本文へスキップ
IFAI

画像・動画生成

Midjourney、Sora、Veo、SunoなどAIによる画像・動画・音声・音楽生成の新モデルと新機能。

直近7日間で4件

  1. 拡散指数 48

    OpenAIが画像生成を刷新：生成速度4倍、構図を崩さず部分編集が可能に

    OpenAIは新版ChatGPT ImagesおよびAPI向けモデル「GPT Image 1.5」を公開した。画像生成速度が最大4倍に高速化し、元の照明や人物の容姿を保ったまま部分的な修正が可能になったほか、API価格も20%引き下げられた。サイドバーにはプロンプト不要で試せる専用スペースも新設されている。

  2. 拡散指数 31

    OpenAIの次世代画像モデルか？「Chestnut」「Hazelnut」がArenaに出現

    Design Arena および LM Arena に「Chestnut」と「Hazelnut」という未発表モデルが登場し、OpenAI の次世代画像モデルではないかと話題を呼んでいる。高い知識量や画像内コードの描画能力が確認されており GPT 5.2 との同時提供も噂されるが、公式発表はまだない。

  3. 拡散指数 31

    Kling AIが「Avatar 2.0」公開、最長5分の生成に対応し手ブレも改善

    Kling AIはデジタルヒューマン機能「Avatar 2.0」を公開した。1回の生成で最長5分の動画出力に対応し、長尺の解説や歌唱表現が可能になった。1.0で課題だった手の動きの乱れを大幅に改善したほか、カメラワークや表情の連動も強化。社内評価ではHeyGenを上回るスコアを記録したとしている。

  4. 拡散指数 39

    Kling AI、初のネイティブ音声生成対応モデル「VIDEO 2.6」を公開

    Kling AIは初となるネイティブ音声生成対応の動画生成モデル「VIDEO 2.6」を発表した。映像と整合性の取れた音声を同時に出力可能で、より豊かなマルチメディア表現を実現する。あわせてクリエイターとのコラボ短編映像も公開された。

  7. 拡散指数 42

    Runwayが「Gen-4.5」公開、動画生成ベンチマークで世界首位に

    Runwayは最新の動画生成モデル「Gen-4.5」を発表した。Artificial Analysisのベンチマークで1,247 Eloを獲得して首位に浮上。物体の質量や流体の挙動といった物理表現とプロンプト再現性が大幅に向上しており、全有料プラン向けに即日提供されている。

  13. 拡散指数 34

    ワーナー・ミュージックとStability AIが提携、許諾済みデータ基盤の音楽AI開発へ

    ワーナー・ミュージック・グループ（WMG）とStability AIが提携を発表した。完全許諾済みデータで学習した技術を基盤盤に、アーティストやプロデューサー向けのプロ仕様の音楽生成ツールを共同開発する。クリエイターの権利を保護しつつ、新たな表現と収益化を両立する倫理的エコシステムの構築を目指す。

  14. 拡散指数 31

    Metaが「SAM 3D」発表：2D画像から3D物体・人体を復元、重みもオープン化

    Metaは単一の2D画像から3Dオブジェクト、シーン、人体を高精度に再構築する新モデル「SAM 3D」を発表した。物体用のObjectsと人体用のBodyで構成され、モデルの重みと推論コードがオープンソースとして公開された。Playgroundで試せるほか、Facebook Marketplaceの家具配置機能にも導入される。

  15. 拡散指数 31

    OpenCV創業者によるCraftStory、最長5分の動画生成モデル「Model 2.0」を発表

    火曜日、OpenCVの創設陣が立ち上げた新興企業CraftStoryが、200万ドルの資金調達とともに「Model 2.0」を発表しました。従来の時系列生成ではなく並列拡散アーキテクチャを採用し、最長5分の人物動画を破綻なく生成できます。静止画と動作駆動動画を組み合わせる仕組みで、30秒の低解像度動画の生成には約15分かかります。

  16. 拡散指数 36

    Midjourneyがプロフィール機能を公開、初期設定でFast時間5時間を付与

    Midjourneyがユーザー向けのプロフィール機能を正式公開しました。アバターやバナー、SNSリンクの登録に加え、お気に入りの生成作品をピックアップして展示できます。24時間以内にプロフィールの完成と作品8点以上の登録を済ませると、5時間分のFast生成時間が付与されます。

  17. 拡散指数 51

    World Labsが初の商用世界モデル「Marble」公開、編集可能な3D環境を生成

    フェイフェイ・リー氏率いるWorld Labsは初の商用世界モデル「Marble」を発表した。テキストや画像、動画から永続的な3D環境を生成し、メッシュやガウススプラッティング形式で出力できる。レイアウトを先に手動調整してからAIに細部を描かせるハイブリッド編集にも対応する。

  18. 拡散指数 47

    Googleの次世代画像AI「Nano Banana 2」がリーク：4K出力と局所編集に対応

    Googleの次世代画像生成・編集モデル「Nano Banana 2」（コードネーム：GEMPIX 2）のプレビュー情報が浮上した。ネイティブ2K生成から4Kへのアップスケールに対応し、被写体の一貫性維持や自然言語による部分編集が強化されている。プロクリエイター向けに11月中旬より限定公開される見込みだ。

  19. 拡散指数 47

    Higgsfield AIが動画向け顔入れ替えツール「Recast」を発表

    Higgsfield AIは動画や静止画でキャラクターや顔を入れ替えられるツール「Recast」を発表した。骨格や肌色、角度を細かく調整して違和感を抑えられるのが特徴だ。ただし、制作現場レベルの自然な仕上がりを得るには複数回の調整が必要とされる。