NTTドコモは2026年10月23日、AIを活用して1人ひとりの嗜好に合わせたライブ映像を自動で構成する「パーソナライズ映像自動構成技術」を開発したと発表した。
同技術は、映像や画像を組み合わせて理解するAIモデル「VLM（Vision Language Model）」を活用し、視聴者があらかじめ設定した出演者（推し）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、AIがバランスよく自動で構成する。これにより、視聴者は視聴中にカメラ映像を切り替える操作をすることなく、嗜好に合わせて構成されたライブ映像を楽しめるという。
従来、音楽ライブやエンタメコンテンツの配信では、すべての視聴者に同一の映像と音声が提供されることが一般的だ。複数のカメラ映像を視聴者が切り替えられるマルチアングル配信もあるが、視聴者自身による操作が必要となるほか、特定の出演者だけに注目すると、ステージ全体の演出や他の出演者の見せ場を見逃してしまう可能性がある。こうした課題を解決するため、同技術の開発に至ったという。
今後は、同技術の高度化を進めるとともに、音楽ライブに加え、スポーツ観戦やXR／ARグラスを活用した視聴体験などへの応用を検討していくとしている。
