安価・高速・文化的配慮あり、インドの規模向けに設計された Avataar の動画 AI
Avataar は、コスト削減と処理速度の向上に加え、インドの文化特性を反映した動画生成 AI を開発し、同国の大規模な需要に対応する製品を発表しました。
Source Article
元記事を日本語で読む
本文に関係しない購読案内、埋め込み通知、サイト内プロモーションは除いています。
インドのAIモデル出力は、米国、欧州、中国と比較して遅れています。リリースされているのは数少ないスタートアップに限られており、そのほとんどが大規模言語モデルまたは音声モデルです。より多くの開発を促進するため、政府は「India AI Mission」を立ち上げました。これは約12億ドル規模のイニシアチブであり、選定されたスタートアップに公開モデルの提供と引き換えに、補助金付きGPU計算リソースへのアクセスを提供するなどの施策を含んでいます。このプログラムの12社に選ばれたスタートアップの一つであるAvataar AIは、ローカルコンテキストを理解するために構築された新しいビデオモデル「Varya」をリリースしました。これは、異なる祭りや食文化、衣装などを識別する能力を備えています。
Peak XVの支援を受けるこのスタートアップは、eコマース向けの動画ツール作成に注力しています。Varyaをゼロから構築したわけではありません。アリババが公開したビデオ生成モデル「Wan 2.2」を出発点とし、蒸留（distillation）と呼ばれる技術を用いました。これは本質的に、モデルの機能を圧縮し、Avataarの特定のユースケースに最適化された軽量で高速なバージョンへと変換する手法です。その結果、処理ステップがWan 2.2の50から4に削減され、動画生成速度は10倍になり、コストも大幅に低下しました。
これを具体的な数値で表すと、NVIDIA H200 GPU を使用して Varya は 5 秒間の 720p クリップを 45 秒で生成できます。一方、Wan 2.2 では 1,230 秒かかります。
Varya の最も印象的な側面は価格かもしれません。同社はホスト型サービスにおいて、動画の 1 秒あたり ₹0.48（約 0.005 ドル）を請求する計画です。これは通常 1 秒あたり 0.10 ドル以上を請求する Veo、Kling、Luma、Runway などのモデルと比較してはるかに安価であり、およそ 20 倍の価格差があります。
「インドは動画ファーストの市場です。インドにおける主要な消費者向けインターネット製品すべてでこの傾向が見られます：動画がテキストに勝ります。現在の AI 動画モデルは、インドでの人口規模での利用には高すぎます。動画 AI が学生、教師、中小零細企業（MSME）、クリエイター、企業、公共サービスにまで届くためには、コストを劇的に下げる必要があります。コストこそが、インドにおける AI の普及における最大の鍵です」と、Peak XV のマネージングディレクターである Rajan Anandan は TechCrunch に語りました。
画像および動画生成モデルは往々にして文化的なニュアンスを見落とし、ステレオタイプ的または汎用的な出力を生み出してしまいます。これは TechCrunch が以前 報じた問題 です。Avataar AI は、食品、衣類、建築様式、祭典など文化的なニュアンスを認識できるよう Varya を訓練するために、厳選されたデータを使用したと述べています。
Varya は、インド政府が運営する公開 AI モデルおよびデータセットの中央リポジトリである「India's AI Kosh ポータル」(https://aikosh.indiaai.gov.in/) でオープンウェイトモデルとしてリリースされます。これにはトレーニングデータも含まれるため、開発者は自前でホストしたり、自身のニーズに合わせて修正したりすることが可能です。Avataar はまた、このモデルを企業顧客にも提供する計画を立てており、Higgsfield や Adobe Firefly などの動画ツールとのパートナーシップにも前向きです。誰でも現在、同社のウェブサイト上でテキストプロンプトまたは参照画像を使用して試すことができます。
Varya の発表は、インドの AI への野望における根本的なトレードオフを反映しています。業界のベテランたちは、インドが基盤モデルで競うのではなく、アプリケーションの創出と堅牢な開発者エコシステムによって AI 分野で存在感を示すことができると指摘しています。そして、この現実主義には理由があります：計算資源（compute）の不足と高品質なデータ利用可能性の限界により、モデル開発はインドにおいてグローバルな競合他国よりも遅れているのです。
インドAIミッションは、この格差を埋めるためのより広範な政府の取り組みの一部でもあります。昨年、同ミッションはAvataar AIを含む12社のスタートアップを選定し、AIモデルの開発と低コストでの計算リソースを提供しました。今年初め、IT担当大臣のアシュウィニ・ヴァイシュナウ氏は、インドが2028年までにAI分野への投資を2,000億ドル（約30兆円）規模で誘致し、6ヶ月以内にGPUの処理能力を倍以上に引き上げることを目指していると述べています。
*当記事内のリンクを通じてご購入いただいた場合、私たちは少額のコミッションを獲得する可能性があります。これは当社の編集の独立性には影響しません。
Ivan氏はTechCrunchで世界の消費者向けテクノロジー動向をカバーしています。インドを拠点に活動しており、以前はハフィントンポストやザ・ネクストウェブなどの出版物で勤務していました。
Ivan氏への連絡や、 outreach（広報活動）の確認は、im@ivanmehta.com へメールを送るか、Signalの暗号化メッセージで ivan.42 までご連絡ください。
原文を表示
India’s AI model output has been slow compared to the U.S., Europe, and China. Only a few startups are releasing models, and most of them are large language models or voice models. To encourage more development, the government launched the India AI Mission, a roughly $1.2 billion initiative that — among other things — gives selected startups access to subsidized GPU compute in exchange for releasing their models publicly. One of the 12 startups selected for the program, Avataar AI, has launched a new video model called Varya that is built to understand local context — such as identifying different festivals, food, and clothing.
The Peak XV-backed startup, which focuses on creating video tools for e-commerce, didn’t build Varya from scratch. It started with Wan 2.2, a publicly available video generation model released by Alibaba, and used a technique called distillation — essentially compressing the model’s capabilities into a leaner, faster version optimized for Avataar’s specific use cases. The result is a model that runs in four steps rather than Wan 2.2’s 50, producing video 10 times faster and at a fraction of the cost.
To put that in concrete terms: using an NVIDIA H200 GPU, Varya can generate a 5-second 720p clip in 45 seconds, compared to 1,230 seconds for Wan 2.2.
The most striking aspect of Varya may be its price. The company plans to charge ₹0.48 ($0.005) per second of video on its hosted service — far cheaper than models like Veo, Kling, Luma, and Runway, which typically charge $0.10 or more per second. That’s a roughly 20x price difference.
“India is a video-first market. We see this across every large consumer internet product in India: video wins over text. Current AI video models are too expensive for population-scale use in India. If video AI is going to reach students, teachers, MSMEs, creators, enterprises, and public services, costs have to come down dramatically. Cost is the biggest unlock for AI adoption in India,” Peak XV’s managing director Rajan Anandan told TechCrunch.
Image and video generation models often miss cultural nuances and produce stereotyped or generic outputs — a problem TechCrunch has reported on before. Avataar AI says it has used curated data to train Varya to recognize cultural nuances including food, clothing, architecture, and festivals.
Varya will be released as an open-weight model onIndia’s AI Kosh portal — the Indian government’s centralized repository for publicly available AI models and datasets — along with its training data, meaning developers can self-host or modify it for their own needs. Avataar also plans to make the model available to its enterprise customers and says it is open to partnerships with video tools including Higgsfield and Adobe Firefly. Anyone can try it now on its website using text prompts or reference images.
Varya’s launch reflects a fundamental tradeoff in India’s AI ambitions. Industry veterans have noted that India can make its mark in AI by creating applications and a robust developer ecosystem rather than competing on foundation models. And there’s a reason for that pragmatism: model development has been slower in India than in global rivals due to a lack of compute and limited quality data availability.
The India AI Mission is also part of a broader government push to close that gap. Last year, it selected 12 startups — Avataar AI among them — to develop AI models and provided them with cost-efficient compute. Earlier this year, IT minister Ashwini Vaishnaw said India aims to attract $200 billion in AI investment by 2028 and more than double its GPU capacity within six months.
*When you purchase through links in our articles, we may earn a small commission. This doesn’t affect our editorial independence.*
Ivan covers global consumer tech developments at TechCrunch. He is based out of India and has previously worked at publications including Huffington Post and The Next Web.
You can contact or verify outreach from Ivan by emailing im@ivanmehta.com or via encrypted message at ivan.42 on Signal.
関連記事
今日のまとめ
AIデイリーブリーフで今日の重要ニュースをまとめ読み