映像：Flycatcher Studio — flycatcherstudio.com
本日、広告向けAI動画モデル「Boreal」をリリースします。テキストから動画、画像から動画を1秒あたり1セントで生成でき、5秒のクリップならおよそ$0.05。しかもリアルタイムでレンダリングされるため、クリップは視聴するのとほぼ同じ時間で完成します。当社のベンチマークでは、広告主が現在利用している最上位のクローズドモデルに匹敵する品質を、ごく一部の価格と最大40倍の速度で実現しています。
この記事では、Borealを開発した理由、その仕組み、そして数値が実際に示すもの（弱点も含めて）をお伝えします。
私たちは動画広告づくりを生業としています。そこで、広告が絶対に外してはいけない2つのポイントから出発しました。それは奇しくも、汎用動画モデルが最も失敗しがちな2点でもあります。人物は、自分で撮影している本物のクリエイターに見えなければなりません。自然な肌、自然なテンポで、AI特有の不自然なツヤはNGです。そして商品は、広告主が実際に出荷したものと寸分違わぬ姿でなければなりません。同じラベル、同じ文字、同じ形で、架空のバリエーションが現れたり、途中で2つ目の商品が出てきたりしてはいけません。多くのモデルは、クリップの途中でクリエイターを別人に入れ替えたり、商品ラベルを意味不明な文字に溶かしたりしてしまいます。こうした失敗は、視聴者にすぐ気づかれてしまうものです。
広告で学習し、マーケティングのニーズに最適化
Borealは、まさにこれらを守るように学習させました。ベースは、音声と映像を同時に生成するオープンソースの動画生成モデルです。
大量の広告映像でポストトレーニングを行い、広告に必要な要素へと最適化しました。つまり、広告主が出荷した商品そのままの姿を保つこと、そして人物が本物のクリエイターに見えることです。重みを自社で保有し、自社でサービングしているため、クリップごとに定価を支払って他社のキューで待つ必要がなく、この品質を1秒1セント、リアルタイムの速度で提供できます。
ここからは、このトレーニングによって何が得られたのかを、同一パイプラインで未調整のベースモデルと比較し、ブラインドでの人による評価と画像指標で確認した結果をご紹介します。
数値が示すもの
ポストトレーニングが実際に何を変えたのかを測定するため、学習済みの重み以外はすべて同一条件にしました。同じ書き換え済みプロンプト、同じ入力画像、同じ解像度・フレーム数・シードを用い、本番環境のパイプラインで実行しています。唯一の変数はモデルです。
ブラインドでの並列比較評価では、勝敗がついた比較の81%で、評価者は未調整のベースよりもBorealを選びました（40件の本番ケースで25対6、引き分け9件。符号検定 p<0.001）。ケース別に見ると、プロダクト広告で83%、クリエイター・UGCシーンで85%、一人で話すクリップで60%と、お客様が実際に制作するあらゆる範囲をカバーしています。
商品ケースは難易度が高く、失敗が許されない領域ですが、ブラインド評価ではBorealが5対1（引き分け2件）で勝利しました。人手を介さずに忠実度を測るため、入力画像のディテールが最終フレームまでどれだけ保持されるか、そして動きのうちどれだけが非剛体的な歪みかを追跡しています。ベースと比較して、Borealは画質（MUSIQ、p<0.001）と細部の保持（+11.3%、p=0.004）で有意な向上を示し、歪みも減少傾向にあります。わかりやすく言えば、名入れジャーナルは表紙デザインと子どもの名前をクリップ全体を通して保ち、クリエイターは途中で別人に入れ替わることなく同一人物のまま。アプリのデモでは、ベースが汎用的な壁紙を描いてしまうところを、実際のインターフェースを正しく描写します。
Borealとクローズドモデルの比較
ビジネス上の本当の問いは、ポストトレーニングが自身のベースに勝るかどうかではなく、その結果が広告主の購入候補となるクローズドモデルと競えるかどうかです。そこで、広告主が検討するであろうクローズドモデルとBorealを、同一の入力で比較しました。
Borealは知覚品質でSeedance 2.0と同等、動きでは上回り、しかも約40倍の速度、ベンチマーク時の価格で12分の1のコストです。トレードオフについても正直にお伝えします。純粋な忠実度では品質指標は双方数%以内の差に収まり、Seedanceはこれらの入力を1080pでレンダリングしている一方、当社は720pクラスの出力のため、解像度に左右される指標ではSeedanceが有利になります。桁違いに異なるのは時間とコストです。ベンチマーク中、Seedance 2.0は5秒のクリップを中央値198秒、$0.60で返しましたが、Borealは約5秒、$0.05で返します。
もう一つの比較対象はH3 Maxです。純粋な推論速度は当社の5秒という目標より速いとされていますが、リリース当日の定価では5秒クリップあたり約8倍のコストがかかります。その結果、比較対象の中で品質対コストのバランスが最も優れているのはBorealとなります。より新しいSeedance 2.5は、2026年9月初旬時点で720pの画像から動画の定価が1秒あたり約$0.473でした。1秒1セントのBorealはその約47分の1で、5秒クリップで約$0.05対$2.31です。
広告品質という単一の尺度で並べると、トレードオフは一目瞭然です。20件の広告プロンプトを対象に、商品の公平性を考慮したブラインド評価では、Borealは1クリップ5セントで70%の合格率。Seedance 2.0は80%とより高いスコアですが、現在の定価ではその品質に30倍以上のコストがかかります。H3 Maxは8倍の価格で65%、未調整のベースは50%にとどまりました。Borealは比較対象の中で1ドルあたりの品質が最も高く、速度ではH3 Max以外のすべてを上回ります（そのH3 Maxもスコアでは下回っています）。
実際の現場ではこうなります。5秒のショット20本からなる絵コンテは、Borealなら約$1、2分以内で完成します。Seedance 2.0では約$12、さらにベンダーのキューで1時間以上待つことになります。ここでの比較はすべて、同一の入力を用いた当社独自のテストに基づくものです。Borealの仕様はモデルページでご確認いただけます。
APIユーザーのための価格と速度
この差が最も大きくなるのは、チームが大量生成を行うAPIレベルです。だからこそBorealはここで勝てるように設計されています。その理由は2つあります。
1つ目は課金方法です。Borealはクレジットやトークン単位ではなく、完成した動画の秒数単位で課金されるため、AI動画の生成コストを実行後ではなく実行前に算出できます。動画1秒で1セント。5秒のクリップで5セント。20本で約1ドル。不透明なクレジット体系から動画生成の秒単価を逆算しようとしたことがある方なら、この予測しやすさこそが重要だとおわかりいただけるはずです。
2つ目はスループットです。独自に最適化したサービングスタック上で動作するBorealは、GPU時間1秒ごとに完成動画1秒を生成します。つまりリアルタイムと1:1です。安くても数分かかる生成では働き方は変わりませんが、安くて数秒で返ってくる生成なら変わります。1つのショットを複数バージョン同時に生成し、うまくいったものを残しても、他社での1回の生成より安く済みます。
Borealの現状を正直に
Borealは新しいモデルです。キャンペーンの途中で弱点に気づくよりも、先にお伝えしておきたいと考えています。最も得意なのは短いクリップとシンプルなシーンです。ベースからの改善が最も小さいのは一人で話すクリップで、両者の差が最も小さく60%です。リップシンクではベースと同等で、同系統の音声特化バリアントはより優れた結果を出しており、今後の開発もその方向に進んでいます。また純粋な解像度では、解像度そのものが求められるショットにおいて、1080pのフラッグシップモデルにまだ分があります。
私たちが自信を持っているのは、Borealが目指したトレードオフです。商品とクリエイターをそのまま保ち、広告の成否を分ける品質を、同等の品質帯では他に類を見ないコストと速度で実現することです。
次は何?
現在、余計なオブジェクトの出現、ラベルの改変、人物の同一性のずれといった明確な欠陥をスコアリングする評価モデルを学習中です。これにより、広告を損なうハルシネーションそのものに対してモデルを最適化できるようになります。また、複数の商品画像やクリエイターの顔から構成されるマルチショット広告に向けて、参照条件付き生成への対応も進めています。どちらも目指すところは同じです。より長く、より複雑な広告においても、広告主が求める一貫性を高めることです。
Borealを試す
Borealは現在ご利用いただけます。ローンチ時点で、テキストから動画、画像から動画の両方に対応しています。API経由でのアクセスのほか、Creatifyのモデルプレイグラウンドでの生成、広告フローへの組み込み、fal.aiでの実行が可能です。詳細はBorealモデルページをご覧ください。現時点で、AI動画の中で最もコストあたりの品質に優れた選択肢だと考えています。ぜひご自身の目でお確かめください。
