更 ■ インターネット配信への偏りなどの解消／コスト調整 ○ 4K 放送のために切り替え ○ オンデマンド視聴のための切り替え ○ 電波放送障害時の障害迂回 ■ STLTP パケットロスなどで 5 秒程度電波放送がブラックアウトしたときにインターネット配信 へ 切り替え

Slide 41

Slide 41 text

ATSC 3.0 のクラウド化によりハイブリッド放送も加速 ATSC 3.0 には電波信号の中に IP チャンネルを送る仕様がある 電波放送出力へのフローもインターネット配信出力へのフローも DASH エンコーダー までは同じ ● 放送局は電波放送とインターネット配信を動的に切り替えが容易に ○ チャンネルや番組の人気度合いによって切り替え ■ リアルタイムの視聴需要やネットワーク混雑に応じて伝送手段を変更 ■ インターネット配信への偏りなどの解消／コスト調整 ○ 4K 放送のために切り替え ○ オンデマンド視聴のための切り替え ○ 電波放送障害時の障害迂回 ■ STLTP パケットロスなどで 5 秒程度電波放送がブラックアウトしたときにインターネット配信 へ 切り替え チャレンジ ● 電波放送とインターネット配信の遅延の差 ○ どのような同期するか ● CDN 負荷管理 ○ このユースケースでは視聴者が同時に切り替えるため、スパイクが発生する

Slide 42

Slide 42 text

ATSC 3.0 のハイブリッド広告モデル 基本アプローチ ● ベースのコンテンツは放送で送信 ● ターゲティング広告はインターネット配信 ● クライアント・ソフトウェアで制御 ○ 放送データから広告ブレーク情報を受信 → 広告ブレークをターゲティング広告に差し替え

Slide 43

Slide 43 text

ATSC 3.0 のハイブリッド広告モデル 基本アプローチ ● ベースのコンテンツは放送で送信 ● ターゲティング広告はインターネット配信 ● クライアント・ソフトウェアで制御 ○ 放送データから広告ブレーク情報を受信 → 広告ブレークをターゲティング広告に差し替え チャレンジ ● 電波放送とインターネット配信による広告の同期 ● CDN および広告サーバーの負荷管理 ○ リニア配信と同じ原理で同時広告リクエストの集中によるスパイクが発生する

Slide 44

Slide 44 text

ATSC 3.0 のハイブリッド広告モデル ATSC 3.0 のターゲティング広告の実施手段はワーキンググループで定義中

Slide 45

Slide 45 text

ATSC 3.0 ハイブリッド・モードの有効化 ATSC 3.0 A/311 では ATSC 3.0 信号の各レベルで制御 ● SLT - Service List Table ○ ... 要素追加

Slide 46

Slide 46 text

ATSC 3.0 のコーデック SBTVD TV 3.0 に加え、ATSC 3.0 でも MPEG-5 LCEVC + VVC を標準規格として採 用 https://www.atsc.org/news/atsc-standards-update-a-345-vvc-video-finalized/

Slide 47

Slide 47 text

ATSC 3.0 のコーデック SBTVD TV 3.0 に加え、ATSC 3.0 でも MPEG-5 LCEVC + VVC を標準規格として採 用 https://www.atsc.org/news/atsc-standards-update-a-345-vvc-video-finalized/ HEVC の次の 高品質映像コーデックの本命は MPEG-5 LCEVC + VVC となるのか？

Slide 48

Slide 48 text

MPEG-5 LCEVC https://www.lcevc.org/how-lcevc-works/ ● コーデックに依存しないコーデック強化 ● n 世代コーデックの符号効率を n+1 世代と同 等に強化 ● n 世代コーデックと同等の複雑性を保ちながら ● ソフトウェア実装可能でバッテリー消費が少な い強化コーデック

Slide 49

Slide 49 text

SBTVD TV 3.0 ブラジルの地上デジタルテレビ放送の規格 SBTVD の最新規格 TV 3.0 デジタルテレビ放送規格として世界最先端の技術仕様 ● アプリケーション機能を持ったチャンネル ● 広告のパーソナライゼーション／ターゲティング ● 4K60p x HDR10（VVC + MPEG-5 LCEVC） ● イマーシブ・オーディオ（MPEG-H Immersive Audio）

Slide 50

Slide 50 text

SBTVD TV 3.0 ブラジルの地上デジタルテレビ放送の規格 SBTVD の最新規格 TV 3.0 パリ・オリンピック 2024 のショーケース放送に成功 ● 生放送 UHD 2160p / 10 Mbps ○ 現在の規格では HD / 14Mbps ■ より高い映像品質 ■ より少ない消費帯域 ○ LCEVC + VVC

Slide 51

Slide 51 text

SBTVD TV 3.0 インターネットに依存しない広告ターゲティング SEG GEO ● 地域ごとにクラスタリングされたプロファイルに対するターゲティング ● 基地局ごとに異なる広告をライブ・ブロードキャスト ○ テレビ受信機は広告を事前保管する必要がない

Slide 52

Slide 52 text

SBTVD TV 3.0 の今後

Slide 53

Slide 53 text

メディア分野の生成 AI ユースケース別アプローチの最前線

Slide 54

Slide 54 text

メディア分野の生成 AI のはじめに

Slide 55

Slide 55 text

2024-2025 は AI の multimodal 性能が向上 生成AIユースケース最前線　》 はじめに AI テキスト 画像 音声 動画 テキスト 画像 音声 動画 input output

Slide 56

Slide 56 text

product に乗る AI は output がテキストのものがメイン 生成AIユースケース最前線　》 はじめに AI テキスト 画像 音声 動画 テキスト 画像 音声 動画 input output 構造化データ テキストは 構造化データとみなして 出力可能なのが大きい

Slide 57

Slide 57 text

Amazon x エンタメの生成 AIに対するスタンス ● VP, Prime Video VP ○ 450分あるドラマの 1シーズンを 3分にまとめた recapを 生成AIで作成 ■ 数週間かかる作業が数時間に ■ コンテキスト長増加と マルチモダリティ獲得のおかげ ● Director, Cloud/AI Innovation ○ 2024年はChatBotが側にあったが 2025年はAgentが日常の一部になる ○ MCPの登場により、動画の Storage / DBとの 連携の煩雑さが取り払われ、 よりリッチなタスクを実行可能に 生成AIユースケース最前線　》 はじめに

Slide 58

Slide 58 text

2024 から 「AI is not creative」 の大枠は継続 ● not creative な部分は AI に任せて creative な作業に集中しよう！ という大枠は変わらず ○ not creative な作業の例 ■ 制作における、脚本から絵コンテへの変換 ■ グローバリゼーションにおける、 ソース言語から各言語への変換 ● 動画生成 AI は 各クリエイターが個人で使うケース がメイン ○ 使いこなし方のセッションはあり、しゅんたさんが後述してくれます！ 生成AIユースケース最前線　》 はじめに

Slide 59

Slide 59 text

ストーリー制作 ~PreProduction~ における AI

Slide 60

Slide 60 text

脚本 to 絵コンテ 変換: scriptini ● 脚本から「生成画像 - 生成音声 つき 絵コンテ」を生成 ● 脚本自体の修正もチャットベースで可能 ● blacklist のような脚本をアップロードして製作会社とのマッチングをする場も用意 絵コンテのシーケンス セリフ 脚本自体の修正 生成AIユースケース最前線　》 ストーリー制作 ~PreProduction~ におけるAI

Slide 61

Slide 61 text

その他脚本に関する生成 AI活用 ● scriptini と同様の 脚本 to 絵コンテ、ショットリスト ○ Shotkraft ● 脚本解析: screenplayIQ ○ キャラクター情報の抽出 ○ 心情のタイムライン AWSのデモにも 生成AIユースケース最前線　》 ストーリー制作 ~PreProduction~ におけるAI

Slide 62

Slide 62 text

動画メタデータを生成する AI

Slide 63

Slide 63 text

動画基盤モデル : TwelveLab ● 動画埋め込みモデル ● ↑の埋め込み表現を学習した text 生成モデル の2つをベースに以下の機能を実現 ● 自然言語クエリでのショット検索 ○ ショット分割は埋め込みモデルによって獲得 ● チャプター分けとチャプターごとの要約生成 ● ハイライト生成 ○ 「条件に合ったショットを検索する -> くっつける」が Agent によって Orchestration されている 埋め込みモデルと生成モデル ショット検索 チャプター分け ハイライト生成 6月くらいに Amazon Bedrock に乗る 生成AIユースケース最前線　》 動画メタデータを生成するAI

Slide 64

Slide 64 text

Amazonの動画解析ワークフロー いくつか参考にできる部分あり ● 音声処理でNoise Reductionの前処理 ● フレーム→ショット→シーンの順に embedding clusteringでまとめていく その後 ffmpeg の shot detectionで in/out を pivot ● シーンの分類はVLLM （Amazon Nova Pro） 動画解析ワークフロー : Media2Cloud V5 生成AIユースケース最前線　》 動画メタデータを生成するAI

Slide 65

Slide 65 text

All in One な 動画メタデータ活用 SaaS: Sensera ① 映像データをinputするだけで ● コンテンツ単位メタデータ ● フレーム - チャプター単位メタデータ を付けて ● サムネやハイライト動画を生成 ● シーンごとに検索 フレーム、ショット、シーン、チャプターの順で 木構造を持つことで検索を効率化 ● 3:30:3:30 principle (3s to grab attention, 30s to engage, 3m to inform, 30m to retain) 生成AIユースケース最前線　》 動画メタデータを生成するAI

Slide 66

Slide 66 text

All in One な 動画メタデータ活用 SaaS: Sensera ② - 生成されたサムネ - 言語構成 : English - あらすじとタグ : Assassin - テーマ : Revenge - ジャンル : Action - 感情: Fear - 場所: booth - 物: tie 登場人物 画像は映像から モーメント生成 ハイライト生成 サムネ生成 ロゴ配置 縦型のショート生成 生成AIユースケース最前線　》 動画メタデータを生成するAI

Slide 67

Slide 67 text

All in One な 動画メタデータ活用 SaaS: Sensera ③ 人物指定（複数可） ジャンル指定（複数可） 画角で LongShot指定 画角で CloseUp指定 音声で Speech指定 キャストで「たくさん」指定 縦型化 自然言語で 「ロケット発射」 ストーリー文章でのクエリで そのストーリーに沿った シーンのシーケンスを出力可能 生成AIユースケース最前線　》 動画メタデータを生成するAI

Slide 68

Slide 68 text

音声翻訳: deepdub Paramount も deepdub を利用 2024との差分として ● 出力された音声をプロンプトベースで アクセント、感情を修正可能に ● 英語のアメリカ訛り、スペイン訛りも 出し分け可能 生成AIユースケース最前線　》 動画メタデータを生成するAI

Slide 69

Slide 69 text

スポーツ配信への AI 活用

Slide 70

Slide 70 text

スポーツ x Hyper Personalization ● VP, ESPN (アメリカのスポーツ専門Ch) ○ これからはAIによるhyper personalizationの時代 ○ お気に入り選手などの観点で ユーザーごとにキュレーションされ たハイライトを 提供していく 生成AIユースケース最前線　》 スポーツ配信へのAI活用

Slide 71

Slide 71 text

Hyper Personalizationの一例: quickplay ● Shortのフォーマットで 自動生成ハイライトを提供 ● Scene Selection は TwelveLabs その後縦型化と選手名などのタグ付け ● Short だと動画に含むトピックが大体 1つなので ユーザー行動の feedback の粒度が細かく素早い → personalization の質を高めやすい 生成AIユースケース最前線　》 スポーツ配信へのAI活用

Slide 72

Slide 72 text

スポーツ動画解析 / ハイライト生成 : Magnifi 2024 IBC との差分 ● モデルの改善 ○ アメフト内で新たな種類のイベントを検出可能 ● クリップの品質推定 ○ 高いと推定されたクリップをハイライトに利用 ● ハイライト編集機能の強化 ○ スロー編集 ○ transition に透過素材利用 ○ サムネ、バンパーをテンプレートから埋め込み生成 ● SNS投稿時にタイトルと概要を生成 スロー編集 テンプレートから生成 タイトルと概要を生成 生成AIユースケース最前線　》 スポーツ配信へのAI活用

Slide 73

Slide 73 text

クリエイティブワークフローのための AI 活用

Slide 74

Slide 74 text

AI の活用分類 💰動画生成系 ● 動画素材をゼロから作成できるツールの紹介 ● 活用の仕方およびそれに付随する問題など。 ● Sora(OpenAI) / Runway ⚙分析改善系 ● 既存のツールに組み込む形で、動画編集の能力 を改善したり、映像の質を高めることに貢献する ● Adobe Premiere Pro / DaVinci Resolve クリエイティブワークフローのための AI活用 生成AIユースケース最前線　》 ポストプロダクション　》 クリエイティブワークフローのためのAI活用 「ポストプロダクションワールド 」は映像制作専門カンファレンス。 AIの注目度が高く、カンファレンス内には AI専門のトラックが用意された。 セッションの資料を生成 AIを使って日本語化したものです。

Slide 75

Slide 75 text

最新の動画の生成 AIツール ● アーティスティックな出力 ● 複数出力が一気に可能 ● ストーリーボード機能 ● Remix機能 生成AIユースケース最前線　》 ポストプロダクション　》 クリエイティブワークフローのためのAI活用　》 動画生成系 出典 : 2025/04/05 13:00 Exploring OpenAI’s Sora & RunwayML 💰動画生成系 最新... と言いつつもう古いかもしれません。それぐらい動画の生成 AIツールは進化が早い。 ● 堅実な出力 ● モデルによって機能が異なる ある動画をリファレンスとして 別動画を生成する Remix Gen4が発表されたばかり キャラクターの一貫性が 強化されたモデル 半月経つだけで、使える 生成AIのラインナップ、評価が変わる Sora

Slide 76

Slide 76 text

動画生成AIツール を乗りこなすコツ 生成AIユースケース最前線　》 ポストプロダクション　》 クリエイティブワークフローのためのAI活用　》 動画生成系 💰動画生成系 動画生成AIを横断で試せるプラットフォームを利用 ● Freepik / Poe / Kaiber など、複数の動画生成AIツー ルを横断的に試せるプラットフォームを用いると、低コ ストで動画生成AI の特徴を掴みやすい プロンプトのコツを意識する ● 十分な情報提供 ○ カメラアングル+シーン詳細+追加情報 ○ ツールごとに微妙に癖が違う ● 実例を参考にする ○ コミュニティでシェアされている ○ 画像からリバースエンジニアリング ● 繰り返しながらブラッシュアップする ○ 現状はまだくじ引きをしている感覚かも 【肩越しのトラッキングショット】 【若い女性が、ネオンで照らされた路地を小雨の中歩いている。】 【濡れた舗道には反射がきらめき、頭上の日本語の看板が点滅しながら、彼女の レインコートに紫と青の光を投げかけている。】 出典 : 2025/04/05 13:00 Exploring OpenAI’s Sora & RunwayML / 2025/04/09 08:15 Mastering Prompts to Create Generative AI Video すばらしい、でも ... 生成し洗練させるのに時間がかかる。まるでくじ引きみたいに。

Slide 77

Slide 77 text

AI時代の画像の検証 /保護 AI時代に画像の出所がわかるような仕組み ● content credentials ○ マニフェストを メタ領域に暗号署名付きで埋め 込み、生成 AI 使用や編集履歴・作者情報を改 ざん検知付きで保持する仕組み ○ Verify サイトや Chrome 拡張にファイルをドラッ グすると有効性を一目で確認できます ライセンス強化された動画プラットフォームも ● MOONVALLEY ○ クリエイターから取得したクリーンで完全にライ センスされたデータをもとに構築されたモデル 生成AIユースケース最前線　》 ポストプロダクション　》 クリエイティブワークフローのためのAI活用　》 動画生成系/分析改善系 出典 : 2025/04/05 13:00 Exploring OpenAI’s Sora & RunwayML / 2025/04/09 08:15 Mastering Prompts to Create Generative AI Video 💰動画生成系 / ⚙分析改善系 AI Generated と記載。 content credentials に則った メタデータが確認できる Verify サイトの利用イメージ

Slide 78

Slide 78 text

AI時代のディープフェイク対策 生成AIユースケース最前線　》 ポストプロダクション　》 クリエイティブワークフローのためのAI活用　》 動画生成系/分析改善系 出典 : 2025/04/07 11:30 Safeguarding Media Integrity From The Growing Threat of Generative AI 💰動画生成系 / ⚙分析改善系 steg.ai - Forensic Watermark の企業によるセッション ● Deepfake Detection（検知） ○ 不自然な動き・外観・影／音ズレを ML が判定 ● Deepfake Poisoning（防御） ○ 逆に“攪乱シグナル ”を混ぜて 生成モデルに誤出力 を起こさせる ● Forensic Watermarking（追跡） ○ 画素/音波に不可視ウォーターマーク＋ C2PA content credential を紐付け 単一の対策だと短所がある。多層防御で相互補完することが鍵 検知 -防犯 カメラ 銀行はお金を守るために 多段に策を用意している 防御 - 金庫 追跡 - 染料札 検知 -防犯 カメラ 防御 - 金庫 追跡 - 染料札

Slide 79

Slide 79 text

Speech-To-Text AI の 活用 文字起こし ● Premiere Pro や DaVinci Resolve などの 映像制作 ツールに標準搭載 ● 動画音声から文字を起こして表示。どういった内容な のかを文字で把握可能。 ● 一部有料プラグインにて 翻訳や要約もできる。 ● Quickture ○ 内容から動画の盛り上がりを検出 ○ 内容に合わせて自動編集も可能 自動キャプション ● Bravidy ○ 動画の内容からコンテキストを判断。 ○ 自動でアニメーションありな字幕をつけることが できる 生成AIユースケース最前線　》 ポストプロダクション　》 クリエイティブワークフローのためのAI活用　》 分析改善系 出典 : 2025/04/05 10:00 Beyond Generative AI/ Harnessing Analytical Tools for Creative Workflows オーディオ 文字起こし (DaVinci Resolve 標準搭載) フォーカスを当てると 再生位置を動かす 話している内容についての盛り 上がりを色で可視化 (Quickture) ⚙分析改善系

Slide 80

Slide 80 text

物体認識と検索改善 演者や物体のインデックス化 ● axle.ai ○ MAMなどで管理されている動画素材に対して 演者の顔を検出し、人を起点にして素材の場所 を検索可能。 ○ 物体検出して動画のどのフレームに映っている かを可視化。 ● Jumper ○ シーンをその物起点ではなく、文脈で検索がで きるようになるプラグイン。 ○ 「夜の街」と打つと、夜の状態の街の風景をひっ かけることができる。 ○ （デモはちょっと微妙だったかも...） 生成AIユースケース最前線　》 ポストプロダクション　》 クリエイティブワークフローのためのAI活用　》 分析改善系 出典 : 2025/04/05 10:00 Beyond Generative AI/ Harnessing Analytical Tools for Creative Workflows ⚙分析改善系 ボトルが映っているシーンに マーカがついている 演者の顔から素材を検索可能 該当シーンへ遷移可能

Slide 81

Slide 81 text

カットした素材のスムージング ● 素材と素材の間に生成AIで埋め合わせ 物体認識によるダイナミックテキストオーバーレイ ● 走る車と一緒に大きくなる文字 物体認識に基づいた部分的なエフェクトの適用 ● 人の部分だけセピアになるようにAI範囲選択 他にも... ● 尺に合わせて BGM を自動生成 ● シーン間の音声環境の差異を生成AI で保管... 便利なAIの組込機能 生成AIユースケース最前線　》 ポストプロダクション　》 クリエイティブワークフローのためのAI活用　》 分析改善系 出典 : 2025/04/05 15:00 Reimagining Video Editing Workflows with AI Tools ⚙分析改善系 Premiere Pro / DaVinci Resolve / Final Cut Pro など 既存の動画編集ツールでもAI機能が組み込まれている カットした素材のスムージング 車の上に「 CAR」という文字 女性だけ白黒エフェクトがかかる

Slide 82

Slide 82 text

加速する Software-defined Production

Slide 83

Slide 83 text

クラウド制作は放送業界でも必須に 放送でのクラウド制作はいまだ課題も多くありつつも導入するメリットも多い ● クラウドによるメリット ○ どんな環境にもデプロイできる可動性 ○ 必要に応じてスケールできる柔軟性

Slide 84

Slide 84 text

クラウド制作は放送業界でも必須に 放送でのクラウド制作はいまだ課題も多くありつつも導入するメリットも多い ● クラウドによるメリット ○ どんな環境にもデプロイできる可動性 ○ 必要に応じてスケールできる柔軟性 より持ち運びしやすい エコシステムにフォーカス

Slide 85

Slide 85 text

クラウド制作は放送業界でも必須に 放送でのクラウド制作はいまだ課題も多くありつつも導入するメリットも多い ● クラウドによるメリット ○ どんな環境にもデプロイできる可動性 ○ 必要に応じてスケールできる柔軟性 より持ち運びしやすい エコシステムにフォーカス Cloud Native による システム構築への訴求

Slide 86

Slide 86 text

AWS によるクラウド制作を後押し ● AWS が米国の次世代デジタル放送システム（ATSC 3.0）に送出するまでの リファレンス・システムを構築 = 要素ソリューションをオープンソース化 ○ デジタル放送制作の分野でのクラウド制作普及を加速

Slide 87

Slide 87 text

AWS によるクラウド制作を後押し ● AWS が米国の次世代デジタル放送システム（ATSC 3.0）に送出するまでの リファレンス・システムを構築 = 要素ソリューションをオープンソース化 ○ デジタル放送制作の分野でのクラウド制作普及を加速 放送制作でのクラウド化が 進めば自ずと OTT での制作エコシステムにも 影響が大きい

Slide 88

Slide 88 text

Cloud Native Agile Production CNAP = Cloud Native Agile Production ● AWS が IBC 2024 で公表したプロジェクト （NAB Show 2025 でもデモ展示あり） ● ライブコンテンツにおけるメディア制作と配信のフローの構築手段をオープン ソースとして提供 ● BBC R&D、Sky、Adobe、CuttingRoom などと協業 AWS はそのほかさまざまな クラウドベースのソリューションを オープンソースとして展開

Slide 89

Slide 89 text

TAMS で駆動する CNAP TAMS = Time-Addressable Media Store ● BBC 開発のオープンソース API ● S3 API を利用してグローイング・ライブ 動画 ストリームをリアルタイム編集可能 な形のセ グメントに変換して保管 ○ 追加の設備投資不要 ○ パブリック・クラウドとオンプレミスを容易に切替可 能 ○ セグメント変換するのでストリームでの直接編集と 比較すると遅延あり

Slide 90

Slide 90 text

TAMS で駆動する CNAP ● コンテンツに対して不変の識別子付与 ○ 識別子と時間範囲の組み合わせ でユニークにメディアを識別 ○ 複数の場所／ワークフローでもメディアの 同一部分を参照 できる [ { "object_id": "tams-67cd7994-47d4-4e89-9e9f-5e548b7eb7dd.ts", "timerange": "[0:0_10:0)", "sample_count": 240, "sample_offset": 0, "get_urls": [ { "url": "https://a4c52e22f45b4a0fa3ea3b9a42b35808-tams-demo.static.lon1.bbcis.uk/tams-67cd7994-47d 4-4e89-9e9f-5e548b7eb7dd.ts" } ] }, { "object_id": "tams-7dffa41c-9e12-4e7d-a269-0aae8351d806.ts", "timerange": "[10:0_20:0)", "sample_count": 240, "sample_offset": 0, "get_urls": [ { "url": "https://a4c52e22f45b4a0fa3ea3b9a42b35808-tams-demo.static.lon1.bbcis.uk/tams-7dffa41c-9e12 -4e7d-a269-0aae8351d806.ts" } ] }, { "object_id": "tams-bdfb03ae-25a5-4a72-9b9e-14c5119813c9.ts", "timerange": "[20:0_30:0)", "sample_count": 240, "sample_offset": 0, "get_urls": [ { "url": "https://a4c52e22f45b4a0fa3ea3b9a42b35808-tams-demo.static.lon1.bbcis.uk/tams-bdfb03ae-25a 5-4a72-9b9e-14c5119813c9.ts" } ] } ]

Slide 91

Slide 91 text

TAMS で駆動する CNAP ● コンテンツに対して不変の識別子付与 ○ 識別子と時間範囲の組み合わせ でユニークにメディアを識別 ○ 複数の場所／ワークフローでもメディアの 同一部分を参照 できる [ { "object_id": "tams-67cd7994-47d4-4e89-9e9f-5e548b7eb7dd.ts", "timerange": "[0:0_10:0)", "sample_count": 240, "sample_offset": 0, "get_urls": [ { "url": "https://a4c52e22f45b4a0fa3ea3b9a42b35808-tams-demo.static.lon1.bbcis.uk/tams-67cd7994-47d 4-4e89-9e9f-5e548b7eb7dd.ts" } ] }, { "object_id": "tams-7dffa41c-9e12-4e7d-a269-0aae8351d806.ts", "timerange": "[10:0_20:0)", "sample_count": 240, "sample_offset": 0, "get_urls": [ { "url": "https://a4c52e22f45b4a0fa3ea3b9a42b35808-tams-demo.static.lon1.bbcis.uk/tams-7dffa41c-9e12 -4e7d-a269-0aae8351d806.ts" } ] }, { "object_id": "tams-bdfb03ae-25a5-4a72-9b9e-14c5119813c9.ts", "timerange": "[20:0_30:0)", "sample_count": 240, "sample_offset": 0, "get_urls": [ { "url": "https://a4c52e22f45b4a0fa3ea3b9a42b35808-tams-demo.static.lon1.bbcis.uk/tams-bdfb03ae-25a 5-4a72-9b9e-14c5119813c9.ts" } ] } ] 複数パートナーシップが絡む システム間連携において TAMS API を サポートするとライブ編集の 柔軟な連携が期待できる

Slide 92

Slide 92 text

クラウド制作とリモートプロダクション クラウド制作は導入の敷居が下がってきたものの、普及段階へは まだまだ課題あり 欧米では既にスポーツ制作でのリモートプロダクションが当たり前の存在に ● クラウドプロダクション ○ 設備をパブリッククラウドへ設置 し、スケールアウトの利便性を享受する ● リモートプロダクション ○ 設備を現場側(放送局内やデータセンター等 )へ設置しつつ、オペレーションの場所に依存しない このプレゼンにおける用語の使い方

Slide 93

Slide 93 text

クラウド利用の現状 ● 調査対象の 86%がワークフローで何らかのクラウドベースのテクノロジーを利用 ○ ワークフロー全体の完全なクラウド移行はわずか 2% ○ 約半数 が現在のワークフローの 25% 未満でクラウドを活用 ● クラウド使用用途としては半数弱で Stream Routing ● クラウド制作は 21%　未だオンプレミスとの併用が主流 出典 : Haivision / Broadcast Transformation Report 2025

Slide 94

Slide 94 text

クラウド運用への課題 ● 設備投資や運用コスト ● ネットワークの信頼性 ● 帯域幅の可用性 ● 優秀な人材の獲得 出典 : Haivision / Broadcast Transformation Report 2025　, GV forum2025

Slide 95

Slide 95 text

ABEMAでのクラウド制作導入へ向けて ● Tierの高い案件 ○ PGM配信に留まらず、一部無料配信、時中ビデオ切り出し、サイマルや L字広告等の派生が 多い ● クラウドでリソースシェアをするメリットは十分にある ○ 番組規模、要件によってフレキシブルに拡張 ○ スタジオサブ枯渇問題の改善 ● 足元の課題 ○ 既存システムとの相性 ○ オペレーターの育成 ○ オンプレとの併用で慣れる必要 ○ まずはMiddleレベルの制作から ○ 積極的に導入する理由が下がっている (検討まではしていた)

Slide 96

Slide 96 text

クラウド制作の現状と課題： Grass Valley 出典 : GVforum2025 世界トップメディアブランドの 90%以上で採用 ● GV AMPP ○ クラウドベースのSaaSプラットフォーム ○ 柔軟なクラウドネイティブでの制作が可能 ■ 2020年〜eSportsのOverwatchリーグや 欧 州 の Eurosport社でいち早く導入 ○ ニーズに合わせてスケーラブルな機能拡張が可能 ○ 場所を依存しないリモートオペレーションが可能 ● ABEMAでは.... 2023年春から検証を行い「 MATSURI」番組制作にて実運用 大型スポーツ案件へ向け、クラウド制作 /編集ワークフローの技術設計及び現実性を検討 Grass Valley web

Slide 97

Slide 97 text

クラウド制作導入事例 　 　Grass Valleyはアライアンスパートナーを強化(約100社) 　→ユーザーは特定のベンダーに縛られず、規模や要件に応じて 　最適なツールやサービスを柔軟に選択・組み合わせが可能 ● Ross Video OverDriveの機能拡張により、ニュース番組、スポーツ中継、ライブイベント等で ランダウン（番組進行表）に基づいたオートメーション制御が可能 ● MakePro X レスポンスの良い物理オーディオフェーダーで緻密なオーディオミキシングが可能 ● InSync 信頼性の高いフレームコンバートが AMPP内に搭載 プロユース機能の充実 Grass Valley web

Slide 98

Slide 98 text

　これまでGrass Valleyはリッチな制作方面に力を入れていた印象だが … NEW!! ワンマンオペレーション可能なパッケージモデル (AMPPエコシステム搭載) エンドツーエンドのメディア制作のための新しいソリューション ● SPORT PRODUCER X ○ リアルタイムリプレイ &ハイライト機能 ● Event Producer X ● インターネット接続された任意のデバイスから　　　　　　　　　　　　　　　　　　　ブラウザベースでアクセ ス ● クラウド制作(GV AMPP)への導入のしやすさを考慮 ○ 学校や企業、官公庁での使用を見込んでいる 　　 ハイアマ向け機能の充実 クラウド制作導入事例 　 Grass Valley web

Slide 99

Slide 99 text

報道制作を想定したTricasterライクのオートメーションSWer オーストラリア、フランスのTier1案件にて採用 ● Viz Mosart ○ クラウド構築だが、物理パネルでも操作可能　 (webUI、タブレットからでもOK) ○ ランダウンのワークフロー事前登録により、テロップ挿入から照明までの放送機器全般を オートメー ション制御可能 ○ 台本や原稿スクリプトの読み込みも可能 クラウド制作導入事例 ：Vizrt 　

Slide 100

Slide 100 text

どんな番組でも「現場」は存在する →全員が別拠点に分かれてオペレーションできることが目的では無い →意識せず「クラウドで処理」されているが理想状態 　　制作スタイルを大きく変えず 柔軟で拡張性のある 環境を享受 クラウド制作の目指すものは？

Slide 101

Slide 101 text

　必要な時に、必要な機能や処理能力を柔軟に利用ができる ● 「HOME」 ○ オンプレミス、クラウド、ハイブリッド環境において　　　　　　　　　　　　　　　　　　　 IPネットワーク上のメ ディア機器を一元管理し、　　　　　　　　　　　　　　　　　　　　　クラウド連携も可能な統合プラットフォーム ○ ST2110、SRT、NDI、MPEG-2TS、DANTEをサポート　　　　　　　　　　　　　　 ● 「Lawo FLEX」ライセンス ○ クレジットのサブスク方式で 設備のスケーラビリティが可能 (月単位) ○ 繁忙期にはスタジオにマルチビューアや 音声のchを追加したりなど ○ クレジット内でその時必要なソフトウェアを使用 ○ 使用後はクレジットが戻ってくる IPxクラウド制作活用 ：LAWO 　

Slide 102

Slide 102 text

オンプレミスxクラウドハイブリッドワークフローの展望 ● 災害復旧 ○ オンプレミスの主系統がダウンした際、　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　IPネットワークを通じてオンプレ ミスの機器と連携させ、放送を継続 ● 一時的な大規模イベント ○ 通常のオンプレミス設備に加え、クラウド上のLawo FLEXのリソースを　　　　　　　　　　　　　　　　　　一時的に増強し、多数 のチャンネル処理や複雑なルーティングに対応 ○ イベント終了後はクラウドのリソースを解放し、コストを最適化 ● アーカイブとアセット管理 ○ オンプレミスで制作したIPコンテンツを、Lawo FLEXを通じてクラウドストレージに　　　　　　　　　　　　効率的にアーカイブ し、メタデータを付与して管理 ○ 必要に応じてクラウドからオンプレミスの編集環境に素材をIPで戻して再利用 オンプレミスの安定性と、クラウドの拡張性や柔軟性を両立 IPxクラウド制作活用 ：LAWO 　 LAWO web

Slide 103

Slide 103 text

クラウドプロダクションで最先端の GrassValleyも、完全オンプレ用のAMPP Edgeも展示していた　　　　　（SDI入出 力なども可能） ● クライアントのスケールに合わせて最大 9M/Eまで対応可能 ● ハードウェアだが、大型案件等複数サブリソースシェアを見込んでいる IP x クラウド制作導入事例 ：Grass Valley　 Grass Valley web

Slide 104

Slide 104 text

リモート・プロダクション／ IP 化によって アップデートされる制作技術

Slide 105

Slide 105 text

ゴルフや格闘では、現地には演出 .カメラと音声が行き 映像のスイッチングやミキシング・テロップ・ VTR送出などはスタジオ側で制作 ABEMAでのリモプロ制作導入例　 コストパフォーマンスを意識した番組に多いスタイルであり、 品質や演出を強く意識する場合には、現地に中継車を持ち出して制作することが多い

Slide 106

Slide 106 text

リモプロの拡大 パンデミックにより リモプロせざるを得ない リモプロ的な働き方が 定着し標準化 リモプロでも演出が 制限されない世界へ 品質が落ちても中継を 成立させる エンジニアの確保のため 続けざるを得ない状態 品質を戻す・上げるための 設備投資

Slide 107

Slide 107 text

世界最大のesports ESLの運営方法(ESL FACEIT GROUP Steven “Claw” Jalicy 氏) オペレーターは自宅にいながら SWボタンを押すことができる エンジニアはより高レベルの操作とトラブルシューティングに時間を割くことができる ● custom built のストリーミングラックやクラウドインフラストラクチャを導入 ● 高品質のエンコーディングとストリーミングに対応するため、コスト効率が良く、スケーラブルな　 ソリューションを提供している ○ プロトコルインフラはSRT ● プログラム制作(58以上)、入力ソース(250以上)と言語管理(29以上)を 　　　23人未満の技術スタッフで運営 ● 海外では優秀なオペレーターほどフリーランスが多い 　　 「移動の時間は金を産まない」 と言われている リモプロ制作導入事例 　 日本でも同様に普及していけるか...?

Slide 108

Slide 108 text

通信インフラの今後 ● リモプロもクラウドプロダクションも拠点間の接続が必要 ● 特にイベントの場合は会場の通信環境に依存する より低遅延、より高い安定性を狙っていく為には ● 固定回線の確保が難しい場所 5Gなど無線ネットワークに期待 5G SAによる帯域、低遅延が不可欠 ● 日本国内であれば ○ NTTがすすめるIOWN構想の活用 出典 : https://www.rd.ntt/iown/

Slide 109

Slide 109 text

● ローカル5G（Private 5G）の構築 ○ 現在日本では免許取得に１ヶ月以上かかるが ○ 構築が簡易化された機材が海外では出てきている 5G 事例 ● RIEDEL　　Easy 5G 　　　 ○ 1時間以内に運用が可能 ○ wifiライクなシンプルな運用

Slide 110

Slide 110 text

● SONY ○ 5Gネットワークを利用したリモートプロダクションの展示　 ○ 遅延量片道120ms ● LiveU と Orange Belgium でのPoC ○ 柔道の国際大会で5Gを活用した高品質のライブ中継を PoCとして実施 ○ 最新の5Gスタンドアロン（5G SA）接続 ○ LiveUのLightweight Sports Production（LWSP）ソリューションを使用 大掛かりな中継システムを必要としない”ライトウェイト”なシステム 5G 事例 LIVEU web

Slide 111

Slide 111 text

● Grass Valley LDX 135 5G ゴルフ場やF1などで採用 ○ 5G ボンデッドセルラーによるワイヤレス伝送 ○ TX、RX、タリーインカムもすべてアンテナ1本 ● Dejero　EnGo3　　 ○ 5G対応SIM4枚挿入で、高速通信実現 ● LiveU 　 LU800　　 ○ 最大8個の5G/4G内蔵デュアルSIMモデムを搭載 ○ WiFiやEthernetを含めて最大14回線の ボ ンディングが可能 5G 事例 LIVEU web

Slide 112

Slide 112 text

IP 化

Slide 113

Slide 113 text

ＩＰ化とは？ ● シャトーアメーバも含め、国内の放送局の多くでは現在 もHD-SDI信号を使用し、1本の同軸ケーブルに 1.5Gbpsの映像音声信号を通している ● この信号をIPパケット化し、ネットワーク層で機器間をつ なぐのが「IP化」 ● 番組制作の現場では、非圧縮またはビジュアルロスレス という広帯域、低遅延、信号間の同期が求められるため 切り替えのハードルは大きかった

Slide 114

Slide 114 text

なぜIP？ ● 同軸ケーブルは方向性があり相互接続性が無い ● 必要になる可能性のある映像の数だけ同軸ケーブルや分配が必要 🔻　　🔻 ● 双方通信が前提、相互接続性が高い ● ネットワーク内に必要な映像があれば容易にアクセスできる ● 多数の機器が一つのネットワークを共有するため効率的 ● 同軸コネクタではなくネットワークアダプタ経由となるため、汎用性が高く 拠点間の接続も容易。ソフトウェア化しやすい。 ● 高解像度/高フレームレートの信号を扱いやすい

Slide 115

Slide 115 text

ABEMAでのIP活用事例と懸念 ● MLB特設サブの音声システム構築にDANTE を採用 ● 今夏Mリーグスタジオでは、KAIROSスイッチャー部分に ST2110を採用 [懸念] ● 放送機器を扱っていたエンジニアが どこまでネットワークの問題に向き合えるか ● トラブルシュート時のスキルも 従来のSDI知識からUpdateが必須 ● 放送機器（7〜10年）とIP機器の 異なる更新スパンを考慮した更新計画の立て方

Slide 116

Slide 116 text

日本では… [拠点間] ● 既に番組制作ではIP伝送が一般化 ● 中継制作もIP伝送、クラウド活用によるコンパクト化が進んでいる [拠点内] ● 一部、送出マスターのIP化が進んではいる ● 放送業界は極めて高い品質と安定性が求められる文化 従来のSDIを中心とした高品質で安定した放送インフラ設備がまだ十分に機能している為、スタ ジオ更新などのタイミングでないと IP化への大規模投資がしづらい 　　2028,29年にマスター更新を迎える在京キーが徐々に導入していくか　　　　　　　　→従来と は異なる専門知識や技術スキルが必要不可欠　　　　　　　　　　　　　　　→設備更新の短さや、 ネットワークスイッチライセンス料等の懸念事項あり

Slide 117

Slide 117 text

そこで注目されるのが ... MoIP(Media over IP)に特化したネットワークスイッチ ● Blackmagic Design Blackmagic Ethernet Switch 360P ○ イーサネットスイッチ SMPTE ST2110対応 ○ 既存のIP製品との互換性があり ○ 普段使い慣れたビデオハブのような感覚で使用 　　 　　　高価になりがちなST2110のシステムを導入しやすく 　　　SDIベースのスイッチャーと変わらない使用感　　　　　　　　　　　　 　 Blackmagic Design web

Slide 118

Slide 118 text

欧米ではIP化(ST2110等)が主流 ● 新規施設設立や、オリンピックやワールドカップ等　　　　　　　　　　　　　　　大規模イベントを きっかけとして導入機会が多い→IP化に進みやすい ● 競争激化や広告収入の減少などを背景に、運用コストの削減と業務効率の向上が 求め られる傾向　 ● ケーブル配線の簡素化、コスト削減、リモートプロダクションによる 効率化のメリットが期待できるため、積極的に採用される傾向 ● 日本は新規技術導入に慎重な傾向がある

Slide 119

Slide 119 text

欧米ではIP化(ST2110等)が主流 NABShow2025では... ● 従来のSDI機器の出典は非常に少なく、どのメーカーもST2110対応をアピール Comprimato Evertz Blackmagic Design AJA Video Systems RIEDEL 欧米では既にST2110とSRTなど拠点間相互変換の段階 and more…

Slide 120

Slide 120 text

IP監視/モニタリング NABShow2025では... Interra Systems　　　　　 TAG Video Systems　　　　　　 Arista Networks 　 and more… ● TAG Video Systems 　　AI活用による、パケロスへの迅速な根本原因特定と予測監視を強調

Slide 121

Slide 121 text

ST2110以外では？ [拠点内] ● NDI　引き続き ● DANTE ● NEW!IPMX ○ AV over IPのためのオープンな新規規格 ○ ST2110規格をベースに、ProAVのワークフローに 必要な機能拡張を目指している ○ 最終的な適合製品等の公開は 2026年目処とのこと [拠点間] ● SRT ● Zixi ● RIST 出典 : https://www.macnica.co.jp/business/semiconductor/articles/basic/144012/

Slide 122

Slide 122 text

ABEMAでのIP活用展望 [今後の展望] ● オーケストレーションにおけるIP監視 ● 大型スポーツ案件等での多言語コメンタリー識別 ● 規模に合わせたスケーラビリティな IPxクラウド活用 数日後実施の超突発的な案件にも柔軟に対応すべく →スタジオサブ枯渇問題解決、場所に依存されない番組制作 超大型案件と重なっても他の番組が影響されない環境づくり ABEMAならではの付加機能を積極活用すべく →マルチアングル配信への演出幅拡大 海外スポーツを多く放送している為・・・ →海外での映像伝送を、よりコスパよく高画質で安定的に

Slide 123

Slide 123 text

クラウド／リモート／ IP 制作以外の進化も必見 グローバル最新制作技術トレンド

Slide 124

Slide 124 text

HDRと4K 8K

Slide 125

Slide 125 text

HDR制作の現状 日本 HDR技術を組み込んだBS/CS 4K放送は、2018年に正式に開始 当初はHDR制作の番組も多かったが、 現在は動画配信サービスやハイエンドの映像制作で採用されている程度に 欧米 HDR制作を特別なものと捉えずにHD HDRなども積極的に活用されている

Slide 126

Slide 126 text

● HDR ○ HDRを全面に出したソリューションは少なく、「 HDRも対応しています」くらいな温度感 ● 4K 8K ○ 欧米では8K制作が盛り上がっており、スポーツエンターテインメント等で需要あり 　　　　　リプレイ検証で使ったりもする ● JPEGXS対応の伝送機器も多数 展示されていた HDRや4K 8K についての展示、所感 SONY AJA HDRは映画制作、テレビ番組制作、商業制作にて確実に広く使われている また、スポーツ制作のライブ環境でもすでに広く利用されている。日本以外ではね。 日本は４Ｋのスタートが早すぎて、配信よりも放送で実現しようとしたことが普及を妨げた 日本以外では配信をメインに４ＫやＨＤＲを進めているので普及している A社エンジニア 別A社 セールス

Slide 127

Slide 127 text

● ASTRODESIGN 8Kカメラ　スポーツシーンにおけるカメラ判断システム 　　 8K 120pカメラで広角撮影、 8K映像から任意に 4Kクリップを抽出が可能 　 ○ ファウル/プレイヤーのライン越え等、絶妙なプレーに対し　　　　　　　　　　　　　　　　　　　　　　　　　高解像度ビデオクリップで フレームごとのスローモーションを作成 ○ 審判はこれまで以上に正確なプレーコールを追求できる(欧米ラグビーで採用) ● ASTRODESIGN　8KCutout　同時に4つの映像切り出しが可能 8K導入事例

Slide 128

Slide 128 text

バーチャルプロダクション

Slide 129

Slide 129 text

多数のグラフィックテンプレートにより、効率的に高品質なグラフィック制作を実現 LINO ● リアルタイムモーショングラフィックス制作 ● グラフィックデータ ①テンプレートのグラフィックをベースに、簡単に CG制作 ○ 色やロゴ変更、得点や文言修正が可能 ○ アニメーションやエフェクト機能あり 　　　②Adobe製品でグラフィックを制作し・インポートも可能 ● ランダウンを登録にてスムーズに NEXT送出可能 ● 高度な技術知識がなくても表現豊かなグラフィックを作成できる ● APIにも対応 EVO II導入により、究極のレンダリングが可能 バーチャルプロダクション制作導入事例 ：Zero Density　

Slide 130

Slide 130 text

人物の前後にグラフィック配置、写り込みの影を再現することで、よりリアリティなバーチャル制作へ ● カメラ上部のアンテナがトラッカー ● 天井の2眼カメラで人物位置の割り出し ● 天井のカメラ4台でモーションキャプチャ ● カメラに合わせてグラフィックスも追従 ● LEDとグリーンバックの両方に対応 　 バーチャルプロダクション制作導入事例 ：Zero Density 　

Slide 131

Slide 131 text

AI の番組制作導入事例

Slide 132

Slide 132 text

NBA、NHL、MLBで採用されているスポーツ特化型アセット管理システム AIによるメタ付で広告スポンサーやエキサイティングシーンの検索が可能 iNet.Sport Media HUB ● スポーツ特化型アセット管理システム (カスタムビルドなMAM) ● クラウドにアップロードされたクリップは AIによって処理され、メタデータが付加 ● AIは、音声のテキスト変換、顔認識、ブランド認識、スコアボードの読み取り 特定のスポーツに特有のキーイベントの識別 ● フィルタリング検索システムを利用し、 必要なコンテンツを正確に見つけ出すことが可能 ● 広告スポンサー名 ● 野球のイベント（盗塁、ピッチ、ヒットなど） ● チームやリーグ へ試合のハイライト映像をリアルタイム にクラウド配信 ● 広告スポンサーは、自社のロゴがどれくらいの頻度で 放送に登場するかを知 ることができる 生成AIの制作導入事例 ：VideoShip　

Slide 133

Slide 133 text

AI x リプレイでスポーツシーンの演出を加速！！ Tier1案件はもちろん、予算を掛けられない Tier2,3のクオリティUPへ貢献　 ● XtraMotion 　　　①フレーム補間をしてスーパースロー (3倍速)の素材の作成 　　　②NEW!デブラーエフェクト：モーションブラーを除去し、より鮮明な映像を実現 　　　③NEW!シネマティックエフェクト：深度の浅い映像効果 生成AIの制作導入事例 ：EVS　

Slide 134

Slide 134 text

収益エンジンの核として 広がる広告技術の可能性

Slide 135

Slide 135 text

Decentrix Inc, の 「AI4Media」 によるプランニング ● 自然言語UIを実現し、単調作業を自動化して利用者を 高付加価値業務に専念。AI導入の高いROIを強調した ○ 広告最適化で追加収益＋23％ ○ eCPM＋35％、 ○ 配信予測精度＋87％ ○ 提案書承認時間－57％、 ○ レポート作成時間－75％ … ● 独自で AI をチューニング キャンペーンプランニング 広告技術の可能性　》 キャンペーンプランニング 出典 : 2025/04/06 09:30 Media Campaign Workflow Using AI Agents AI Agent の技術で 広告プランニングを柔軟に 最適化による追加収益 オーバーインプ 在庫予測精度 CPMの増加 オーダーの数 無事故配信数 配信予測精度 未達配信数 提案承認時間 配信までのオペ時間 レポート作成時間 価格最適による収益 在庫のフィルレート

Slide 136

Slide 136 text

AWS の デモ 「Spot On」 ● 対話型のUIで提供する広告プランナー ● リクエストを受けると以下の役割を持ったサブエージェ ントが考える ○ Campaign Feature Agent → 属性抽出 ○ Campaign QA Agent → 入力チェック ○ Ad Plan Agent → 媒体・予算配分案生成 ○ Pricing Doc Agent → 価格表との照合 ● Supervisor Agent が各結果を統合して最終応答を形 成。 ● 結果をコンテキストとして保持するために DynamoDB に書き込みながら返答する ● AWS の戦略上 「オープンソース」で作られています。 キャンペーンプランニング 広告技術の可能性　》 キャンペーンプランニング AI Agent の技術で 広告プランニングを柔軟に アーキテクチャ図 デモのUI

Slide 137

Slide 137 text

顧客データ統合と生成 AI を用いたパーソナライズ 広告技術の可能性　》 ショッパブル広告 リアルタイム顧客統合で「閲覧 → 購買」を加速する基盤提案 AWS の デモ 「C360 x generative AI」 ● 導入メリット ○ 顧客行動を統合し 洞察を即時可視化 ○ コンバージョン／LTV 向上の打ち手を自動化 ● リアルタイム 360° プロファイル ○ EC／チケット／ストリーミングを秒単位でマージ ○ “匿名→既知” ID 解決で精緻なセグメント化 ● 推奨ロジックと生成 AI ○ Personalize が商品／コンテンツを推薦 ○ Bedrock がコピー・画像をユーザー別に生成 ● 多チャネル配信と検証 ○ メール／SMS／アプリ内広告へ一貫配信 ○ A/B/n テストで施策を継続最適化 このレベルの粒度でのターゲティング、ハイパーパーソナライゼー ションが行われる可能性に触れた 放置された ECサイトのカート F1視聴を促す DM （生成AI） PRE広告が当たる

Slide 138

Slide 138 text

リアルタイム VPP 基盤で実現するパーソナライズ広告 広告技術の可能性　》 ショッパブル広告 スポーツ配信 × Generative AI × ファーストパーティーデータ AWS の デモ 「Hyper-Personalized Virtual Ads」 ● 導入メリット ○ ライブ映像を途切れさせない ○ 追加エンコード不要で即時差し替え ○ 視認率ログを既存 Ad Server へ統合 ● 技術スタック ○ MediaConnect ─ インジェスト／NDI 変換 ○ Injecto Brain (EC2) ─ CV 解析 & Smart Feed JSON ○ MediaLive ─ ABR 生成 ○ MediaPackage ─ HLS/CMAF 化 ○ CloudFront ─ グローバル配信 ○ TGI Sport SDK ─ 端末 GPU で VPP 合成 ● ハイパーパーソナライズの鍵 ○ Customer 360 と ID 連携しユーザー別クリエイティブ ○ Smart Feed を別チャネル配信 → 映像キャッシュ効率◎ ライブ配信でのバーチャルプロダクトプレースメントのソリューション

Slide 139

Slide 139 text

animatix.ai ● 広告用の TV クオリティ動画を “数クリック・数分 ” で作 れる生成 AI ○ AI Script Assistant (脚本生成) ○ AI Storyboard／Animatics (絵コンテ生成) ○ Cast AI Actors (一貫性のある非人物キャラ) ○ Multi-Model Video Gen (本番生成) ● 想定ユースケース ○ 15 秒 TV‐CM を ピッチ 1 週間前に量産試作 ○ SNS 用 縦型ショート動画を日次で A/B テスト ○ クライアント確認 をオンライン完結させ、オフライン 編集室コストを削減 ● 多言語化に問題があるかも ○ ElevenLabs を使用なので最先端ではある 広告のクリエイティブ生成 広告技術の可能性　》 広告のクリエイティブ生成 脚本作成から仕上げまで、生成 AI で高速・低コストに TV 品質のコマーシャルを量産できる SaaS

Slide 140

Slide 140 text

AIインストリーム ショッパブル広告 広告技術の可能性　》 ショッパブル広告 ライブ／VOD配信を “視聴→購入” に変える基盤の提案 出典 : 2025/04/06 10:10 Enhancing Instream Shoppable Brand and Product Detection in Broadcast, OTT, and VOD Content through Multi-Model Object Detection and Real-Time SCTE-35, SEI, VMAP Integration ● ビジネス価値（ Win-Win-Win） ○ プラットフォーム：新収益源 ○ 広告主：CTR・CVR 向上 ○ 視聴者：検索不要で“欲しい”を逃さない ● マルチモデル検出 ○ YOLO・R-CNN・ResNet＋ブランド専用 BYOM で商 品／ロゴをリアルタイム抽出 ● メタデータ埋め込み ○ 検出結果を JSON ▶ Hex 変換 ▶ SCTE-35／VMAP に挿入 ○ HLS（ID3）・DASH（EMSG）で端末に到達 ● HTML5 プレイヤー連携 ○ ID3／EMSG をトリガーに CTA オーバーレイを即表 示 ○ 再生を途切れさせず購入ページへ誘導 商品 / ロゴ検出 を マルチモデルで検出する VMAP挿入時 に 広告情報を付与

Slide 141

Slide 141 text

視聴エンゲージメントを向上させる技術

Slide 142

Slide 142 text

視聴エンゲージメントの重要性 スポーツ業界が恐れる若年層のテレビ離 れ ● 若年層に効果的なアプローチを模索 ○ モバイル・ネイティブ ○ ソーシャル・メディア ○ ゲーム好き

Slide 143

Slide 143 text

視聴エンゲージメントの重要性 スポーツ業界が恐れる若年層のテレビ離 れ ● 若年層に効果的なアプローチを模索 ○ モバイル・ネイティブ ○ ソーシャル・メディア ○ ゲーム好き ファンはパーソナライズされた 体験を求めている

Slide 144

Slide 144 text

マルチビューがもたらすエンゲージメントの可能性 マルチビューによってどんな可能性が追加されうるか ● マルチカメラ ○ レースなどメインビューでトップを走る選手を見ながら、別の好きな選手たちのカメラをサブ ビューに配置 ● マルチゲーム ○ メインビューで応援するチームの試合を見ながら、競合チームの試合をサブビューに配置 ● マルチスポーツ ○ ベティング（賭け事）でのユースケース - ベットしているスポーツの試合を全て視聴

Slide 145

Slide 145 text

マルチビューがもたらすエンゲージメントの可能性 マルチビュー視聴がもたらす体験には無限大の可能性がある

Slide 146

Slide 146 text

マルチビューがもたらすエンゲージメントの可能性 マルチビュー視聴がもたらす体験には無限大の可能性がある マルチビューの実現には 体験とスケーラビリティのトレードオフが付きまとう

Slide 147

Slide 147 text

マルチビューの実現手段 フィード全てエンコード ストリーム数分のプレイヤー パーソナライズド・フィード クラウド・エンコード

Slide 148

Slide 148 text

マルチビューの実現手段 フィード全てエンコード ストリーム数分のプレイヤー パーソナライズド・フィード クラウド・エンコード 切り替えが遅い マルチデバイス サポートできない コストが高い

Slide 149

Slide 149 text

Single-Player Multiview 視聴者が見ているストリームだけ通信 ● ABR ラダーの重複なし ● プレイヤーはフィードを CDN から取得 ● 取得したビットストリームを プレイヤーで合成 → 単一デコード ● 画面に各フィード描画

Slide 150

Slide 150 text

Single-Player Multiview 既存マルチビュー技術の課題を解決 ● スムーズなストリーム切り替え ● マルチデバイスサポート ● 高スケーラビリティ ＋α ● インタラクティブ ● 柔軟なレイアウトとタイミング ○ AI 制御によるパーソナライゼーションも可能

Slide 151

Slide 151 text

Single-Player Multiview 既存マルチビュー技術の課題を解決 ● スムーズなストリーム切り替え ● マルチデバイスサポート ● 高スケーラビリティ ＋α ● インタラクティブ ● 柔軟なレイアウトとタイミング ○ AI 制御によるパーソナライゼーションも可能 インタラクティビティが高い In-Content Ad 商品に応用できる可能性

Slide 152

Slide 152 text

MediaKind MK.IO x SKREENS によるマルチビューのデモ ● 3 本のライブ映像を SRT 取込 → クラウド合成 ● 視聴者が “ワンクリック ” でメイン画面を即切替 ● A／B／C 各視点ごとに 1080p HLS チャンネルを同時出力 ● SSAI 対応：メイン窓だけ広告差替えが可能 マルチビュー のメリット ● 多視点で “没入感 ”アップ & 視聴維持率向上 ○ 視聴者が好きな瞬間にメイン画面を切り替えられるため、リテンションや平均視 聴時間が伸びる ● 視聴データの粒度アップ → 広告価値を最大化 ○ どの視点がいつメインだったかをログ取得でき、パーソナライズ広告やスポン サー販売の根拠データが強化 ● SSAI 対応：メイン窓だけ広告差し替え可能 ○ 視聴体験を崩さず広告収益を最適化。ビュー別 CTR／完視聴率の計測も容易 クラウドネイティブで実現するマルチビュー配信 視聴エンゲージメント　》 観客の行動をエンゲージメントに 没入感アップ・視聴データ精緻化・広告収益最大化を同時に叶えるマルチビュー

Slide 153

Slide 153 text

動画ライブ配信の超低遅延化技術 ライブ動画配信の遅延は品質と安定性とのトレードオフ 遅延 映像品質 配信規模 高解像度 ● 広帯域幅消費 ● 長いエンコード時間 ● バッファリング制御難易度増加 配信規模拡大 ● 配信チャンネルの増加 ● 遅延制御の複雑性増加

Slide 154

Slide 154 text

動画ライブ配信の超低遅延化技術 ライブ動画配信にどの程度の遅延が適切なのか？ → ケース・バイ・ケース

Slide 155

Slide 155 text

動画ライブ配信の超低遅延化技術 ライブ動画配信にどの程度の遅延が適切なのか？ → ケース・バイ・ケース Dolby が考える動画低遅延配信の 秒数別ユースケース ● 5 秒遅延 = スポーツ・ベッティング ● 2 秒遅延 = iGaming ● 1 秒未満遅延 = 特殊ニーズ

Slide 156

Slide 156 text

Dolby Optiview ユースケースに応じて遅延量を制御できる汎用動画配信技術 ● 全視聴者に統一した遅延量 で配信 ○ ライブイベントでの伝達速度格差を無くす ● 超低遅延（ < 1 秒）でもターゲティング広告 を挿入可能 ○ L 字広告など In-Content の広告挿入もできる ○ 広告決定が失敗したときの フォールバック・パターンも設定可能

Slide 157

Slide 157 text

Dolby Optiview Dolby Millicast（WebRTC）と HESP などプロトコルをユースケースで使い分け https://docs.optiview.dolby.com/millicast/ https://www.theoplayer.com/webinar/vod/hesp-theo-technologies

Slide 158

Slide 158 text

L3D-DASH L3D-DASH ● LL-DASH の課題を解決 『IBC 2024 動画技術関連レポート』でも 触れた L3D-DASH https://speakerdeck.com/cyberagentdevelopers/ibc-202 4-report?slide=204

Slide 159

Slide 159 text

L3D-DASH セグメント尺を短くする → 再生開始時のライブエッジに対する遅延も短くなる → セグメントの数が増えサイズが大きくなる

Slide 160

Slide 160 text

L3D-DASH セグメント・サイズを短くする → I-Frame を持つセグメントからデコードを 　開始しないといけない → 現状の AdaptationSet では許可されていない

Slide 161

Slide 161 text

L3D-DASH 2 つの AdaptationSet のリンクによりチューニング可能に ● 1 つ目は完全尺のセグメントを記載 ● 2 つ目は短尺のセグメントをサブ・セグメントとして記 載

Slide 162

Slide 162 text

L3D-DASH 2 つの AdaptationSet のリンクによりチューニング可 能に ● HLS partial segments と同じ形 ○ LL-HLS と同様の Latency の削減が可能

Slide 163

Slide 163 text

L3D-DASH コンセプト ● Segment Sequence 内の Sub Segment へのアクセスは SegmentTemplate で $SubNumber$ identifier で表現 ● 完全尺の AdaptationSet に EssentialProperty 要素を追加し、完全尺の Segment からリンクする Sub Segment の Representation を知らせる

Slide 164

Slide 164 text

L3D-DASH チャレンジ： Rendtion が追加されることによるコスト ● 作成／ストレージコスト ● HTTP リクエストの増加

Slide 165

Slide 165 text

動画ライブ配信の超低遅延化技術 チャンネル切替の実験 ● 285 ms で切替先チャン ネルの最初のフレーム を再生開始

Slide 166

Slide 166 text

NextGenTVにおけるインタラクティブ視聴体験 コンテンツのインタラクティビティと没入体験の新たなフロンティア というセッション 出典 : 2025/04/06 15:30 NextGen TV/ the New Frontier for Content Interactivity and Immersive Experiences ● NextGen TVの進化 ○ POC から本番運用へ、機能実装が加速 ● ブロードキャスターアプリ統合 ○ OTT を埋め込んで摩擦ゼロの視聴動線 ● インタラクティブ体験の強化 ○ 参加型番組・動的グラフィックで没入感 UP ● 3画面エコシステム ○ TV × 第2画面 × PC で連続エンゲージメント ● ハイパーローカル & パーソナライズ ○ 郵便番号ベースで天気・ニュースを最適化 ● 新たなエンタメ & ビジネス ○ バーチャルチャンネルやクラウドゲームへ展開 Francesco Moretti Amit Mathur Clarence Hau Joe Addalia

Slide 167

Slide 167 text

uvenu ● 主要機能（数クリック・数分で開始） ○ ライトショー同期 ― QRコードで参加、音楽・映像とスマホライトを一斉制御 ○ セルフィーカム / ソーシャルウォール ― 投稿承認 → ビジョン／配信に即表示 ○ リアルタイム投票・クイズ ― 結果を大型スクリーンや放送テロップに反映 ○ AI エフェクト ― 写真をテーマ加工（例： Barbie 風） ○ 広告・スポンサー枠 ― 投稿待機／結果画面など全タッチポイントに挿入 ○ ジオフェンス ― 大規模アクセスと会場限定を両立 ● 想定ユースケース ○ スタジアムやアリーナのハーフタイム演出 ○ コンサートのスマホライトショー ○ 放送番組の視聴者参加コーナー ○ スポンサー向けインタラクティブ広告施策 ● 導入メリット ○ エンゲージメント向上 — 参加体験でファンの熱量を可視化 ○ 広告収益最大化 — 新しいインベントリー＋利用データ計測 ○ かんたん運用 — ブラウザ UI で即設定・承認・デザイン変更 ○ スケーラビリティ＆安全性 — Azure オートスケール / 投稿承認フロー 観客の行動をエンゲージメントに変える スポーツ会場などに、観客や視聴者がスマホで参加できる各種インタラクティブ機能を提供 セルフィーカム ソーシャルウォール ポール ソーシャルシャウトアウト AI演出 ライトショー PRE枠やウォールなどの広告枠、ブランド演出も

Slide 168

Slide 168 text

全方位でメディア品質を管理する時代へ

Slide 169

Slide 169 text

再生状態監視指標の標準化 再生クライアントのログ指標の標準化が進む ● CMCD - Common Media Client Data CDN ログ CDN ログ

Slide 170

Slide 170 text

再生状態監視指標の標準化 再生クライアントのログ指標の標準化が進む ● CMCD - Common Media Client Data CDN ログ 異なる CDN 間でも統計データを 同じ指標で比較することができる CDN ログ bl=11700,br=9914,cid="21cf726cfe3d937b5f974f72bb5bd0 6a",d=4000,dl=11700,mtp=13500,nor="v06.m4v",ot=v,rtp=17 000,sf=d,sid="b248658d-1d1a-4039-91d0-8c08ba597da5",st =v,tb=14932 bl=8000,br=9914,cid="21cf726cfe3d937b5f974f72bb5bd06 a",d=4000,dl=8000,mtp=12500,nor="v03.m4v",ot=v,rtp=2480 0,sf=d,sid="b248658d-1d1a-4039-91d0-8c08ba597da5",st=v, tb=14932

Slide 171

Slide 171 text

CMCD 目的 ● CDN パフォーマンス向上／最善の CDN 選択 どこでやりとりされるか ● 再生プレイヤーと CDN 間 やりとりされる情報 ● エンコード後ビットレート ● プレイヤーのバッファー状態 ● 再生セッションの識別子

Slide 172

Slide 172 text

再生状態監視指標の標準化 CMCD v2 で更に進む再生クライアント・ログの標準化 ● CMCD - Common Media Client Data v2 広告 Imp CDN ログ 障害監視 KPI ログ 異なるシステム間でも 関連データを 横串で見ることができる

Slide 173

Slide 173 text

再生状態監視指標の標準化 CMCD v2 で更に進む再生クライアント・ログの標準化 ● CMCD - Common Media Client Data v2 広告 Imp CDN ログ 障害監視 KPI ログ 異なるシステム間でも 関連データを 横串で見ることができる 広告視聴未完了 （識別子 a1d4） リバッファリング検知 （識別子 a1d4） 翌週継続記録なし （識別子 a1d4）

Slide 174

Slide 174 text

CMCD v2 目的 ● 再生クライアントの遠隔監視ツールとしての利便性向上 どこでやりとりされるか ● CDN／ログサーバー／監視サーバー など やりとりされる情報 ● プレイヤーの状態（再生中、リバッファリング中、一時停止中など） ● Time to First Byte ● リクエストされた URL

Slide 175

Slide 175 text

CMCD v2 3 種のモード 1. Request Mode ○ CMCD v1 で実現していた再生するコンテンツをリクエストする際に送信するモード 2. Response Mode ○ CDN やオリジンからコンテンツを受け取った後に送信するモード 3. Event Mode ○ メディア・プレイヤーのイベントやエンド・ユーザーの行動、タイマー実行などをトリガーに送信す るモード

Slide 176

Slide 176 text

CMCD v2 3 種のモード 1. Request Mode ○ CMCD v1 で実現していた再生するコンテンツをリクエストする際に送信するモード 2. Response Mode ○ CDN やオリジンからコンテンツを受け取った後に送信するモード 3. Event Mode ○ メディア・プレイヤーのイベントやエンド・ユーザーの行動、タイマー実行などをトリガーに送信す るモード 3 種のモードは組み合わせても良い

Slide 177

Slide 177 text

CMCD v2 で追加されるキーの一例 Description Key Name Note state sta starting | playing | seeking | rebuffering | paused | ended | fatal error … request URL url リクエストしたメディア・オブジェクトの URL （Request Mode では送信不可） time to first byte ttfb （Response Mode のみ送信） event e ps = プレイヤーの状態変化 | e = プレイヤー・エラー （Event Mode のみ送信） … … …

Slide 178

Slide 178 text

CMCD v2 で追加されるキーの一例 Description Key Name Note state sta starting | playing | seeking | rebuffering | paused | ended | fatal error … request URL url リクエストしたメディア・オブジェクトの URL （Request Mode では送信不可） time to first byte ttfb （Response Mode のみ送信） event e ps = プレイヤーの状態変化 | e = プレイヤー・エラー （Event Mode のみ送信） … … … v2 ではコンテンツリクエスト時の情報だけでなく 受信後の情報や通信とは非同期に発生する 再生プレイヤーの状態変化もデータとして取得

Slide 179

Slide 179 text

CMCD v2 で追加されるキーの一例 Description Key Name Note state sta starting | playing | seeking | rebuffering | paused | ended | fatal error … request URL url リクエストしたメディア・オブジェクトの URL （Request Mode では送信不可） time to first byte ttfb （Response Mode のみ送信） event e ps = プレイヤーの状態変化 | e = プレイヤー・エラー （Event Mode のみ送信） … … … 視聴 QoE 計測にも利用可能 標準仕様となることで多様なログデータと突合させた分析が可能となる期待

Slide 180

Slide 180 text

CMSD CMSD = Common Media Server Data CMCD のサーバーサイド側のカウンターパート ● クライアントとサーバー間でフィードバックを送り合うループを作る ○ クライアントから CMCD 指標とともにコンテンツをリクエスト ■ CDN は CMCD 指標からクライアントの再生環境を知り、キャッシュやビットレートを調整して レスポンスを最適化 ○ サーバーはレスポンス時に CMSD 指標を一緒に送信 ■ クライアントは CMSD 指標からサーバーの状態を知り、ビットレートやバッファサイズを調整し てリクエストを最適化

Slide 181

Slide 181 text

CMSD CMSD では伝送経路のホップごとに情報を追加（HTTP レスポンス・ヘッダー） ● CMCD-Static ヘッダー コンテンツオブジェクトで 伝送経路で一貫した値を追加 ● CMSD-Dynamic ヘッダー 各ホップごとで追加される 次の中間ホップのための情報

Slide 182

Slide 182 text

CMSD CMSD では伝送経路のホップごとに情報を追加（HTTP レスポンス・ヘッダー） ● CMCD-Static ヘッダー コンテンツオブジェクトで 伝送経路で一貫した値を追加 ● CMSD-Dynamic ヘッダー 各ホップごとで追加される 次の中間ホップのための情報 CMSD-Static:ot=v,sf=h,st=v,d=5000,br=2000,n="OriginProviderA"

Slide 183

Slide 183 text

CMSD CMSD では伝送経路のホップごとに情報を追加（HTTP レスポンス・ヘッダー） ● CMCD-Static ヘッダー コンテンツオブジェクトで 伝送経路で一貫した値を追加 ● CMSD-Dynamic ヘッダー 各ホップごとで追加される 次の中間ホップのための情報 CMSD-Dynamic: "CDNB-3ak1";etp=96;rtt=8

Slide 184

Slide 184 text

CMSD CMSD では伝送経路のホップごとに情報を追加（HTTP レスポンス・ヘッダー） ● CMCD-Static ヘッダー コンテンツオブジェクトで 伝送経路で一貫した値を追加 ● CMSD-Dynamic ヘッダー 各ホップごとで追加される 次の中間ホップのための情報 CMSD-Dynamic: "CDNB-3ak1";etp=96;rtt=8 CMSD-Dynamic: "CDNB-w35k";etp=76;rtt=32

Slide 185

Slide 185 text

CMSD CMSD では伝送経路のホップごとに情報を追加（HTTP レスポンス・ヘッダー） ● CMCD-Static ヘッダー コンテンツオブジェクトで 伝送経路で一貫した値を追加 ● CMSD-Dynamic ヘッダー 各ホップごとで追加される 次の中間ホップのための情報 CMSD-Dynamic: "CDNB-3ak1";etp=96;rtt=8 CMSD-Dynamic: "CDNB-w35k";etp=76;rtt=32 CMSD-Dynamic: "CDNA-987.343";etp=48;rtt=30

Slide 186

Slide 186 text

CMSD CMSD では伝送経路のホップごとに情報を追加（HTTP レスポンス・ヘッダー） ● CMCD-Static ヘッダー コンテンツオブジェクトで 伝送経路で一貫した値を追加 ● CMSD-Dynamic ヘッダー 各ホップごとで追加される 次の中間ホップのための情報 CMSD-Dynamic: "CDNB-3ak1";etp=96;rtt=8 CMSD-Dynamic: "CDNB-w35k";etp=76;rtt=32 CMSD-Dynamic: "CDNA-987.343";etp=48;rtt=30 CMSD-Dynamic: "CDNA-312.663";etp=115;rtt=16;mb=5000

Slide 187

Slide 187 text

CMSD キーの一例 Description Key Name Note Intermediary identifier n 処理したサーバーの識別子 （CMCD-Static） Estimated Throughput etp サーバー側で推定したスループット （CMCD-Dynamic） Round Trip Time rtt サーバー側で推定したラウンドトリップタイム（CMCD-Dynamic） Max suggested bitrate mb プレイヤーが再生すべき最大ビットレート （CMCD-Dynamic） … … …

Slide 188

Slide 188 text

CMSD キーの一例 Description Key Name Note Intermediary identifier n 処理したサーバーの識別子 （CMCD-Static） Estimated Throughput etp サーバー側で推定したスループット （CMCD-Dynamic） Round Trip Time rtt サーバー側で推定したラウンドトリップタイム（CMCD-Dynamic） Max suggested bitrate mb プレイヤーが再生すべき最大ビットレート （CMCD-Dynamic） … … … サーバー側からプレイヤーに再生の仕方を提案することができる

Slide 189

Slide 189 text

CMCD と CMSD に期待する未来 ● データ仕様が標準化されることにより、リアルタイムでオーディエンスの状態やト ラフィックの状態に最適化したコンテンツ配信を広く複数の経路で実現できる ● データはリアルタイムでの活用に留まらず、提供元が異なる複数のシステムで 記録されたログと横断的にサービスグロースに直接的に繋げられるインサイト分 析にも活用できる

Slide 190

Slide 190 text

CMCD と CMSD に期待する未来 ● データ仕様が標準化されることにより、リアルタイムでオーディエンスの状態やト ラフィックの状態に最適化したコンテンツ配信を広く複数の経路で実現できる ● データはリアルタイムでの活用に留まらず、提供元が異なる複数のシステムで 記録されたログと横断的にサービスグロースに直接的に繋げられるインサイト分 析にも活用できる 多くのデータインフラに普及し、エコシステムとして活用するために 早めに取り入れておくことが重要かもしれない

Slide 191

Slide 191 text

マルチ CDN の障害処理 複数の CDN で動画配信

Slide 192

Slide 192 text

マルチ CDN の障害処理 複数の CDN で動画配信 単一 CDN に障害が発生した場合でも他の CDN でカバーすることで 視聴品質の低下を最小限 に抑えることができる

Slide 193

Slide 193 text

マルチ CDN の障害処理 複数の CDN で動画配信 単一 CDN に障害が発生した場合でも他の CDN でカバーすることで 視聴品質の低下を最小限 に抑えることができる 障害が発生した CDN の回復判断は どのように行うのか？

Slide 194

Slide 194 text

CDN 障害時のバランシング CDN a CDN b

Slide 195

Slide 195 text

CDN 障害時のバランシング CDN a CDN b 障害

Slide 196

Slide 196 text

CDN 障害時のバランシング CDN a CDN b 退避

Slide 197

Slide 197 text

障害判定済 CDN 回復判断パターン 1 Probe CDN a CDN b

Slide 198

Slide 198 text

障害判定済 CDN 回復判断パターン 2 Probe Probe CDN a CDN b CDN a CDN b

Slide 199

Slide 199 text

障害判定済 CDN 回復判断パターン 3 Probe Probe CDN a CDN b CDN a CDN b CDN a CDN b Probe

Slide 200

Slide 200 text

障害判定済 CDN 回復判断パターン 3 Probe Probe CDN a CDN b CDN a CDN b CDN a CDN b Probe 数人のユーザーを 犠牲にして Probe

Slide 201

Slide 201 text

障害判定済 CDN 回復判断パターン 3 - Sacrificing Users ● 最後の CDN と CMCD buffer level 情報を Steering Server に知らせる ● 最後の CDN が健康だった場合は Steering Server がランダムなユー ザーを障害判定済 CDN へ向ける ● その際の TTL を buffer level より 低く設定 ● これによりリバッファリングを回避し ながら Probe する

Slide 202

Slide 202 text

障害判定済 CDN 回復判断パターン 3 - Sacrificing Users ● 最後の CDN と CMCD buffer level 情報を Steering Server に知らせる ● 最後の CDN が健康だった場合は Steering Server がランダムなユー ザーを障害判定済 CDN へ向け ● その際の TTL を buffer level より 低く設定 ● これによりリバッファリングを回避し ながら Probe する

Slide 203

Slide 203 text

障害判定済 CDN 回復判断パターン 3 - Sacrificing Users ● 最後の CDN と CMCD buffer level 情報を Steering Server に知らせる ● 最後の CDN が健康だった場合は Steering Server がランダムなユー ザーを障害判定済 CDN へ向ける ● その際の TTL を buffer level より 低く設定 ● これによりリバッファリングを回避し ながら Probe する

Slide 204

Slide 204 text

障害判定済 CDN 回復判断パターン 3 - Sacrificing Users ● 最後の CDN と CMCD buffer level 情報を Steering Server に知らせる ● 最後の CDN が健康だった場合は Steering Server がランダムなユー ザーを障害判定済 CDN へ向ける ● その際の TTL を buffer level より 低く設定 ● これによりリバッファリングを回避し ながら Probe する

Slide 205

Slide 205 text

障害判定済 CDN 回復判断パターン 3 - Sacrificing Users Synamedia が スケーラブルかつローコストな 障害 CDN の回復判定手段として提案 Buffer Level を基に Steering Server で 制御することでリバッファリング率を 回避できることが鍵

Slide 206

Slide 206 text

NPAW が提供するメディア伝送 E2E 監視ソリューション

Slide 207

Slide 207 text

NPAW が提供するメディア伝送 E2E 監視ソリューション その障害のユーザー影響 がどの程度を一目で把握 メディア伝送チェーン の中でどこに障害が 発生しているか

Slide 208

Slide 208 text

NPAW が提供するメディア伝送 E2E 監視ソリューション その障害のユーザー影響 がどの程度を一目で把握 メディア伝送チェーン の中でどこに障害が 発生しているか ABEMA のように伝送チェーンが 多くあり、複雑な場合に見込める効果大

Slide 209

Slide 209 text

コスト効率を上げるクラウド・エンコーディング技術 https://www.akamai.com/ja/newsroom/press-release/akamai-first-to-offer-vpus-in-the-cloud

Slide 210

Slide 210 text

コスト効率を上げるクラウド・エンコーディング技術 NETINT VPU + Akamai Cloud によるクラウド・エンコーディングのコスト効率

Slide 211

Slide 211 text

コスト効率を上げるクラウド・エンコーディング技術 1. VPU アクセラレーション ○ 高効率性 ○ 低コスト ○ フットプリント削減 2. クラウド・ネイティブ化 ○ 自己回復 ○ 自動バランシング ○ アーキテクチャ・レベルのスケーラビリティ 3. 統合的 API / GUI ○ 設定容易性 ○ 制御の完全性 G&L（メディア配信ソリューションプロバイダー） VPU + Cloud Native モデル

Slide 212

Slide 212 text

コスト効率を上げるクラウド・エンコーディング技術 CPU vs VPU アクセラレート 同品質のエンコードで G&L では 6 倍チャンネル拡大

Slide 213

Slide 213 text

VPU アクセラレーション・エンコードを利用した 汎用ソリューション - Jet-Stream MaelStrom

Slide 214

Slide 214 text

Witbe 専門端末で放送のモニタリングを自動化 ● Witboxで各種端末を遠隔制御＆録画：スマホ／ STB／ブラウザ／ TV対応 ● Virtual NOCで日本全国・海外拠点からも遠隔操作 ● 広告挿入の自動検証： SCTE-35 / マーカーなし両対応 ○ スレート検出：静止画／動画いずれも OK ○ クライアントサイド広告も SDK・サーバー APIから取得可能 自動化による QA ● Workbenchでノーコード自動テスト（ブロック UI） ● 4段階のダッシュボードで端末別・広告別の原因を特定 ○ エラー再現動画＆ログ（ ADB／ネットワーク）即取得可 価格感 ● 端末料金 + 機能毎にアドオン + 年次保守 専用端末による放送モニタリング自動化 広告挿入ミスを即時検知・アラート - リリース前 QA の完全自動化 - Virtual NOC で在宅・海外から遠隔操作

Slide 215

Slide 215 text

まとめ ● グローバルのメディア技術分野では AI と機械学習によるコンテンツ配信の効率化とパーソナライズに投資意識が上 がっている ● AI によりメディア体験は Hyper Personalization の時代に入り、視聴者が自分好みのコンテンツを消費する未来に備 える必要がある ● AI による収益化技術の進化も顕著で広告プランニングやインストリーム・ショッパブル広告などの可能性に期待が高 まる ● 次世代デジタル放送企画への移行推進や Software-defined な制作技術の進化によりクラウド制作普及が後押しさ れている ● ユースケースに合わせたマルチビュー／動画配信遅延制御、ファン・エンゲージメント・プラットフォームなどの汎用ソ リューション化が進んでいる ● メディアの品質はエンコードや配信経路など単一で監視する時代から E2E 全方位で管理し、より深いインサイトを得ら れる時代に変わっていっている

Slide 216

Slide 216 text

ありがとうございました