![What is NTT DOCOMO's "Personalized Video Automatic Composition Technology"? The Impact of VLM Automatically Selecting Your Favorite Performer in Live Streams [10/25]](https://assets.st-note.com/production/uploads/images/328424260/rectangle_large_type_2_647dacd37c2655ed5f34d059f02433d3.png?fit=bounds&quality=85&width=1280)
tech
What is NTT DOCOMO's "Personalized Video Automatic Composition Technology"? The Impact of VLM Automatically Selecting Your Favorite Performer in Live Streams [10/25]
NTTドコモは2026年10月23日、ライブ配信で視聴者一人ひとりの好みに合わせて映像を自動構成する「パーソナライズド映像自動構成技術」の開発を発表した。従来のライブ配信は全員に同じ映像が届くのが標準で、マルチアングル配信でも視聴者自身が切り替え操作をする必要があった。新技術は映像と言語を同時に理解するAI「ビジョンランゲージモデル」を使い、事前に設定した推しの出演者のアップと舞台全体のハイライトを自動でバランスよく組み合わせる。11月にNTT武蔵野研究開発センタで開かれる「NTT R&Dフォーラム」では、音響技術「アコースティックXR」と組み合わせ、特定の歌声を強調したり音の方向を制御したりするデモが展示される。視聴者は切り替え作業から解放され、演出を見逃す負担が減る一方、AIが「ハイライト」を正しく判断できるかという課題も残る。今後はスポーツ観戦やXR・ARグラスへの応用、6G時代の大容量・低遅延通信を生かした研究開発が進められる方針だ。
Latest updates
What is NTT DOCOMO's "Personalized Video Automatic Composition Technology"? The Impact of VLM Automatically Selecting Your Favorite Performer in Live Streams [10/25]
NTTドコモは2026年10月23日、ライブ配信で視聴者一人ひとりの好みに合わせて映像を自動構成する「パーソナライズド映像自動構成技術」の開発を発表した。従来のライブ配信は全員に同じ映像が届くのが標準で、マルチアングル配信でも視聴者自身が切り替え操作をする必要があった。新技術は映像と言語を同時に理解するAI「ビジョンランゲージモデル」を使い、事前に設定した推しの出演者のアップと舞台全体のハイライトを自動でバランスよく組み合わせる。11月にNTT武蔵野研究開発センタで開かれる「NTT R&Dフォーラム」では、音響技術「アコースティックXR」と組み合わせ、特定の歌声を強調したり音の方向を制御したりするデモが展示される。視聴者は切り替え作業から解放され、演出を見逃す負担が減る一方、AIが「ハイライト」を正しく判断できるかという課題も残る。今後はスポーツ観戦やXR・ARグラスへの応用、6G時代の大容量・低遅延通信を生かした研究開発が進められる方針だ。