VBench (動画生成評価ベンチ)
読み: ぶいべんち
最終更新: 2026-07-15・AI PICKS編集部
定義
VBenchとは、動画生成AIの画質・一貫性・動きの自然さなど複数の観点を定量スコア化するオープンソースの評価ベンチマークのこと。
VBench (動画生成評価ベンチ)とは — 詳しく解説
VBenchとは、動画生成AIの出力品質を被写体の一貫性・動きの滑らかさ・背景の一貫性・美的品質・時間的なちらつきの少なさなど、16程度の評価軸で定量スコア化するオープンな評価ベンチマークとされる。Sora・Runway・KlingといったText-to-Video系モデルの性能比較で参照されることが多く、単一の総合スコアではなく軸ごとのレーダーチャートで強み弱みを可視化できる点が特徴とされる。ただし2026年時点の実運用では、VBenchのスコアが高いモデルでも日本語プロンプトへの指示追従性や、商用利用で問題になりがちな著作権・肖像権リスクは評価対象外という落とし穴がある。また多数の動画をGPUで生成・採点する計算コストがかかり、自前でフル評価を回すと相場感としてクラウドGPU代だけで数万円規模になりやすい。現場では公式リーダーボードの数値を一次情報として参照し、自社ユースケースに近いカテゴリのスコアだけを重点的に見る運用が現実的とされる。
VBench (動画生成評価ベンチ)の使用例
- VBenchの「動きの滑らかさ」軸で高スコアのモデルと低スコアのモデルを比較し、カメラワークが多い自社動画に近い軸を優先して選定する。
- 公式リーダーボードでSora・Runway・Klingの16軸スコアをレーダーチャートで見比べ、自社用途に近い軸だけ重点的に確認する。
VBench (動画生成評価ベンチ)に関連するAIツール
関連用語
「評価指標」の他の用語
Massive Multitask Language Understanding。 57 分野・1.5 万問の LLM 知識評価ベンチマーク。
OpenAI 発の Python コーディング能力ベンチマーク。 164 問の関数実装タスク。
ユーザー投票による LLM の人間評価ランキング。 Elo レーティングで モデルを順位付け。
ベンチマークとは、AIモデルの性能を標準化されたテスト課題で数値化し、異なるモデル間を公平に比較するための評価基準セットのこと。MMLUやHumanEval等、用途別に数十種類が存在する。
SWE-benchとはGitHubの実際のIssueをAIが自動修正できるかを測る、コーディングAI評価の業界標準ベンチマークのこと。
GPQAとは、生物・物理・化学の大学院レベルの難問でAIの推論力を測る評価ベンチマークのこと。Googleで検索しても解けない設計が特徴。
AI用語辞典をすべて見てみませんか
12カテゴリ・602語以上を体系的に整理しています
辞典トップへ