GoogleのAI Geminiを使い、生成AIのプラットフォーム Flowで動画を生成してもらいました。私のミューズ、トコちゃんに協力してもらう動画です。
本動画のトコちゃんは、早朝、川沿いの遊歩道を散歩しています。霧が出ています。
動画を生成するとき、トコちゃんがカメラを見ないよう指示することが減りました。指示しなくても、カメラを見ることが減ったからです。
今回の生成では、久しぶりぐらいに、トコちゃんがカメラを意識しています。本動画で、どうしてAIが、カメラを見るように生成したのかはわかりません。
散歩をする場面を動画にし、それが動画として残っているなら、誰かが歩く様子を撮影し、撮影された人はカメラを見るはずだ、と推論したのでしょうか。
基の画像を使って動画にするのに、AIは大量の指示文を生成しているはずです。基の画像を、動画に反映させるには、画像にある要素をすべて文章化しなければなりません。
人物の身長に始まり、目鼻立ち、髪形、身体の特徴をすべて文章化します。同じように、背景もすべて文章に置き換えます。そのうえで、歩くようにこちらが指示すれば、身体を動かすような動きを文章にします。それにつれて、変化する背景の動きも、文章によって表します。
こんなふうに考えると、いかに、動画生成AIがすごいことをしているか想像できます。
歩いているだけでは変化がないので、水辺に鷺（さぎ）を加えました。
「鷺」とプロンプトに書いただけで、AIは、学習した鷺の姿と動きを動画にしています。
試しに、鷺と書かず、鷺と同じ鳥の姿を、文章だけで表せるかを考えれば、AIの圧倒的な能力には驚かされるよりほかありません。
今朝も、日課の自転車散歩を30分程度しました。その時間、関東南部の当地は曇り空で、雨粒がたまに顔に当たるような状態でした。
それまでの時間に雨が降ったようで、道路が雨に濡れています。このあとも、弱い雨が降ったりやんだりの天気となりそうです。
トコちゃんが住むAIの世界が同じような天候であれば、朝の散歩は見送るでしょう。