CineGraph Link™

映像の誰・どこ・何を世界の知識と同期。Wikidata/Schema連携で誤同定を防ぎ、AIの理解を深め、ブランドの語りを正しく届けます。

—映像の中身（だれ・なに・どこ・いつ）を、世界の知識グラフと正確に同期し、AIに誤解されない動画へ。

サービスの特徴

　映像内に現れる 人物・製品・地名・組織・作品名 等を 時刻付きで正規のID（Wikidata QID など）に結び、JSON‑LD/Schema.org に実装。

　Google等の検索で Key Moments（章立て）や 知識パネル が正しく出る土台をつくり、生成AI/検索AIが 誤同定・誤要約しにくい状態 を作る。動画を AIが参照しやすい一次データ に昇格させる。

　Key Moments は VideoObject + Clip/SeekToAction の構造化データで公式にサポート。自動検出もあるが、サイト側のマークアップを優先的に採用と明記。

技術アーキテクチャ

マルチモーダル抽出（検出）

（１）音声→テキスト（ASR）
　長時間・多言語でも堅牢な Whisper 系 ASRで下地となる全文字幕を生成（話者分離は別系統で付与）。Whisper は 68万時間以上の弱教師データで学習され、多言語・翻訳も可能。

（２）テキスト由来の固有表現抽出（NER）
　ASR文字起こしから 人名・組織・地名・製品 などの候補を抽出（BERT/多言語モデル等）。

（３）映像フレーム由来の手掛かり

　　　顔・登場人物の同定
　　　　映画・ドラマの登場人物同定は、顔特徴と音声特徴の統合が有効（例：マルチモーダルでキャスト同定）。

　　　ロゴ/ブランド・製品検出
　　　　LOGO-Net/OpenLogo 等の大規模データセットで学習された検出器を活用。

　　　映像内テキスト（OCR）
　　　　EAST/CRAFT/Rosetta などのシーンテキスト検出・認識で、肩書・型番・場所名の写植から根拠取得。

　　　効果音・イベント（任意）
　　　　AudioSet/VGGSound の分類器で音イベントをタグ付け（アラーム音＝安全関連…など）。

テキスト × 画像/音声のクロスエビデンスを持つと、後段のリンク精度が顕著に上がる（顔+字幕の一致、ロゴ+台詞の製品名一致など）。

エンティティ同定（リンク付け）

候補生成（候補リスト）
　Wikipedia/Wikidata 由来の大語彙を対象に、DBpedia Spotlight のようなリンク基盤や、BLINK（dense retrieval）/ mGENRE（多言語生成型EL）で高速に候補を引く。

候補選別（判定）
　文脈ベクトル一致 + 表記ゆれ一致 + 視覚エビデンスの有無（顔/ロゴ/OCR）+ 集合的一貫性（同一クリップ内の他エンティティとの連関）を総合スコア化。集合的一貫性は AIDA 系以来のグラフ整合（Loopy BP, ランダムウォーク, 中心性最大化等）で性能が向上することが知られる。

多言語・別名
　Wikidata は QID（永続ID） に対しラベル・説明・別名（Aliases） を管理。別名を網羅しておくと曖昧名解消が安定する。

時間的整合（「いつ」の付与）

すべてのリンクに 開始・終了の時刻（00:MM:SS） を付与。
　Web標準では Media Fragments URI（#t=開始,終了） があり、SeekToAction/Clip と合わせて 「深いリンク」 を公開可能。

字幕・章情報は WebVTT を基盤に持ち、外部注釈は W3C Web Annotation Data Model でやり取り可能。

CineGraph（映像の知識グラフ化）

　クリップ内の 人物・物・場所・行為 を 時空間グラフ（ノード：実体／エッジ：関係） として表現。
研究領域では Video Scene Graph Generation が発展中（サーベイ、Diffusionベース、時間的関係表現の最新動向）。

　映画理解の文脈では MovieGraphs のようなデータセットも整備され、ストーリー→シーン→関係 の階層表現で高次の推論が可能に。

公開フォーマット（検索・AIに効く実装）

　Schema.org の VideoObject に Clip を hasPart でぶら下げ、各Clipに startOffset/endOffset、name（見出し）、about/mentions（対象実体）を付与。実体側は sameAs で Wikidata QID 等の 正規ID にリンク。SeekToAction を併用すれば、URLパターンに従って Key Moments を自動表示。

　製品には GTIN / GS1 Digital Link を使うと検索面・小売面との照合が強くなる。

　Google/Freebase→Wikidata 橋渡し
　　Wikidata の Freebase ID (P646) / Google KG ID (P2671) により、検索側のエコシステムとID連携が可能。

推論式の一例
スコア設計の考え方

　各候補エンティティ eee に対し、スコアは多項目の線形結合や学習到達した小規模ネットで推定

$$SS(e)=\lambda_1 \text{(文字列一致)}+\lambda_2 \text{(文脈ベクトル内積)}+\lambda_3 \text{(視覚証拠)}+\lambda_4 \text{(音声/音響証拠)}+\lambda_5 \text{(グラフ整合)}$$

　最後の グラフ整合 は、同一シーンに共起する他候補との整合性を Loopy BP / Personalized PageRank / 中心性最大化 で最適化するのが定石。

なぜ「AIモード」に効くのか
研究背景に基づく示唆

　EL（Entity Linking）を前処理に入れるとQA/要約性能が上がる ことは複数研究で示唆。Metaの ELQ でも、QAコンポーネントの性能改善を確認。

　知識グラフとLLMの統合（GraphRAG等） は、幻覚（hallucination）抑制・理由付け精度 の改善に効くとされる。CineGraph で 動画→時空間ナレッジグラフを作ると、この外部知識として直接使える。

主要納品物
Leonard Pictures® の実装セット

エンティティ表
　ID（QID/GTIN等）・別名・属性・参照リンク（公式サイト P856 など）。

シーン別エンティティ出現マップ（00:MM:SS–）
　誰がどこで何を。

JSON‑LD（VideoObject/Clip/SeekToAction）
　サイト/LP/YouTube 併用の実装支援

運用ガイド
　更新手順／命名規約／別名管理（Wikidata Aliases の方針に準じる）。

サンプル簡略 JSON‑LD 抜粋

JSON

{
  "@context": "https://schema.org",
  "@type": "VideoObject",
  "name": "製品Xの安全設計 解説ムービー",
  "contentUrl": "https://example.com/videos/product-x.mp4",
  "uploadDate": "2025-07-15",
  "about": [{
    "@type": "Product",
    "name": "製品X",
    "gtin13": "4901234567890",
    "sameAs": ["https://www.wikidata.org/wiki/Q123456"]
  }],
  "mentions": [{
    "@type": "Organization",
    "name": "Acme Corp.",
    "sameAs": ["https://www.wikidata.org/wiki/Q78910"]
  }],
  "potentialAction": {
    "@type": "SeekToAction",
    "target": "https://example.com/videos/product-x?t={seek_to_second_number}",
    "startOffset-input": "required name=seek_to_second_number"
  },
  "hasPart": [{
    "@type": "Clip",
    "name": "衝突試験の結果",
    "startOffset": 75,
    "endOffset": 135,
    "about": [{
      "@type": "Thing",
      "name": "衝突安全",
      "sameAs": ["https://www.wikidata.org/wiki/Q1703740"]
    }]
  }]
}

{
  "@context": "https://schema.org",
  "@type": "VideoObject",
  "name": "製品Xの安全設計 解説ムービー",
  "contentUrl": "https://example.com/videos/product-x.mp4",
  "uploadDate": "2025-07-15",
  "about": [{
    "@type": "Product",
    "name": "製品X",
    "gtin13": "4901234567890",
    "sameAs": ["https://www.wikidata.org/wiki/Q123456"]
  }],
  "mentions": [{
    "@type": "Organization",
    "name": "Acme Corp.",
    "sameAs": ["https://www.wikidata.org/wiki/Q78910"]
  }],
  "potentialAction": {
    "@type": "SeekToAction",
    "target": "https://example.com/videos/product-x?t={seek_to_second_number}",
    "startOffset-input": "required name=seek_to_second_number"
  },
  "hasPart": [{
    "@type": "Clip",
    "name": "衝突試験の結果",
    "startOffset": 75,
    "endOffset": 135,
    "about": [{
      "@type": "Thing",
      "name": "衝突安全",
      "sameAs": ["https://www.wikidata.org/wiki/Q1703740"]
    }]
  }]
}

（Clip/SeekToAction と #t= の連携で Key Moments を確実化。製品は GTIN 併記が有効。）

ビジネス上のメリット
導入企業のKPIに直結

（１）検索可視性の向上

　Key Moments／動画のリッチ結果が出やすくなる → SERPの占有とクリックの増大。

（２）ブランド・製品の誤解リスク抑制

　同名異人/類似製品の 誤同定・誤要約 を前もって防ぎ、ナレッジパネルの正規化 を促す（sameAs/GTIN/公式リンク）。

（３）生成AI時代の引用される一次情報化

　LLM/検索AIが参照する際の 根拠（時刻・URLフラグメント） を提供 → AI回答からの遷移率 を高める。Media Fragments と SeekToAction の併用で 秒単位の深いリンク を提供。

（４）社内外のナレッジ活用（GraphRAG 連携）

　動画を 時空間知識グラフ として可視化・検索。社内QA/営業支援ボット の精度改善・幻覚抑制に寄与。

（５）グローバル展開

　Wikidataの多言語ラベル/別名で 多言語SEO・多言語要約 の下支えに。

推奨KPI例

　実体同定精度（EL micro‑F1）、誤要約率、Key Moments表示率、深いリンク起点の再生割合、ブランド名検索のパネル充実度、AI回答→該当クリップへの遷移率、商談化率。

リスクと対策

ASRの幻覚・誤聴
　Whisper等でもゼロにはならないため、重要固有名詞の監査ループ（字幕レビュー/対訳表）を運用に組み込む。

同名衝突
　Wikidataの Aliases や公式サイト（P856）・外部ID（GTIN等）で 正規IDを冗長化 し、集合的整合で補強。

仕様逸脱
　Schema.org/Googleガイドラインの更新に追随（特に SeekToAction/Clip）。

導入の実務

（１）要件定義
　対象動画・対象実体の優先度、既存ナレッジ（製品DB/IR情報）整理。

（２）自動抽出 → 半自動EL → ヒューマン監査
　重要箇所は校正。

（３）JSON‑LD/構造化データ実装（サイト/LP/YouTube）と メディアフラグメント深いリンク 配備。

（４）サーチコンソール/ログで A/B 計測
　Key Moments 表示、遷移、完了。

（５）GraphRAG 連携（任意）
　社内検索/営業支援の強化。

　CineGraph Link™ は、動画の内容を 世界標準の実体IDと時間情報 で裏打ちし、検索・LLM・社内外ナレッジ の全方位で正しく発見され、正しく参照される状態を作ります。

　「露出 → 視聴 → 信用 → 商談」 のパイプを、構造化データと知識グラフで最短化する、それが本サービスのコア価値です。

映像制作料金表

データ科学×映像／動画／映画／AI‑Native Film™／AnswerClip™ Studio／CineGraph Link™

サマリー（カテゴリ別）

カテゴリ	概要	価格レンジ（税別）
データ科学に基づく映像制作	アナリティクス×映像。検索意図/QFO設計、仮説検証、計測ダッシュボードまで含むデータ駆動型制作。	¥3,500,000〜¥12,000,000（コンサル）＋制作費別
動画制作（企業VP/製品・採用など）	通常の映像制作。HDR対応、短尺セット、字幕等。	¥5,800,000〜¥22,000,000〜
映画制作（短編/長編/シリーズ）	ブランデッド映画・ドキュメンタリー等。	¥28,000,000〜¥180,000,000〜
AI‑Native Film™	AI理解前提の構造化映像。Clip/SeekToAction/深いリンク搭載。	¥6,800,000〜¥25,000,000
AnswerClip™ Studio	質問に≤15秒で答えるクリップの量産運用。	初期¥1,800,000＋¥260,000〜¥380,000 / 本（ボリュームで変動）
CineGraph Link™	映像内エンティティのWikidata/Schema連携と時刻同期。	初期¥1,800,000＋対象数に応じ加算／運用¥700,000〜/月

※ 正式見積は要件定義後にSOW（作業分解）で確定します。

データ科学に基づく映像制作
（アナリティクス×映像）

プラン	期間	費用（税別）	主な成果物
DS‑Insight Starter	3週間	¥3,500,000	検索意図×QFOマップ、KPI基準、テスト設計、クリエイティブブリーフ×1、改善バックログ
DS‑Growth Intelligence	6週間	¥6,800,000	上記＋簡易予測（視聴→CV）、ブリーフ×3、計測設計、ダッシュボード初期構築
DS‑Enterprise Intelligence	10週間	¥12,000,000	上記＋MMM‑lite/LTV考慮、運用設計、内製化トレーニング（1日）

制作費は別。AI‑Native Film™/AnswerClip™/CineGraphと組み合わせると最大効果。

動画制作
（企業VP／製品・採用／PR など）

パッケージ	目安尺/撮影	料金（税別）	同梱物
Essential	4–5分 / 撮影1日	¥5,800,000〜	本編、短尺3本、6K/HDR、編集2回
Standard	6–8分 / 撮影2–3日	¥9,800,000〜	本編、短尺6本、6K/HDR、カラー、編集3回
Premium	8–10分 / 撮影3–4日	¥15,000,000〜	本編、短尺10本、HDRグレーディング、5.1ch
Flagship	12–15分 / 撮影4–5日	¥22,000,000〜	本編、短尺15本、HDR/5.1ch、キービジュアル

映画制作
（ブランデッド映画／ドキュメンタリー／シリーズ）

カテゴリ	尺	料金レンジ（税別）	同梱物
Short Brand Film	10–15分	¥28,000,000〜¥45,000,000	企画/脚本/撮影3–5日/編集/カラー/5.1ch/キービジュアル
Feature Documentary	60–90分	¥85,000,000〜¥180,000,000	長期取材/撮影10–25日/編集12–20週/カラー/整音
Episodic Series	3×20分等	¥65,000,000〜¥120,000,000	企画/脚本/撮影複数ブロック/シリーズ統一デザイン/配信設計

劇中曲権利・大規模美術・長距離ロケは別途見積。

AI‑Native Film™
（AI前提の構造化映像）

パッケージ	目安尺/撮影	料金（税別）	同梱物
Essential	6–8分 / 撮影1–2日	¥6,800,000〜	本編、短尺5本、タイムコード台本、時間根拠つき要約、JSON‑LD(Clip/SeekToAction)、深いリンクURL、編集2回
Standard	6–8分 / 撮影2–3日	¥12,000,000〜	上記＋短尺10本、キービジュアル、編集3回
Flagship	10–15分 / 撮影4–5日	¥25,000,000〜	上記＋短尺20本、HDR/5.1ch、編集4回

AnswerClip™ Studio
（質問に≤15秒で答える）

ボリューム/項目	仕様	単価（税別）	備考
8–9本	≤15秒 / 16:9, 9:16	¥380,000 / 本	数値/出典オーバーレイ、本編への深いリンク導線
10–19本	同上	¥345,000 / 本	—
20–49本	同上	¥300,000 / 本	—
50本〜	同上	¥260,000 / 本	同上＋軽微テンプレ差し替え可
セットアップ（初回）	—	¥1800,000	Q&Aマップ整備、テンプレ設計、命名規約
月額運用（任意）	30本/月	¥6,600,000 / 月	編集/配信/レポート

CineGraph Link™
（映像×知識グラフ連携）

項目	仕様	料金（税別）	備考
初期セットアップ	スキーマ定義/運用手順/データモデル/実装テンプレ	¥2,500,000	—
20エンティティ	QID/別名/属性/参照・時間範囲	＋¥1,800,000	シーン別出現マップ含む
50エンティティ	同上	＋¥3,800,000	—
100エンティティ	同上	＋¥6,800,000	—
月次運用	差分更新・監査	¥500,000〜 / 月	ボリュームに応じ見積

オプション（共通）

オプション	料金（税別）	備考
多言語字幕パック（長尺≤10分）	¥350,000 / 言語	翻訳/字幕SRT/校正。10分超は +¥25,000/分
ナレーション（プロ）	¥180,000 / 言語（〜10分）	以降 +¥12,000/分
高度モーショングラフィックス	¥500,000〜	尺・難易度で見積
3D/CGI/VFX	¥800,000〜	ショット数・難易度で見積
スチル撮影（同時）	¥180,000 / 日	RAW現像20点含む
BGMライセンス（プレミアム）	¥120,000〜	曲数・媒体で変動
有名タレント/専門家出演	別途見積	キャスティング/肖像権/拘束に依存
配信セットアップ	¥150,000〜	サムネ/説明/タグ/公開・計測設定
DeepLink Factory™（既存動画）	¥800,000/本 + ¥30,000/分	ショット分割/字幕/時間根拠要約/JSON‑LD/深リンク

日当・機材

日当（税別）、機材（税別/日）が必要な場合、別途見積。

条件・ポリシー（抜粋）

支払条件（標準）
　着手時支払い（月額は月末締翌月払い）

リードタイム目安
　Essential 3–6週 / Standard 6–10週 / Flagship 8–14週

リビジョン
　各パッケージの編集回数超過は追加見積

超過稼働
　撮影日10h超は+25%／急ぎ対応は+30%

実費
　出演者・音楽権利・ロケ/美術・保険・旅費/宿泊は別途

権利
　使用範囲・期間・地域をSOWで定義（拡張は差額）

秘密保持
　相互NDA対応