Atmee v2とは？リアルタイム動画アバターの現在地

テキストと音声の次を狙うモデル

テキストと音声の次のインターフェースは、今日から始まる。

Chen-Ping Yu氏は、自身のARスタートアップがGoogleに買収されたあと、AIにとっての次の画面を考えたと述べています。テキストと音声はDOSのように十分機能するが、対面ほど直感的なものはない、という問題意識です。約2年の研究を経て、2026年11月4日にAtmee v2を公開した、としています。

中身は、ライブの動画エージェントを生きているように感じさせるリアルタイムアバターモデルです。どんなキャラクターでも、画像1枚と10秒の音声から作れる、と説明されています。

通話も、音声だけも、動画生成も

出力は三通りです。ライブのビデオ通話、音声のみ、動画生成です。表情や身振りは文脈に沿い、環境とのやり取りまで含む、と開発元は述べています。

基盤は動画の基盤モデルで、描ける対象はキャラクターに限りません。ただし強みはキャラクター側に置かれています。用途として挙がっているのは、家庭教師、営業コーチ、サポート担当、コンパニオン、ゲームキャラクター、そして生きている世界そのものです。

• ライブビデオ通話

  相手と向かい合う動画エージェントとして、その場で話せる使い方です。

• 音声のみ

  映像を出さず、同じキャラクターを声だけで使うモードです。

• 動画生成

  通話に限らず、キャラクターの映像を生成する使い方です。

速さとコストは開発元の比較

開発元は、Seedance 2.5やWan 3.0のような動画モデルの主な使われ方がキャラクターだと位置づけ、Atmee v2はそこを得意にするよう作ったと述べています。比較として示されたのは、最大50倍の速さ、10〜100倍の安さです。

これは開発元の主張であり、第三者のベンチマークや具体的な単価表は発表文にはありません。アーキテクチャの詳細、対応解像度、遅延の実測値も公開されていません。