AIで一人一人の嗜好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

NTTドコモは、AIを活用し、視聴者一人ひとりの好みに合わせて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。本技術では、映像と画像、言語情報を統合的に処理する視覚言語モデル（VLM）を用い、視聴者が指定した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バランスよく組み合わせる。従来のライブ配信では、全視聴者に同じ映像が提供されることが多く、マルチアングル配信でも視聴者自身がカメラを切り替える必要があった。本技術により、操作の手間を減らしながら、個人の嗜好に応じた視聴体験を実現する。2026年11月のNTT R&Dフォーラムでは、特定の歌声の強調や音の方向制御を行う「音響XR」と組み合わせたデモを展示する予定。今後はスポーツ観戦やXR・ARグラスへの応用に加え、6G時代を見据えた低遅延・大容量配信への展開を目指す。