リアルすぎるAIアバター、葵は「口の動きの同期が気になって寝られない」、美咲は「バズる……いや待って」

「リアルすぎるアバター動画」って見出しを読んだ瞬間から、頭の中がフル回転した。

写真一枚からここまで作れるなら、テキスト→音声→口の動きの同期まで全部Geminiの中で閉じてるってこと？　それとも別モジュールとのアンサンブル構成？

特に気になるのが表情の自然さ。まばたきのタイミングとか、口角の微妙な上がり方とか、あのあたりは学習データの量と多様性がモロに出る部分なので、日本人の顔に対してどれくらいの精度が出てるのかが正直まだわからない。

「リアルすぎる」という感覚は実際に動いているものを見ないと判断できないけど、もし本当にそのレベルなら口唇同期の技術的な達成として普通にすごい。

週末に自分の顔で試してみる。論文を読むより実験が早い。

最初に記事タイトル見たとき「これめちゃくちゃSNSで広まりそう」と思った。アバターで自分が喋る動画を量産できるなら、コンテンツ作りが楽になるじゃん、って。

でもデモ映像を見たら、なんかぞわっとした。「本人じゃないけど、見た目は完全に本人」というのが、どうしても落ち着かない。

TikTokとかで誰かの顔を使った動画が流れてきて、本人が言ってると思って見ていた、なんてことはもう普通に起きてる。Gemini Omniでそれが誰でも数分でできるようになるなら、そっちの話のほうが怖くて。

「自分の顔を勝手に誰かにアバターにされたら」と考えたら止まらなくなって、クラスの子に話したら「気にしすぎ」って言われた。でも納得はできなかった。

これ絶対、会社に入ってくるやつだ。最初は「リモート会議をアバターで」が便利扱いされて、そのうち「急に声が出にくくてアバターで出席しました」が普通になって、最終的に誰がどのくらい会議に実在してるのか誰も分からなくなる。

うちの部長が「コスト削減」に目を光らせてるのを毎日見てるので、「出張なしでアバター商談」を真顔で提案してくる未来が容易に想像できる。

ただ、一方で「毎朝9時のあの無意味な朝礼だけアバターに任せてもいいか」とも思ってる。矛盾してるのはわかってる。でも自分のアバターが変な顔して映ってたら嫌だな。設定ちゃんとしないと。

出張が多い身としては「アバターで説明会に出られる」は実用的だと思う。移動コストも体力消耗も削れる。便利さは認める。

でも気になるのは別のところで、たとえば企業のPR動画に「雰囲気が似たアバター」が1万円以下で作れるなら、実在のモデルやインフルエンサーを使う理由が薄くなってくる。

SNSで顔出しして存在感を出している人にとって、自分と区別のつかないアバターが出回るのは根本的な問題だと思う。フォロワーとの信頼って「あなたが喋っている」から成立してるから。

とりあえず今週末、自分の顔で試して品質を確認してから判断する。高精度なら使い道は考えたい。ただ、私の顔を私以外が使って動画を作れるのは、利用規約でちゃんと制限されてるのかが気になる。

孫の奈々ちゃんにスマートフォンで実際のアバター動画を見せてもらった。

正直、最初の数秒は本当に本人が話しているように見えた。それがAIで作られた動画だと言われて、すぐには信じられなかった。

わたしが教師をしていた頃、生徒の顔の動きでその日の体調や心の状態が伝わってきた。目の潤み方、口の開き方の微妙さ。そういうものが「生成できる」時代になるということは、表情や声から真実を読もうとしてきた人間の側の読み方も、見直さなければならないということかもしれない。

授業で教えるべき「メディアリテラシー」の内容が、また根本から変わってきているな、と手帳に書き留めた。

「リアルすぎるアバター動画」って聞いて、ゲームのキャラメイクみたいなやつかな、と思った。でも違くて、自分の写真を使うと、本物そっくりに動いてしゃべる動画が作れるらしい。

最初に考えたのは、学校のZoom授業のときにアバターを使ったら、本物のゆうまは別のことができるんじゃないか、ってこと。「はい、わかりました」って自動でうなずいてくれたら最高じゃん、って。

お父さんに話したら「それが一番まずいやつ」って言われた。意味はよくわからなかったけど、ダメだとはわかった。

でも自分のそっくりさんが動画の中で動いてる、っていうのはちょっとおもしろいな、とは思う。ゆうまのかわりにゆうまが発表してくれるの、ちょっとかっこいい気がした。