NVIDIA、IBC 2026で放送、スポーツ、グローバルストリーミング向けにリアルタイムAIを発表

「NVIDIA AI for Media」が放送、スポーツ、制作ワークフローにリアルタイムのインテリジェンスをもたらす

メディア企業は、信頼性の高い放送環境を損なうことなく、より詳細なパフォーマンス分析、動画の真正性の検証、コンテンツの強化やローカライズを実現するため、ライブ制作、スポーツ、ニュース、ストリーミングのワークフローにAIをますます統合しているという。

IBC 2026において、NVIDIAは「NVIDIA AI for Media」の大幅な拡張を発表した。これは、メディアおよびエンターテインメントのワークフロー向けにオーディオ、ビデオ、拡張現実（AR）エフェクトを強化する、GPUアクセラレーション対応のソフトウェア開発キット（SDK）、NVIDIA NIMマイクロサービス、プレイブック、ブループリントの集合体であり、動きの理解、動画の検証と強化、番組のローカライズ、AIを活用したメディアアプリケーションの構築に向けた新たな可能性を切り拓くとしている。

今年初めにSIGGRAPHで発表されたNVIDIA Synthetic Video Detector（SVD）NIMマイクロサービスは、組織が映像が本物かAI生成かを見極める確率を評価するのに役立ち、編集、コンテンツ認証、デジタルフォレンジック、メディアの完全性確保を担当するチームに、審査プロセスにおける新たな分析の視点を提供する。

最初のリリース以来、SVDの精度はテキストから動画への変換コンテンツで99.3％、画像から動画への変換コンテンツで97.7％に達しており、特に難易度の高い画像から動画への変換ケースにおいて大幅な精度向上が見られている。

Daletは、SVDをニュース組織向けのセキュアなクラウドホスト型検証ワークフローに統合している。これにより、編集チームはSVDを通じて映像を送信し、Daletのインターフェース内で算出されたスコアやメタデータを検査・確認できるようになる。

TwelveLabsは、同社のビデオインテリジェンスプラットフォーム上に構築された初のアプリケーション「Compliance by TwelveLabs」の一般提供開始を発表した。同ソリューションは、メディアおよび放送チームが地域ごとのコンプライアンス基準や独自のコンプライアンス基準に照らしてコンテンツを迅速にスクリーニングすることを支援する。また、SVDが統合されており、フレーム単位の真正性シグナルと信頼度スコアが追加されるため、メディアチームは同じコンプライアンスワークフロー内で、合成メディアの可能性のあるコンテンツを特定できるようになる。

170カ国以上で35,000件以上の動画配信環境を支えるメディアサーバー技術「Wowza Streaming Engine」を提供するWowzaは、「Wowza Video Intelligence Framework」を通じてSVDを提供する。NVIDIAによるアクセラレーションを備えたインフラストラクチャを基盤とする同ソリューションにより、放送局、ストリーミングプロバイダー、その他の組織は、ライブ動画フィードを分析し、検出されたオブジェクト、シーン、AI生成の兆候に関するデータをリアルタイムで抽出できるようになる。同ソリューションは、オンプレミス、エッジ、クラウド、ハイブリッド環境、あるいは完全にエアギャップ化された環境など、さまざまな環境で導入・運用が可能であり、組織は重要なメディアワークフローをより細かく制御できるとしている。

NVIDIA 3D Body Pose

単一のカメラで撮影した映像から、2Dおよび3Dの人体関節の位置と角度を推定し、マーカーを用いたキャプチャシステムを使用せずに、動きを構造化データに変換することを可能にする。

スポーツ組織にとって、このデータは、選手やアスリートの動きの追跡、生体力学およびパフォーマンス分析、リプレイの品質向上、審判および判定のワークフロー、選手の安全確保、さらにはバーチャルインタラクションや没入型体験などを支援する。

また、この技術はコンテンツ制作ワークフロー向けに、構造化された人体動作データを提供することも可能だ。互換性のあるキャラクターリグにマッピングすることで、関節データや動作データは、アニメーションのブロック作成、デジタルダブル、キャラクターのリターゲティング、バーチャルプロダクション体験の入力データとして活用できる。

Vizrtは、ライブバーチャルスタジオ環境においてBody Pose技術を採用しており、追跡された身体の動きに基づいて、反射、影、環境レンダリングなどのリアルタイム3D照明効果を生成している。

ビデオフレーム生成（VFG）

生成AIを用いて動画の元のフレーム間に新しいフレームを生成することで、動画の動きをより滑らかに見せる。画質と時間的一貫性を維持しながらフレームレートを2倍または4倍に高めることができ、スポーツ中継、スローモーションリプレイ、ライブメディア、その他の動きの激しい動画体験をより滑らかにする。また、VFGは、生成AI動画ワークフロー向けのフレームレート変換やフレームブーストにも対応している。

Ross Videoは、スポーツ制作向けにAIを活用したスローモーション映像を生成するため、自社の「Rio Replay」プラットフォームにVFGを統合している。

この取り組みにより、スポーツリプレイ向けの6倍スローモーション生成が可能になる。現在、8倍の補間処理に向けた開発が進められており、これにより、生成された中間フレームを活用することで、リプレイチームは、超高フレームレート対応のソースカメラで全フレームを撮影することなく、より滑らかな動きを実現できるようになる。

NVIDIA Video Super Resolution（VSR）

AIを活用して動画をアップスケールすると同時に、ノイズ、ぼやけ、圧縮アーティファクトを低減する。新しいストリーミングモードにより、開発者はリアルタイム性能と高画質のうちどちらかを選択できるようになり、調整可能なコントロール機能によって、希望するレベルの画質向上を実現できる。また、VSRは10ビット動画のサポートを追加し、全体的なパフォーマンスと画質を向上させている。VSRは、NVIDIA Video Effects SDKおよびNIMマイクロサービスを通じて利用可能であり、ストリーミング、放送、会議、動画再生、コンテンツ制作アプリケーションでの使用に対応している。

同技術は、共通のインターフェースを通じて、動画プレーヤー、会議アプリケーション、クリエイター向けツール、ストリーミングサービス、トランスコーダー、放送システムなどをサポートする。

NVIDIA TrueHDR

標準ダイナミックレンジ（SDR）の映像をリアルタイムでハイダイナミックレンジ（HDR）出力に変換し、局所的なコントラストを維持しつつ、コンテンツに合わせて輝度を調整することで、最大約2,000ニットを実現する。

VSR、VFG、TrueHDRは、単一のビデオエフェクトパイプライン内で組み合わせることが可能であり、メディア企業がストリーミング、トランスコーディング、ゲーム、クリエイター向けワークフロー向けに既存のコンテンツライブラリを強化するのに役立つ。

NVIDIA LipSyncおよびActive Speaker Detection NIM マイクロサービス インタビュー、ニュース、スポーツ、エンターテインメントなど、画面に複数の人物が映る可能性のある番組向けに、開発者がローカライゼーションシステムを構築するのを支援する。

LipSync は、自然な頭の向き、まばたき、体の動きを維持しつつ、入力動画の口の動きをターゲットのオーディオトラックに同期させる。今回の新リリースでは、顔のオクルージョン処理が改善され、歯、唇、顔のテクスチャがより忠実に再現されるようになった。

新しい「Active Speaker Detection」NIMマイクロサービスでは、複数のオーディオトラックに対する話者ダイアリゼーションが不要となり、音声活動検出機能が追加されたほか、gRPCインターフェースやGPU互換性の拡大により、NIMマイクロサービスの導入サポートが拡充された。

NDIは、NVIDIA LipSync NIMマイクロサービスを含む「NVIDIA AI for Media」を活用し、既存の放送ワークフロー内でリアルタイム翻訳、リップシンク付き吹き替え、地域言語への適応を実現している。共通のメディアストリームから複数の言語コンテンツを生成することで、このアプローチは放送事業者が世界中の視聴者にリーチすることを支援すると同時に、従来、多言語配信に必要とされていた帯域幅、インフラ、制作の複雑さを軽減する。

Studio Voice

NVIDIA Studio Voice NIMマイクロサービスに基づいて構築された新しいマイクプロファイルが搭載されており、ユーザーは強化された音声の音色特性をより細かく制御できるようになる。

同機能は、背景ノイズの抑制、室内の残響の低減、音声の明瞭度の向上を図り、強化された出力を選択したマイクプロファイルに合わせて調整することで、ライブコミュニケーション、ストリーミング、ポッドキャスト、コンテンツ制作において、より洗練された音質を実現するように設計されている。

IBC 2026では、NVIDIAおよびパートナー各社の最新のワークフローを確認できる。

「NVIDIA Holoscan for Media」、ライブメディアアプリケーションの構築と連携を実現するオープンなメディア交換レイヤーを提供

放送局、ストリーミングサービス、スポーツ団体がソフトウェアやAIを導入するにつれ、ライブコンテンツを支えるインフラは、より柔軟で、より連携が強化され、共有された高速コンピューティングを基盤とするものへと変化しつつあるという。

Media Exchange Layer（MXL）とNVIDIA Holoscan for Mediaの統合は、この移行を加速させる。これにより、メディアアプリケーションが相互に接続し、連携して動作するための共通の交換レイヤーが提供される。

「Holoscan for Media」は、ソフトウェア定義のライブ制作向けに、AIを活用したメディア機能やアプリケーションを構築するためのオープンなリファレンスアーキテクチャおよび開発者向けツールキット。MXLは、こうしたソフトウェアベースのメディア機能が、分散環境全体でライブ映像、音声、データを交換するためのオープンな手段を追加する。

生産機能がソフトウェアへと移行するにつれ、開発者は、高速化されたインフラストラクチャを共有し、動的に接続し、独立して進化するアプリケーションを構築できるようになる。これにより、メディア企業はインフラストラクチャをより効率的に活用し、新機能をより迅速に導入し、アプリケーション間のカスタム統合の必要性を減らすことができる。

また、この統合により、ライブメディアにおけるAIの基盤がさらに強固なものとなる。AI処理、ビデオアプリケーション、および従来のメディア機能は、同じ高速化されたインフラストラクチャ上、同じソフトウェア定義の環境内で、ますます連携して動作できるようになる。

テクノロジーベンダーにとっては、より広範なマルチベンダーのエコシステム全体で動作するアプリケーションを構築する機会が広がる。メディア企業にとっては、フォーマット、アプリケーション、AI機能の変化に応じて適応できるインフラストラクチャへの道が開かれる。

IBCのEBUブース（10.D21）で、Holoscan for Mediaのデモが実演される。詳細については、こちらをご確認のこと。

「NVIDIA Sports Intelligence Playbooks」、スポーツ分野におけるマルチモーダルAIへの道筋を示す

スポーツ界は、AIにおけるより広範な変革――汎用モデルから、独自データに基づいて微調整されたオープンモデルへの移行――の試金石となりつつあるという。

「NVIDIA Sports Intelligence Playbooks」は、この移行を加速させるために設計されている。これにより、リーグ、メディア企業、テクノロジープロバイダーは、自社のスポーツ映像やアノテーションを用いてNVIDIAのオープンモデルを微調整するための体系的なフレームワークを得ることができ、そのスポーツ特有のルール、選手、得点、戦略、文脈を理解できるマルチモーダルAIを構築できる。

スポーツ組織は、競合他社が再現することが困難な大量の独自動画、メタデータ、パフォーマンス情報を保有している。このプレイブックは、そうした資産を、新しい分析製品、メディア体験、自動化ツール、収益源を支えるAI機能へと変換するための実践的な青写真を提供する。

これらのプレイブックは、データ準備、微調整、推論、評価、最適化、展開など、AIのライフサイクル全体を網羅しており、Nemotron、NeMo AutoModel、Megatron Bridge、NIMマイクロサービス、NVIDIAのアクセラレーテッド・コンピューティングといったNVIDIAの技術を統合している。

モデルのカスタマイズから本番環境への導入にいたるまで一貫したプロセスを提供することで、Sports Intelligence Playbooksは、スポーツ特化型AIの構築にかかるコストと複雑さを低減すると同時に、コンピューティング、ソフトウェア、推論スタック全体における需要を拡大する。

初期のテストでは、ドメイン特化の可能性が実証されている。トレーニングで使用されたものと同様の質問形式を用いて、これまで見たことのない映像で評価を行ったところ、多肢選択式の正答率は約53％から94％に、自由記述式の評価精度は約5.7％から66％に向上した。

Machina Sportsは、Sports Intelligence Playbooksを自社のスポーツ特化型データ、評価システム、エージェントインフラと統合しており、これにより権利保有者は、独自のメディア資産や専門知識を、ライブ制作、コンテンツ、ファン体験のために活用可能な非公開のインテリジェンスへと変換できるようになる。

また、エージェント型AIの採用が拡大するにつれて、その可能性も広がっている。NVIDIA AI-Q Blueprintを活用することで、組織は独自のスポーツ特化モデルを、動画、企業データ、ソフトウェアシステムを横断して推論を行うエージェント内の専門インテリジェンスとして活用でき、プレイブックの適用範囲をスポーツの理解から意思決定や自動化へと拡大させることができる。

Wowzaは、NVIDIA Cosmos 3やNemotronなどのビジョン言語モデルを「Wowza Video Intelligence Framework」に統合している。これらはNVIDIA Sports Intelligence Playbooksを通じて微調整され、ライブストリーム内のスポーツ特有の瞬間を検出し、アクションまでの時間を短縮する。

NVIDIA、ライブ配信に多言語コンテンツのローカライズ機能を提供

ライブ番組で世界中の視聴者にリーチするには、単に言葉を翻訳するだけでは不十分だという。そのため、言語のニュアンス、声の調子、タイミング、表情、字幕、画面上のグラフィックなどが、オリジナル番組の編集意図や制作品質を損なうことなく、リアルタイムで調和して機能する必要がある。

放送局、スポーツリーグ、権利保有者、ストリーミングサービスが、これらの要素を統合されたソフトウェア定義のリアルタイムローカライゼーションワークフローに取り込めるよう支援するため、NVIDIAはコンテンツローカライゼーション技術を「NVIDIA Holoscan for Media」開発者ツールキットに組み込んだ。放送およびストリーミング開発者向けに設計されたこのリファレンスワークフローにより、字幕、翻訳音声、吹き替え、同期動画、ローカライズされたグラフィックスを実現する。

「Holoscan for Media」によるコンテンツローカライゼーションは、ソフトウェア定義の放送アプリケーションにおいて、ローカライゼーション技術がどのように連携できるかについての指針を提供する。開発者は、ローカライズされたバージョンごとに個別のインフラストラクチャを展開するのではなく、各番組、市場、配信チャネルに必要な機能を選択することができる。

Holoscan for Mediaによるコンテンツのローカライゼーションには、NVIDIA AI for Mediaの最新技術が組み込まれており、顔が部分的に隠れている場合のリップシンクの精度向上や、複数人が登場するシーンで誰が話しているかをアプリケーションが識別しやすくするためのアクティブスピーカー検出機能の強化などが含まれている。

ライブ番組のリーチ拡大

ローカライゼーションは、ライブ番組のリーチと収益性を一変させることができる。共有可能で組み合わせ自由なワークフローを活用することで、メディア企業は、ライブ制作に必要なタイミング、視覚的コンテキスト、編集上のコントロールを維持しつつ、地域ごとの報道をより迅速に展開し、より多くの視聴者にリーチし、個々の市場に合わせた体験を提供することが可能になる。同時に、生放送制作に必要なタイミング、映像表現、編集上のコントロールも維持できる。

AI-Media、CAMB.AI、Chyron、Panjayaの各社が提供する技術は、Holoscan for Mediaを通じてコンテンツローカライゼーションの特定の側面に対応しており、ナレーションや画面上の表現の適応から、多言語字幕や翻訳音声の作成、グラフィックのローカライズ、さらにはライブおよびオンデマンドコンテンツ全体における表現やアイデンティティの維持にいたるまでをカバーしている。

また、コンテンツローカライゼーション技術は、ファイルベース、ストリーミング、ポストプロダクションの各アプリケーションにも対応している。開発者は、オンデマンドワークフロー向けにアプリケーションプログラミングインターフェース（API）を利用できるほか、ローカライゼーションをライブメディア環境の一部として実行する必要がある場合は、Holoscan for Mediaのリファレンスワークフローを利用できる。これらを組み合わせることで、制作から配信にいたるまで、多言語メディアサービスを構築するための一貫した基盤を提供する。

NVIDIA Holoscan for MediaおよびAI for Mediaの詳細は、こちら。