テキストニュースを動画へ広げたい、しかし「報道品質」は落とせない

時事通信社は、長年にわたりテキストを中心にニュースを提供してきました。近年、ニュースの視聴・閲覧方法が多様化するなか、法人向けサービスでも、金融機関などに提供する記事を動画や音声で届ける仕組みを検討。既存のニュース資産を、利用場面に合わせた形で広げることが課題となっていました。

ただし、報道コンテンツでは「生成できること」以上に「正確に伝えられること」が重要です。

今回の取り組みでは、記事を書くのは記者・人であることを前提とし、AIが担う範囲を“完成した記事を動画へ変換する工程”に明確化しました。

さらに、ニュース動画を継続的に制作するには、読み上げ用原稿の調整、ナレーション、字幕、映像編集、書き出し、配信といった複数工程をつなぐ必要があります。

報道品質を守りながら、1本ずつの手作業に依存しない運用へ移行することが求められていました。

AI・プログラム・人を役割分担し、ニュース動画制作を“業務基盤”として再設計

MILIZEは、AIエージェントプラットフォーム「Dify」を中核に、生成AI、AIアバター、音声認識、動画生成・合成技術をAPI連携し、ニュース記事から動画生成・配信までを一つのワークフローとして設計しました。

単にAIアバターで動画を作るのではなく、継続運用を前提とした制作・配信パイプラインとして実装した点が本プロジェクトの特徴です。

• ニュース記事から動画用原稿へのAI変換

  記事本文を解析し、AIアナウンサーが読み上げることを前提とした原稿へ変換。数字、パーセント、為替・株価などの市況用語、固有名詞を重点的に検証。

• AIアナウンサー「時乃（TOKINO）」による動画生成

  表情、身体の動き、画角、服装、背景、アナウンサー名、字幕との位置関係まで検証し、ニュースとして自然に視聴できる品質を追求。

• 字幕の正確性を担保する仕組み

  音声認識結果を字幕本文としてそのまま利用せず、元原稿の文字情報と、音声解析から得た表示タイミングを組み合わせることで、専門用語や数字の誤変換を抑制。

• 背景・テロップ・ロゴを含めた自動合成

  AIアナウンサー、背景映像、字幕、テロップ、ロゴ等を自動でレイヤー合成し、完成動画を生成。

• 配信までを一気通貫で自動化

  完成した動画を所定の配信先サーバーへ連携し、記事を起点に配信工程までつながる継続運用可能な基盤を構築。



報道品質を守るための「線引き」

MILIZEは、すべてを生成AIに任せるのではなく、文脈に応じた解釈や自然な話し言葉への変換はAI、数字・日付・市況表現など決まったルールで扱う処理はプログラム、例外対応や品質改善は人、と役割を分担。AIの柔軟性とプログラムの再現性を組み合わせ、報道品質と継続運用の両立を図りました。

例えば「1日」は、文脈によって「ついたち」「いちにち」と読み方が変わります。ある表現を修正すると別の読み方にも影響が及ぶことがあるため、修正のたびに自動テストで確認する仕組みを導入。読み間違いを個別に直すだけでなく、継続的な品質改善を支える設計としました。

「AI動画を作る」から、「ニュース資産を継続的にマルチメディア化する」基盤へ

記事公開を起点に、動画用原稿、AIアナウンサー、字幕、映像合成、配信までを連続したワークフローとして処理できるようになりました。

これにより、テキストとして制作されたニュースコンテンツを、動画や音声など別のフォーマットへ継続的に展開できる基盤が整いました。

開発過程では、年齢層に応じて読み上げ速度を調整。また、金融機関の利用者が取引画面を見ながら、耳でニュースを確認したいというニーズも把握しました。

動画に加えて音声ファイルを提供することで、テキストを目で読む以外の情報接触にも対応。

今後はWebサイト・アプリやオフィスのデジタルサイネージなど、多様な接点への展開も期待されています。