Snapchat アプリは前例のない人工知能を統合し、写真を短いビデオに変換します

メッセージングおよびマルチメディア アプリの Snapchat は、グローバル ユーザー ベース向けに人工知能ベースの新しい機能を統合すると発表しました。 AI Clips と呼ばれるこのツールは、仮想環境内で個人が静的メディア ファイルを操作する方法を変えることを目的としています。

このテクノロジーを使用すると、モバイル デバイスに保存されている一般的な写真を数秒でダイナミックなオーディオビジュアル作品に変換できます。このシステムにより、エンド ユーザーは専門的な編集ソフトウェアに関する事前の技術知識を必要としません。

この発表は、企業が自動化されたイノベーションを通じて世間の注目を集め続けようとするテクノロジー分野における競争が激しい時期に行われた。このアップデートは現在、同社が事業を展開している市場の互換性のあるオペレーティング システムに段階的に配布されています。

新しいビジュアルテクノロジーの仕組み

このシステムは、選択した画像のピクセルに対して完全なスキャンを実行する機械学習アルゴリズムを使用して動作します。この構造分析プロセス中に、人工知能は人間の顔、ハイライトされたオブジェクト、背景の風景、さらには元のキャプチャの主要なカラー パレットなどの中心要素を識別します。

この視覚データのデコードに基づいて、ソフトウェアはマテリアルを表示するための論理タイムラインを構築します。従来のスライドショーのように単に写真を重ねるのではなく、このツールは仮想カメラの動き、不透明度の変化、自動トリミングを適用して、映画のような流動性を生み出します。

高度なデジタル出版へのアクセスの民主化

これまで、専門的に完成した視聴覚資料を作成するには、特定のコンピューター プログラムへの資金投資と長時間の技術トレーニングが必要でした。デザインと編集の専門家は、カッティング技術、オーディオ同期、トランジション効果の適用を習得しました。

AI Clips の導入により、スマートフォンのみを使用する平均的なユーザーにとって、これらの操作上の障壁が解消されます。アプリケーションのインターフェースは最小限の画面タッチを必要とするように設計されており、すべての複雑な処理負荷が同社のクラウドサーバーと人工知能エンジンに転送されます。

このようにして、独立したコンテンツ作成者、小規模起業家、および一般ユーザーは、追加の直接コストを発生させることなく、高付加価値のリソースにアクセスできるようになります。使いやすさにより、以前は携帯電話のプライベート ギャラリーに限定されていた資料の頻繁な公開が促進されます。

サウンドトラックとビジュアルフィルターのカスタマイズ

システムによって高度な自動化が促進されているにもかかわらず、ソフトウェア アーキテクチャでは、素材の作成者を保証するために手動介入ステップが維持されています。ビデオの最初のバージョンが人工知能によって生成された後、ユーザーは微調整のためにコントロール パネルに移動します。

この二次編集エリアでは、アルゴリズムによって整理された画像の時系列順を変更することができます。このシステムでは、特定のフレームを削除したり、最後の瞬間に新しい写真を追加したりすることができ、人工知能が瞬時にトランジションを再計算するようになります。

もう 1 つの統合機能は、プラットフォームのライセンスされたオーディオ ライブラリとの自動音楽同期です。ユーザーは音楽ジャンルまたは特定のトラックを選択でき、選択した曲の最も強いビートに合わせて視覚的なカットが正確に発生するようにアルゴリズムが視覚的なカットを調整します。

カラー フィルター、デジタル ステッカー、オーバーレイ テキストを最終的な出版前に挿入することもできます。このパーソナライゼーション層により、提供される結果が汎用的ではないことが保証され、各個人がパブリック プロファイルまたはプライベート プロファイルに投影したい視覚的アイデンティティが維持されます。

世界中のユーザーのスクリーンタイムの増加

この立ち上げの背後にあるビジネス戦略は、アプリエコシステム内の視聴者エンゲージメントと維持指標に直接焦点を当てています。市場調査によると、ビデオ形式のコンテンツは、静的な出版物と比較して、視聴率、共有率、インタラクション率が大幅に高くなります。このタイプのメディアの大量生産を促進することで、同社は毎日の投稿量が増加し、その結果、ユーザーが更新フィードの閲覧に費やす時間が増加すると予測しています。

プラットフォームで利用できるビデオの在庫の増加も、会社の収益化モデルに直接影響を与えます。ユーザーがダイナミック クリップを利用するのに毎日より多くの時間を費やしているため、同社はターゲットを絞った広告を挿入できるスペースを拡大しています。一方、広告主は、没入型のオーディオビジュアル フォーマットと、オリジナル コンテンツの制作に積極的に取り組むユーザー ベースを提供するプラットフォームに、より多くの投資を行う傾向があります。

ネットワーク上のデータプライバシーとサイバーセキュリティ

ディープイメージスキャンに依存するツールの実装により、世界規模での個人データの保護に関する技術的および法的な議論が引き起こされます。人工知能が顔や環境を識別できるようにするには、最新のプライバシー法で機密とみなされる生体認証情報やコンテキスト情報を処理する必要があります。開発会社は、これらの画像の処理が暗号化された環境で行われること、アルゴリズムをトレーニングするために抽出されたデータが明示的な同意なしにユーザーの実際の身元に関連付けられた方法で保存されないことを保証する必要があります。情報セキュリティの専門家は、顔マッピングを含むデータベースの漏洩は重大なリスクを意味しており、クラウドサーバーの継続的な監査が必要であると指摘しています。使用に関する透明性は、社会の信頼を維持するための決定要因となり、プラットフォームは、最終的なビデオが生成された後、写真のメタデータが企業システムにどのくらいの期間残るかを正確に詳細に規定する必要があります。

処理アルゴリズムのバイアスの軽減

ソフトウェア エンジニアリング チームは、構造的なセキュリティに加えて、差別的な行為を防ぐために人工知能を調整するという課題にも直面しています。アンバランスなデータベースでトレーニングされたシステムは、暗い肌の色調を処理する場合や特定の文化的要素を識別する場合に失敗する可能性があり、すべての人口統計プロファイルにわたる画像の処理の公平性を確保するためにソース コードを継続的に更新する必要があります。

プラットフォーム上の物語形式の変革

メディア コンバーターの大量導入により、現代のデジタル コミュニケーションの美的標準化が変化します。日常のレポート、個人的なイベントの報道、プロのポートフォリオでは、ますます分散した聴衆の注意を引くために、動きと音に基づいたプレゼンテーションが必要になりました。

この静的から動的への移行により、テクノロジー分野の他の企業は自社の研究開発研究所を加速する必要があります。最終消費者の期待は上方修正されており、画像ホスティング サービスを提供するアプリケーションにとって、オーディオビジュアルの自動化が基本要件となっています。

さまざまなモバイルデバイスに対する技術的適合性

新機能をできるだけ多くの人に届けるために、リソースのアーキテクチャは、さまざまな処理能力を持つデバイスで動作するように最適化されました。ビデオのレンダリングは、携帯電話のハードウェアと会社のリモート サーバーのサポートの両方を使用して、ハイブリッド方式で行われます。

この最適化により、古いスマートフォンがマテリアルの作成中にクラッシュしたり過熱したりするのを防ぎます。システムの背後にあるエンジニアリングは、圧縮された最終ファイルの配信に重点を置いており、ネットワークにアップロードする際のモバイル データの消費量が少なく、インターネット インフラストラクチャが限られている地域での使用が容易になります。

法人向けツールの拡充

当初はエンドユーザーに焦点を当てていますが、このテクノロジーはビジネスアカウントや登録商標にも応用できる可能性があります。マーケティング部門はこのシステムを使用して、静的な製品カタログを、低い制作コストと高い実行速度で動的な広告キャンペーンに変換できます。

販促資料を機敏に作成できるため、企業は市場のトレンドやイベントにリアルタイムで迅速に対応できます。このツールは多機能ユーティリティとして統合されており、個人的な娯楽のニーズからデジタル環境での企業コミュニケーションの需要まであらゆるニーズに対応します。