Imperial College London(mvp-ai-lab)/2026-08
動画生成AIを「作ってから見せる」から「見せながら作る」へ変える研究。動画全体を一括計算するのではなく、直前の映像を見ながら次の一区切りをリアルタイムに生成し続ける「ストリーミング型」動画生成を実現した。
これまでのAI動画生成(MiniMax H3やWanなど)は、指示を出してから数十秒〜数分待って初めて完成した動画が出てくる「バッチ処理」型だった。RAVEN(Real-time Autoregressive Video Extrapolation)は英インペリアル・カレッジ・ロンドンの研究チームが開発した手法で、動画を最初から最後まで一括計算するのではなく、直前に生成した数コマを踏まえて次の数コマを逐次予測・生成する「自己回帰」方式を採る。これにより、生成しながら同時に映像を確認・修正できる「その場で演出を変えられる」ワークフローが視野に入る。将来的には生成AIでのライブ配信、ユーザーの入力に反応してリアルタイムに映像が変化する体験、撮影現場でのプレビズ(仮組み映像)の即時生成など、広告・体験制作での新しい使い方が期待できる。動画品質を測るベンチマークVBenchでも上位にランクインしており、速度だけでなく画質面でも実用に近づきつつある技術。
通常の動画生成AIは「拡散モデル」という、ノイズだらけの画像を何十回も少しずつクリアにしていく仕組みで動画全体を一気に作る。RAVENは「一貫性モデル」というノイズ除去をごく少ない回数(4回程度)で終えられる高速な仕組みをベースに、強化学習の一種GRPOで「直前の映像との自然なつながり」を学習させている。これにより次の一区切りの映像を待ち時間なく連続して吐き出し続けられる。 通常の動画生成が「1本のフィルムを現像してから見る」ようなものだとすれば、RAVENは「ライブカメラの映像をリアルタイムで加工しながら流し続ける」体験に近い。2026年8月19〜20日には人気の動画生成モデルMiniMax H3向けの学習コードと、ComfyUIで使えるノード一式が追加公開され、実際に手元の環境でこのストリーミング生成を試せるようになった。ただし現時点では「4-NFEプレビュー版」と明記され、開発チーム自身も「まだ学習が不十分でテクスチャの精細さに欠ける」と注意書きしている段階。 動作にはLinuxとNVIDIA Hopper世代(H100など業務用)のGPUが前提で、個人PCでは事実上動かせない研究実装。ライセンスもCC BY-NC 4.0(非営利限定)かつMiniMax H3向け重みには別途コミュニティライセンスが必要なため、現状は研究・検証目的にとどまる。商用の広告制作にすぐ使える段階ではないが、「待ち時間のない動画生成」という方向性を示す先行事例として押さえておく価値がある。
ベースはCC BY-NC 4.0(非営利限定)。MiniMax H3向けの重みには別途MiniMax H3 Community Licenseも必要
同じ「長尺・連続動画生成」の課題を、LLMによるチャンク分割という別方式で解くComfyUIツール
RAVENの画質・一貫性を評価するのに使われた動画生成モデル向け標準ベンチマーク