SAM 3.1

概要

SAM 3.1は、MetaのSegment Anythingモデルの最新版です。得られるのはマスクで、被写体がフレームのどこにあるかを示す白黒の画像です。ある1フレームで被写体を指すか、数語で説明すると、モデルがそれを見つけ、動いても離さずに追いかけます。素材とフレーム単位で重なるマスク動画が返ります。

これまで手間がかかったのは、この工程です。動く被写体を図形で囲むと、数フレームごとに描き直す必要があり、しかも形はぴったり合いません。トラッキングしたマスクがあれば、その被写体だけをグレーディング、ぼかし、ライティング、差し替えできます。ショットのそれ以外は、生成されたままです。縦型のショート動画で人物だけを際立たせたいとき、切り抜き動画の背景を替えたいとき、配信映像の一部だけを直したいときにも向いています。

MetaはSAM 3.1を2026年3月27日に、SAM 3の置き換えとして使える形で公開しました。Morphicへの追加は2026年11月4日です。

SAM 3.1は被写体をどう読むか

SAM 3は、Metaが「プロンプト可能なコンセプトセグメンテーション」と呼ぶ仕組みを導入しました。点や枠だけでなく、短いフレーズも受け取り、その概念に当たるものをすべて見つけます。Morphicでは両方を使えます。クリックと枠は「どこを見るか」を、フレーズは「何を探すか」を伝えます。同じショットにいる2人を分けたいときは、この組み合わせが効きます。Metaは限界も明記しています。効くのは短い名詞句で、「右から2冊目の本」のような長い構成の説明は扱えません。

3.1で進んだのは、これをまとめて処理する部分です。Metaによると、オブジェクトの多重化により、対象ごとの処理を重ねる代わりに、最大16個を1回のフォワードパスで追跡します。H100 GPU 1枚あたりのスループットは、毎秒16フレームから32フレームに上がります。

MorphicでのSAM 3.1

MorphicのタイムラインエディタComposeで、クリップを選んでTrack subjectのマスクを追加します。Copilotに追跡を頼む方法もあります。被写体がいちばんはっきり見えるフレームで指定し、Forward、Backward、Bothのいずれかを選ぶと、完成したマスクがクリップにマットとして付きます。このマットは、ぼかし、反転、ほかのマスクとの結合ができます。Canvasでは同じモデルが静止画を扱います。Auto-segmentは画像をレイヤーに分け、Separate as layerは1つのオブジェクトを取り出します。

すべてのオプションを順に追うならSAM 3.1のガイドを、モデルそのものより被写体の切り分けが目的ならAIロトスコープから始めてください。3.1で何が変わったかは、SAM 3.1とSAM 3の比較をご覧ください。