NVIDIAが、放送・スポーツ・配信の制作現場に向けたソフトウェア群「NVIDIA AI for Media」の大幅な拡充を発表しました。オランダのアムステルダムで9月11日から14日まで開かれた放送機器展IBC 2026に合わせたもので、生成AIによるコマ間の補間、映像がAI生成かどうかの判定、口の動きを合わせた多言語吹き替えなどが一度に更新されています。既存の放送設備を組み替えずに機能だけを足せる形にまとまっているのが今回の特徴です。

スポーツ中継のスロー再生を、カメラを替えずに滑らかにする

目を引くのは Video Frame Generation（VFG）です。元の映像のコマとコマの間に生成AIで新しいコマを作り、フレームレートを2倍または4倍に引き上げます。動きの速い被写体でも破綻しにくいよう、時間方向のつながりを保つ設計になっています。

この技術を Ross Video が自社のリプレイ製品 Rio Replay に組み込み、スポーツ中継用のスロー映像を作っています。現時点で6倍のスロー再生に対応し、8倍への拡張も進行中とのことです。超高速度カメラを導入して全コマを実際に撮らなくても、滑らかなリプレイが手に入るという話で、機材投資の順序を変えかねない部分だと感じます。

映像そのものを底上げする機能も揃いました。Video Super Resolution（VSR）はノイズや圧縮の粗さを抑えながら解像度を引き上げる機能で、今回から10ビット映像に対応し、速度優先と画質優先を開発者が選べるモードが加わりました。TrueHDR は標準ダイナミックレンジの映像をリアルタイムでHDRへ変換し、最大およそ2,000ニトまで持ち上げます。VSR、VFG、TrueHDR は1本の映像処理パイプラインにまとめて通せるため、過去の映像資産を配信向けに作り直す用途も想定されています。

AI生成映像の判定精度は99.3パーセントに

報道現場の関心が高いのは Synthetic Video Detector（SVD）でしょう。持ち込まれた映像が本物かAI生成かの確からしさを数値で返すNIMマイクロサービスで、今年のSIGGRAPHで最初に公開されたものです。その後の改良でテキストから生成した動画の判定精度は99.3パーセント、画像から生成した動画では97.7パーセントに達したとされ、特に後者の難しいケースで伸びが大きかったと説明されています。

ニュース制作システムを手掛ける Dalet は、SVDをクラウド上の検証ワークフローに組み込み、編集チームが自社の画面上でスコアとメタデータを確認できるようにしました。TwelveLabs は映像解析基盤上の最初のアプリ Compliance by TwelveLabs を正式提供に移し、地域ごとの考査基準との照合にSVDのコマ単位の判定を足しています。170以上の国で3万5,000件超の配信基盤を支える Wowza も、自社の Video Intelligence Framework でSVDを配布する予定です。こちらはオンプレミス、エッジ、クラウド、さらには外部と完全に切り離した環境まで選べる点が売りになっています。

1本の映像から10言語を作ると、流す映像は8分の1になる

多言語化まわりの更新も実務寄りです。LipSync は翻訳後の音声に合わせて口元の動きを作り替えるマイクロサービスで、今回は顔が一部隠れている場面での処理と、歯や唇の質感の保持が改善されました。誰が話しているかを判定する Active Speaker Detection は話者分離の前処理が不要になり、発話区間の検出とgRPC経由の配備に対応しています。

この組み合わせを実際に使い始めたのが、Vizrt 傘下の NDI です。既存の放送ワークフローの中でリアルタイム翻訳と口パク同期の吹き替え、地域ごとの言い回しの調整までを行う構成を示しました。同社の社内検証では、10言語を扱うワークフローで、言語ごとに別々の映像を流す従来のやり方と比べて運ぶ映像の量が8分の1で済んだとしています。言語の数だけ回線と設備を増やしてきた前提が崩れるとすれば、地方局や中小の配信事業者にとっては効き目の大きい変化になりそうです。

NVIDIA はこの流れを受けて、字幕・翻訳音声・吹き替え・映像同期・ローカライズしたテロップをひとまとめに扱う Content Localization のリファレンス構成を、開発者向けツールキット Holoscan for Media に持ち込みました。AI-Media、CAMB.AI、Chyron、Panjaya といった各社の技術がそれぞれの工程を担う形です。Holoscan for Media 自体も、ソフトウェア同士が映像・音声・データをやり取りするための共通層 Media Exchange Layer（MXL）との統合が発表されています。

スポーツ専用モデルを自前で育てる手順書

もう1つの柱が Sports Intelligence Playbooks です。リーグや放送局が持つ自前の試合映像と注釈を使い、NVIDIA のオープンモデルを競技ごとに微調整するための手順書で、データ整備から学習、推論、評価、配備までを一続きに示しています。

初期検証の数字は分かりやすい伸び方をしています。学習に使っていない映像で試したところ、選択式の正答率がおよそ53パーセントから94パーセントへ、自由記述の評価はおよそ5.7パーセントから66パーセントへ改善したとのことです。汎用モデルのままでは競技固有のルールや戦術を読み違える、という当たり前の課題に対する答えになっています。Machina Sports がこの手順書を自社のスポーツ向け基盤に組み込み、放映権を持つ側が独自の解析を手元で運用できるようにしています。

まとめ

今回の拡充は、派手な新製品というより、放送局が既に持っている設備の隙間に差し込める部品をまとめて更新した内容です。生成フレームによる6倍スロー、99.3パーセントに達したAI映像の判定、10言語で映像量が8分の1に収まる多言語配信と、数字で語れる成果が並びました。制作現場のAIが実験段階を抜けて、回線費や人員配置といった採算の話に直結し始めている。そう読むのが素直なところだと思います。