Metaは「Connect 2026」で写実的なバーチャルアバター「Hologram」を発表し、投入時期を明らかにした。今秋にはまず早期体験版としてRay-Ban Displayスマートグラスに搭載され、米国内のWhatsAppビデオ通話で利用できるようになる。全身版は2027年春、価格1299.99ドルの「Meta VR Glasses」とともに投入され、その後Quest 3にも展開される予定だ。
この機能を支えるのは、Metaが7年以上取り組んできた研究プロジェクト「Codec Avatars」だ。2019年時点では専用の撮影設備が必要な研究室レベルの試作品だったが、今回消費者向け機能として初めて製品ロードマップに組み込まれた。
通話相手が見るのは生成された映像
Hologramの仕組みは通常のビデオ通話とは大きく異なる。UploadVRの実機レポートによると、Ray-Ban Display版の入力はメガネのマイクが拾った音声のみで、Metaのサーバー上でリアルタイムに動く生成拡散モデルがその音声から2D映像ストリームを生成し、通話相手に送信する。話者の口の動きや表情、頭の動きはすべてこの音声からモデルが推測したもので、カメラは一切関与しない。
I let out a slight gasp at what I was seeing. It was entirely plausible.
UploadVR編集者のDavid Heaney氏は、Hologramを初めて見た際「思わず息をのんだ」とし、その映像は「十分にあり得るものだった」と述べている。
VRグラス版はさらに多くの入力を使う。音声に加えてヘッドセットの慣性センサーと、つる部分に付いた下向きの顔追跡カメラを利用し、マスク処理された背景なしの立体映像を出力する。レポートはこれがあくまで立体映像であり、ボリュメトリックな3Dモデルではない点を特に指摘している。
モデリングは数分、服と背景は固定される
アバターの作成はスマートフォンのMeta AIアプリ内で行う。指示に従って顔を上下左右に向けたり笑顔を作ったりし、さらにいくつかの自由回答形式の質問にやや長めに答えると、サーバー側の処理は数分で完了する。
日常使用に影響する細部もある。服装と背景は作成時点でモデルに固定され、Ray-Ban版では背景も静止したままになるため、毎回同じ服・同じ背景で通話することになる。Metaによれば、今後は頭の動きに連動した背景、カメラで撮影した動的な背景、テキスト指示による服装変更などの機能を追加する予定というが、時期は明らかにされていない。
実機テストでは明確な弱点も見られた。Heaney氏は、目元などの細部が「低帯域のビデオ通話のようにブロックノイズが出る」と指摘。VR版でも横を向きすぎたり相手に近づきすぎたりすると、アバター全体が昔のゲームの書き割り(ビルボード)のように回転し、没入感が一気に崩れるという。
AppleとGoogleは別の道を選ぶ
各社の方式を並べると、違いは「何を使って顔を動かすか」に集約される。
Apple Vision ProのPersonaはヘッドセット内外のカメラで顔の動きをリアルタイムに追跡し、アバターの動きは本人の動きと一対一で対応する。Google Beam(旧Project Starline)は複数カメラのアレイで本人の立体映像を再構成する方式で、専用のディスプレイ端末が必要になる。両者に共通するのは、カメラが捉えた実際の映像をできる限り忠実に再現しようとする点だ。
一方、メガネで動くHologramは生成型のアプローチを取る。必要なのは声だけで、残りはすべてモデルが補完する。利点はハードルの低さで、自分側を向いたカメラがないメガネでも「ビデオ通話」が成立する。代償は、相手が見る表情がモデルの推測結果であり、必ずしも本人のその瞬間の実際の反応とは限らない点だ。Heaney氏も、友人や家族が合成された自分の姿をスマートフォン画面で見たいと思うかどうか、という疑問を投げかけている。
プライバシー面では、モデリング素材や通話音声の保存・利用ルールについてレポートは言及しておらず、Metaが公開している資料にも現時点で記載はない。Ray-Ban DisplayとWhatsAppはいずれも中国本土では正式に提供されていないため、Hologramは当面、海外におけるAIビデオ通話の一事例として観察する対象にとどまる。
参考資料:UploadVRの実機レポート、CocoLoop、Engadget、IT之家(ITHome);Hologramの入力方式とサーバー側生成の仕組み、Ray-Ban DisplayとMeta VR Glassesの投入時期および1299.99ドルという価格、モデリングの流れを確認。