【ITニュース解説】Ozil Goal AI: A Photo-to-Video Football Side Project

Ozil Goal AIは、たった一枚のポートレート写真から、サッカーのゴールシーン動画を自動生成するAIツールだ。これは、有名なサッカー選手メスト・エジルがかつて決めた劇的なゴールにインスピレーションを得て開発された、個人によるサイドプロジェクトである。システムエンジニアを目指す皆さんにとって、このような個人のアイデアがどのように具体的なサービスとして形になるのか、またどのような技術が使われているのかを知ることは、非常に良い学びの機会となるだろう。

このツールの基本的なアイデアは非常にシンプルだ。ユーザーが自分の顔が写った写真を提供すれば、サイトがその顔を使ってサッカーのゴールシーンを作り出すというものだ。多くのAIツールにあるような複雑な「プロンプト」と呼ばれるテキスト指示を考える必要はなく、また、利用するためにわざわざアカウントを作成する必要もない。これにより、誰でも気軽に、直感的に利用できるよう工夫されている。

サービスの利用の流れは非常に簡潔に設計されている。まず、人物がはっきりと写っている一枚の写真をアップロードする。次に、サッカーのユニフォームを四種類の中から選ぶか、あるいは写真に写っている元の服をそのまま使うかを選択できる。その後、生成された動画を受け取るためのメールアドレスを入力し、買い切りプランの中から好きなものを選んで支払い手続きに進む。支払いが完了すると、動画の生成が開始される。

生成される動画は、およそ15秒間の長さで、解像度は720p、そしてスマートフォンでの視聴に適した縦型（9:16）のMP4形式だ。動画が完成すると、指定したメールアドレスにプライベートな注文リンクが送られてくる。これにより、動画の生成中にユーザーがサイトを離れても、後でいつでもそのリンクから完成した動画を確認できるようになっている。このように、ユーザーが待つ時間をストレスなく過ごせるよう配慮されている点も、サービスの使いやすさを高める重要な要素だ。

作者は、特定のゴールシーンに特化したツールであるため、ユーザーの選択肢をより具体的にすることを重視している。例えば、「サッカーの服装を説明してください」といった抽象的なプロンプト入力を求めるのではなく、「ユニフォームを選択してください」という具体的な選択肢を用意することで、ユーザーはどのような結果が得られるかをより明確にイメージできる。これは、ユーザー体験を考慮した優れた設計と言えるだろう。

このWebアプリケーションを支える技術スタックも、システムエンジニアを目指す皆さんにとって興味深いものだろう。Webサイトのフロントエンド、つまりユーザーが直接触れる部分は、「TanStack Start」や「React」、「TypeScript」といったモダンな技術が用いられている。Reactはユーザーインターフェースを構築するためのJavaScriptライブラリで、TypeScriptはJavaScriptに型付けの機能を追加し、大規模な開発でのコードの品質と保守性を高める役割を果たす。

そして、このWebアプリは「Cloudflare Workers」というプラットフォーム上で動作している。Cloudflare Workersは、サーバーレス環境でプログラムを実行できるサービスで、高速かつスケーラブルなWebアプリケーションの構築に適している。データ管理には「D1」というデータベースサービスが、生成された動画ファイルなどの保存には「R2」というストレージサービスがそれぞれ利用されている。これらの技術は、すべてCloudflareが提供しており、Webサービスのインフラを効率的に構築・運用するために役立っている。

動画の生成そのものは、作者が独自に開発したAIモデルではなく、既存の「モデルAPI」が利用されている。APIとは、異なるソフトウェアやサービスが互いに連携するためのインターフェースのことで、これにより作者は動画生成という複雑なコア技術を一から開発することなく、外部のAIモデルの機能を自身のサービスに組み込むことができた。作者の主な作業は、この既存のAIモデルAPIを最大限に活用し、その周りにユーザーが利用しやすい「プロダクト」を構築することだった。具体的には、入力フローの設計、ユニフォーム選択機能の実装、支払いシステムの連携、注文状況の管理、そして動画の配信システムなどが含まれる。これは、既存の技術を組み合わせて新しい価値を生み出すという、現代のシステム開発において非常に重要なアプローチだ。

このOzil Goal AIが採用しているのは、「photo-to-video generation」、つまり「写真から動画を生成する」技術である。これは、既存のサッカー映像のどこかにユーザーの顔をはめ込む、といった単純な顔の置き換えとは異なる。AIが、提供された一枚の写真をもとに、一から新しい動画フレームを生成しているのだ。そのため、生成された動画では、写真の顔の似顔絵が完璧に保持されなかったり、選択したユニフォームや体の動きが現実と全く同じように再現されなかったりする場合がある。

作者は、このようなAI生成動画の限界を、ユーザーが料金を支払う前に明確に伝えることを重視している。そのために、ホームページには再生可能なサンプル動画が多数掲載されている。静止画で顔がどれほど似ているかを見るだけでは、動きの中でそれが自然に見えるかどうかは判断できない。特に、選手がターンする際の顔の動きや、ボールと足の連動など、動画ならではの要素は実際に動いているものを見なければ評価できないからだ。足やボールの位置が不自然にずれてしまう可能性も、サンプルを見ることで事前に把握できる。これにより、ユーザーは期待値と実際の出力の間に大きなギャップが生じることを防ぎ、安心してサービスを利用できる。

Ozil Goal AIは、メスト・エジル選手や特定のサッカークラブとは一切関係のない、独立したエンターテイメント目的のプロジェクトだ。個人のアイデアと技術が結びついて、このようなユニークなサービスが生まれていることは、システムエンジニアを目指す皆さんにとって大きな刺激となるだろう。

料金体系は、サブスクリプションではなく、一回限りの買い切り形式で、12.99ドルから利用できる。別途消費税などが加算される場合もある。興味があれば、公式サイトで無料でサンプル動画を試すことができるので、ぜひ実際にアクセスして、AIが生成するサッカー動画の世界を体験してみてほしい。

このように、Ozil Goal AIのプロジェクトは、最新のWeb技術とAI技術を組み合わせ、シンプルなアイデアを具体的なサービスとして実現している。既存のAIモデルをうまく活用し、その周りのユーザー体験を設計することで、複雑な技術を一般の人が手軽に利用できる形にしている点が、このプロジェクトの大きな特徴であり、システムエンジニアリングの面白さを教えてくれる好例と言えるだろう。