NTTドコモは2026年10月23日、AIを活用して視聴者一人一人の好みに合わせたライブ映像を自動構成する「パーソナライズ映像自動構成技術」を開発したと発表しました。
好きな出演者のアップ映像と、ステージ全体の演出や見どころを捉えた映像をAIが自動的に組み合わせることで、視聴者がカメラを切り替えることなく、自分の好みに合ったライブ映像を楽しめる技術です。
AIが「推し」とステージ全体の見どころを判断、映像を自動構成
従来のライブ配信では、すべての視聴者に同じ映像と音声を届ける方式が一般的でした。複数のカメラ映像を選択できるマルチアングル配信もありますが、視聴者自身が操作する必要があり、特定の出演者に注目すると、ほかの出演者やステージ全体の演出を見逃す可能性がありました。
今回開発された技術では、画像や映像などの視覚情報と言語情報を組み合わせて処理するAIモデル「VLM（Vision Language Model）」を活用します。
視聴者があらかじめ設定した好きな出演者の映像と、ライブ全体の見どころをAIがバランスよく組み合わせ、個人の嗜好に合わせた映像を自動構成します。
これにより、視聴者が映像を手動で切り替える負担を減らしながら、好みの出演者とステージ全体のパフォーマンスの両方を楽しめるようになります。
11月のNTT R&Dフォーラムで体験デモ、音響XRと組み合わせた新たな視聴体験へ
ドコモは、2026年11月18日～20日、24日、25日にNTT武蔵野研究センタで開催予定の「NTT R&Dフォーラム」において、今回の技術を体験デモとして展示します。
デモでは、NTTの音響技術「音響XR」と組み合わせ、特定の出演者の歌声を強調したり、出演者の立ち位置に応じて音の方向を制御したりする仕組みを紹介します。
例えば、好きな出演者の歌声を強調して聴きながら、その出演者のアップ映像とグループ全体のパフォーマンス映像を組み合わせて視聴する体験が想定されています。
今後は音楽ライブに加え、スポーツ観戦やXR・ARグラスを活用した視聴体験への応用も検討します。さらに、6G時代の大容量・低遅延通信を見据え、多数の利用者に個別最適化された映像と音響を届けるための研究開発を進める方針です。
見解として、今回の技術は、従来の「全員が同じ映像を見る」ライブ配信から、「一人一人が自分に合った映像を見る」体験への変化を示すものです。AIによる映像理解と自動構成を組み合わせることで、視聴者の操作負担を減らしながら、コンテンツの楽しみ方を広げる可能性があります。今後は映像の構成精度や配信時の遅延、個別配信の実現方法などが、実用化に向けた注目点となりそうです。
詳しくは、NTTドコモの公式発表をご確認ください。
レポート／DXマガジン編集部
