AIエージェント能力アトラス › 仕事ごとの一覧 › コンテンツ制作 › 動画生成

長尺・複数シーンでの一貫性維持

Maintain consistency across long-form, multi-scene video

0 できない ／ 1 デモ止まり ／ 2 補助 ／ 3 実務品質（要確認） ／ 4 専門家並み ／ 5 専門家超え。「予」は予測。

専門家と比べて

Kling 3.0で1回生成あたり最大3分まで伸びたが、90秒を超える連続クローズアップでアーティファクト検出率が顕著に上昇すると報告

できること

数十秒〜数分の単発生成、Klingでの90秒程度までの実用的なマルチショット継続

まだできないこと

数分規模の一貫したワンカット長編、90秒超の顔クローズアップでの破綻回避

なぜそうなのか

時間的一貫性(temporal consistency)の維持がモデルの根本的な未解決課題として残っている

これからの予測の根拠

生成可能尺が15秒(Sora2)→3分(Kling3.0)へ急伸している実績から2028年に長尺一貫性が実務品質へ近づくと予測

いま使える主な道具

Kling 3.0、Veo 3.1、Runway Gen-4

根拠

• AI Video Limitations in 2026: What Still Fails 2026
  90秒を超える連続クローズアップでアーティファクト検出率が顕著に上昇すると分析
• LoCoT2V-Bench: Benchmarking Long-Form and Complex Text-to-Video Generation 2026
  長尺・複雑テキスト動画生成の評価ベンチマーク論文

同じ分野のほかの仕事（動画生成）

• 短尺クリップ生成(数秒〜数十秒)
• リップシンク・多言語吹替
• 編集・字幕の自動化(ラフカット・字幕生成)
• アバター解説動画(2Dキャラ掛け合い等)

AIエージェント能力アトラス 2026（2026-09-06 時点・v1.0）の1マスです。レベルは公開された実験・ベンチマーク・報告から付けた目安で、2027年以降は予測です。全マスに根拠のリンクがあります。作者は個人で、AI（Claude）と一緒に調べて作っています。