Seedance 2.5がついに谷を越えた。比喩的ではなく、神経学的に。 1970年、森政弘は警告した：人工的な存在が人間に近づけば近づくほど、私たちの脳はますます厳しくなる。そして、区別が不可能に近づく直前に、深い谷が存在する。不気味の谷。扁桃体が反応する。ミラーニューロンは矛盾する信号を受け取る。何がおかしいのか言葉にできないが、何かが違和感があると感じる。 20年間、デジタル映画はこの谷を越えようと試みてきた。 『ポーラー・エクスプレス』（2004年）。画期的なモーションキャプチャの背後には、無機質な目が。観客は後ずさった。『ローグ・ワン』（2016年）。CGIで復活したグランド・モフ・ターキン。技術的には圧倒的だが、感情的には不気味だった。そして2008年のデジタル・エミリー。有名な映画批評家ピーター・プランテックは「谷を越えた最初のデジタル顔」と評したが、実際には実在の女優の顔をフレームごとに合成したものだった。 私たちは人間を生成していたのではなく、人間をトレースしていたのだ。 その後、AI動画が登場した。2023年。ウィル・スミスがスパゲッティを食べるシーン。手が変形する。フォークが物理法則を無視する。顔は現実的と不気味の間で揺れ動く。このクリップは業界のベンチマークとなった：AIがスパゲッティを食べるという単純な行為を信用できるほど描けなければ、人間を信用できるように描くことはできない。 そして、ここに谷の罠がある。 私たちを裏切るのは解像度ではない。肌の質感やレンダリング品質でもない。それは時間的整合性だ。 目、頬、口の間で微細な表情がどのように連携するか。空間における身体の重さ。動きが起こる前の予測。私たちの脳は数十万年にわたり、これらのシグナルを読み取ってきた。たった1フレームのズレ、視線の追跡ミス、2つのカット間でずれる光の位置——それだけで幻覚は崩れる。 Seedance 2.5はこの問題の物理法則を変えた。Veo 3.1が8秒、Runway Gen-4が12秒で止まる中で、4Kでネイティブに30秒を生成できるという点だけではない。 いや、それは、照明のずれ、キャラクターの変形、動きの物理法則が各接合部で変わるという見えない継ぎ目——すなわち「ステッチング」を排除したからだ。30秒を1つの連続したブロックとして生成することで、時間全体にわたって外見、照明、映像構成を一貫して制約できる。キャラクターは3秒目と28秒目で顔を変えない。 さらに50のマルチモーダル参照も登場した。これまで私たちは画像を生成してから、後から音声を同期させていた。外国映画の吹き替えのように。 その結果？ 唇の動きはおおまかに一致し、音響効果は遅れ、視覚皮質に「人工的だ」と訴える潜在的な非同期性が生じた。 Seedance 2.5は視覚と音声信号を同じ潜在空間で同時に処理する。ドアの閉まる音とそれを開ける手は、同じ計算から生み出される。呼吸と肩の上下はネイティブに相関している。まさにこれが私たちを谷から引き出すのだ。 画像が「現実的」になるときではない。脳が欠陥を探し始めるのをやめたときだ。扁桃体が反応しなくなったときだ。ミラーニューロンが見ているものと一致し、エラーサインを受け取らなくなったときだ。 2026年には、最高のモデルは中距離ショットや中立的なプレゼンテーション、マーケティング用途ではすでに谷底を越えていた。しかしドラマティックなクローズアップ、強い感情表現、複雑な身体的相互作用——ドアを開ける、グラスを持ち上げる、視線が届く——といったシーンはすべて、AIを再び谷へ突き落としていた。 Seedance 2.5はすべてを解決したわけではない。手は依然としてAIの宿敵だ。ウィル・スミスのフォークとスパゲッティもまだ完璧ではない。しかし初めて、私たちは人間の断片を生成してそれらをつなぎ合わせようとするのではなく、「時間」を生成している。連続性を。存在感を。 そして映画において、存在感こそがすべてだ。私たちは解像度が上がったから谷を抜けたのではない。継続性が得られたから抜けたのだ。光がもはや嘘をつかなくなったからだ。 これは初めて、視聴者に「信じるふり」を求めないAI生成のロングテイクだ。 これが映画だ https://t.co/YV9GbZBhj0