AiveとNvidia、動画内容をAI検索可能にする協業

フランスの映像AIスタートアップであるAive（アイブ）とNVIDIAは技術協業を発表し、AIアシスタントやAI検索が動画の中身を視覚・音声の両面から深く「理解」し、知識として扱えるようにする取り組みを開始した。これにより、Web上の動画コンテンツがAI検索エンジンにインデックス化（データベースに整理して格納されること）され、検索対象にすることが容易になる。

1. LLMにおける「動画のブラインドスポット」解消へ

現在の主要なLLM（ChatGPTやGeminiなど）は、動画については主に字幕（トランスクリプト）やメタデータのみを読んでおり、動画内でどのような実演が行われているか、どんなブランドが映っているかといった視覚的文脈を認識できていない。Aiveの技術はこの盲点を解消することを目指す。

2. 独自技術「MGT」とNVIDIA Nemotronの統合

Aiveは、独自のマルチモーダル・ジェネレーティブ・テクノロジー（MGT：音声や映像といった複数種類のデータを横断して分析・処理する生成AI技術）に、NVIDIAのオープンソース大規模言語モデルである「Nemotron」を統合した。25以上のAIモデルを組み合わせて映像内のシーン、オブジェクト、感情、発言者を解析し、構造化データに変換する。

3. 動画GEO（生成エンジン最適化）としての商機

人々がGoogleなどの従来型検索から、LLMによる直接回答型のAI検索へと移行する中、企業が持つ膨大な動画アセット（資産）をAIに発見・引用してもらうニーズ（動画GEO）が急速に高まっている。Aiveは昨年11月に1,500万ユーロ（約26億円）の資金調達を実施し、技術開発と市場拡大を加速させている。

動画の中身をAIが「見て理解する」インフラが構築されることは、情報探索のあり方を大きく変える。企業のプロモーション動画や解説動画の内容がAI検索に直接反映されるようになることで、Webマーケティングにおける動画コンテンツの価値が劇的に高まる可能性がある。

引用元：The French Tech Journal