トップ監督が画像からわずか5日で動画を作成し、歴史的なシーンを再現する方法

2026年Apsara Conferenceの前夜である9月21日、著名な映画監督であり脚本家の陸川氏が、AIGC短編映画『The Site of History』のトレーラーとともにステージに登場しました。これは彼がAIを活用して映画級の映像を本格的に制作した初の試みであり、Alibabaの動画生成モデルとの「人間とAIの共創」を象徴するものです。

従来の映画制作の常識であれば、明代の北京の街並みや皇宮、大規模な爆発シーンを再現するには、数ヶ月の時間と数千万単位の予算が必要になります。実際、生身の俳優を使った爆発シーンの撮影だけで19日間を要したこともありました。しかし今回、チームは歴史調査から画像生成までをわずか5日間で完了させました。

この対比こそが、今や業界全体が注目している点です。

AIを用いて400年前の謎の「現場」へ戻る

『The Site of History』は、1626年に明代で発生した「王恭廠の大爆発」を描いています。北京南西の火薬庫「王恭廠」で起きたこの大爆発の原因は、現在に至っても謎に包まれています。まさに「未解決」であるからこそ、映画的な創作において広大なキャンバスでありながら、同時に大きな挑戦でもあるのです。

陸川氏がこの題材を選んだ背景には、映画『天工開物』の準備段階で行われた明代史の研究があります。チームは純粋な想像に頼るのではなく、『酌中志』や『天啓実録』など複数の明代の史料を精査し、異なる目撃者の記録を繋ぎ合わせました。そして、AIを用いてこれらの「テキスト上の情景」を映像化し、現在もなお謎に残る爆発の真相を探求しました。

短編映画は、爆発中心地で生存した火薬職人の呉二、宮廷内にいた宦官の劉若愚、そして一般市民として暮らしていた学者の薛崗という3人の目撃者の視点から展開されます。これら3人の証言はすべて現存する歴史記録に基づいており、架空の「主人公」は一人も存在しません。登場するすべての人物が、歴史が残した目撃者なのです。

AIの弱点が露呈しやすいシーン——95%以上の忠実度で再現

VFXスペクタクル映画が最も恐れることは何でしょうか？それは「偽物だと見抜かれること」です。煙、瓦礫、炎が一斉に吹き出す爆発シーンは、複雑で動きが速いため、AIモデルにとって最も負荷が高く、「一目で偽物」と見破られやすい種類のシーンです。

チームのアプローチは徹底的に「エンジニアリング主導」でした。古代の文献にある「黒い霊芝のような煙が立ち上る」といった文学的な描写を、「キノコ雲」といった現代的な視覚概念へとフレーズごとに翻訳し、プロンプトの最適化を約4回繰り返しました。さらに、実際の爆発映像との照合を行い、調整を重ねました。

その結果、Alibabaの動画生成モデルによる煙や瓦礫などの映像レンダリングは、チームの期待値の95%以上を達成しました。スクリーン上では、「黒い霊芝」のような煙が力強く上昇し、圧倒的な存在感を放っていました。

「AIが監督を代替する」のではなく、新たな分業体制へ

陸川氏が真に探求したいのは、AIが監督を置き換えるかどうかではなく、人間と機械の役割分担をどう再定義するかという点です。

彼は2023年からAIGCの実験に取り組んでおり、実質的なパワーユーザーですが、今回の制作はそれでも「彼の期待を超えた」ものでした。彼は一般的なモデルの共通する欠陥を鋭く指摘しました。既存の時代劇映画やテレビ作品で主に訓練されているため、AI生成画像にはおなじみの「時代劇的な雰囲気」が容易に付随し、本当の歴史が持つべき「非日常感」や「疎外感」が欠けてしまうのです。

The Site of History's answer is: humans set the direction, AI handles execution.

• 調査・資料収集段階：人間がまず研究の方向性を決定し、AIが資料収集を支援します。
• 制作段階：監督がカメラアングル、視覚的テクスチャ、全体のトーンをコントロールし、AIがその意図を実現します。
• テーマに関する考察段階：AIは「対話パートナー」としてさえ機能し、課題の整理を助けます。

一言で言えば：人間は問題意識、核心的な表現、美的判断、事実の境界線を所有し、AIは素材の拡張、想像力の具体化、実行効率の向上を担います。動画生成セグメントでは、Alibabaのモデルの関与度と貢献度は作業の半分を超え、キャラクターをより生き生きとさせ、「千人千面」の表現を描き出しました。

特筆すべきは、陸川氏自身がプログラミングやモデルの後学習（post-training）を通じて創作に深く関わっている点です。彼はこれを「双方向の選択」と捉えています。リアルなキャラクター、複雑なシーン、映画的な質感は、まさにAlibabaの動画生成モデルの強みです。一方、Alibaba側は今後、より多くの監督、業界専門家、歴史家と連携し、より厳密な専門情報を導入してAgentic Videoの機能を継続的に強化し、動画制作パイプライン全体のインテリジェンスレベルを高めると表明しています。

真のシグナル：AI動画競争は「ベンチマーク」から「デリバリー」へ移行

The Site of Historyを単なる「監督がAIで遊ぶ」というニュースとして扱ってしまうと、より重要な変化を見逃すことになります。

9月22日、云栖大会（Apsara Conference）のメインフォーラムで、Alibaba Cloudはほぼ全モデルポートフォリオを発表しました。Qwen3.8-Maxは自己学習を開始し、Qwen3.8-Flashは次世代アーキテクチャをプレビュー、Qwen3.8-Omniはオムニモーダル理解を統合、そしてQwen4はすでに学習中で、パラメータ規模は直接5〜10兆を目指しています。画像生成のQwen-Image-3.1、音楽生成のHappy Shrimp 1.1、ワールドモデルのHappyOyster 2.0 Preview、音声のQwen-Audio-3.1も登場し、次世代動画モデルは11月にリリース予定となっています。

これらのモデルのいずれも单独で記事一本分になり得ますが、陸川氏の短編映画と合わせて読むとその意味合いが変わってきます。今回のオムニモーダルアップグレードは、個々の能力を埋めるものではなく、むしろ一つの問いへの回答のように見えます。つまり、モデルは実際のシナリオにより迅速に入り込み、真の生産性となり得るのか？

過去1年、AI動画競争は「ベンチマーク」中心でした。誰がブラインドテストのリーダーボードでトップになるか、誰がより長いクリップを生成できるかといった争いです。しかし、The Site of Historyのような作品は、競争をより現実的な次元、つまりデリバリーへと引き戻しました。実際に映画を完成させられるか、トップクラスの監督に名前を連ねてもらえるか、「数千万円と数ヶ月の作業」を「5日間」に圧縮できるか、それが問われているのです。

「AIは既存の風景の写真家ではなく、未知の風景の創造者です。」陸川氏のこの言葉は、業界全体への脚注となるかもしれません。画像から動画への次の分水嶺は、リーダーボード上ではなく、撮影現場にあるのです。