AIエージェントを活用した動画編集プラットフォーム「Mosaic」は、従来のタイムライン型の編集ソフトとは異なり、AIエージェントがユーザーの指示に基づいて自律的に編集作業を行う自律型編集パラダイムを採用しているのが特徴です。開発者は元テスラのエンジニアであるアディッシュ・ジェイン氏とカイル・ウェイド氏で、2人はこのツールを「動画編集版のCursor」と呼んでいます。

Mosaic | Agentic AI Video Editing Platform

https://mosaic.so/

Adish Jain on Reinventing Video Editing with Mosaic’s AI Agents | Interview | AIPressRoom

https://aipressroom.com/adish-jain-mosaic-interview/

Mosaic開発のきっかけは、ジェイン氏とウェイド氏が個人的にYouTube動画を作成しようとした時のこと。2人は街中を走るサイバートラックを数えるという動画を作ろうとしましたが、撮影後の膨大な映像素材から特定のシーンを探し出し、手作業で編集することに多大な労力とストレスを感じたそうです。

一般的によく使われるAdobe Premiere ProやDaVinci Resolveといった既存の編集ソフトは機能が複雑で、簡単な操作をするのにも検索が必要になるなど、学習コストが高いことが課題です。Mosaicは、動画編集作業の煩雑さと学習コストを解消し、クリエイターがストーリーテリングに集中できるようにするために開発されました。

Mosaicの最大の特徴は、従来の編集ソフトのような「タイムライン」ではなく、機能を持ったブロック(ノード)をつなぎ合わせて編集フローを構築する「キャンバス」を採用している点です。このキャンバス上に「カット」「字幕生成」「Bロール挿入」などの機能を持つタイルを配置し、それらを線でつなぐことで、AIエージェントに一連の作業を自動実行させることができます。



また、MosaicのAIエージェントはマルチモーダル能力を持っています。これは、AIが動画内の映像と音声、すなわち視覚と聴覚の両方を人間のように理解できることを意味します。たとえば、AIエージェントに「犬が映っているシーンを強調して」と指示すれば、AIは映像から犬を認識し、適切なエフェクトや字幕を自動で適用します。単に無音区間をカットするだけの従来のAIツールとは異なり、動画の内容や文脈を理解した高度な編集が可能というわけです。



Mosaicは初心者だけでなく、プロの制作フローにも対応しています。Google Veo 3やKling 1.6、Gemini 2.5 Proといった最新の生成AIモデルが統合されており、高品質な映像生成や音声合成が可能。さらに、作成した編集データはDaVinci ResolveやAdobe Premiere Pro、Final Cut ProへXML形式でエクスポートできるため、Mosaicで大枠を自動編集した後、使い慣れた既存ソフトで微調整を行うといった連携もスムーズに行えます。

また、同じ素材から異なるパターンの動画を同時に生成し、A/Bテストを行う機能も備えています。これにより、企業やマーケティング担当者は、最も効果的な動画コンテンツを効率的に見つけ出すことができます。



ジェイン氏は、将来的に「A.R.G.O.(A Really Good Opinionated agent：本当に優秀で独自の意見を持ったエージェント)」と呼ばれる、クリエイティブセンスを持ったAIエージェントの実現を目指していると述べています。これは、単に指示に従うだけでなく、AI自らが「良い動画」を作るための提案や判断を行い、撮影から配信までをシームレスに支援するパートナーのような存在を想定しているそうです。

なお、記事作成時点でMosaicはベータ版が公開されていますが、AI機能を十分に利用するためには月額25ドル(約2800円)から、あるいは年額500ドル(約7万5000円)のサブスクリプションプランに登録する必要があります。