Suno活用のAIアーティストXania Monet、数億円規模のレコード契約を締結
米Billboardによると、Hallwood MediaがAI音楽プロジェクトXania Monetと数百万ドル規模の契約を結んだ。作詞を手がける創作者がSunoで楽曲を制作し、米ビルボードのR&Bデジタル販売1位、再生数980万回を記録している。
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。
新しいニュースを見る
Kling AIが新機能「Avatar」公開、リップシンク機能も刷新
Kling AIは新機能「Avatar」を発表した。定評のあったLip Sync（口パク）機能がアップグレードされ、Avatarモジュール内に統合された。より自然な人物動画の生成が可能になる見込みだが、リリース初期は利用枠が限定されている。
Udioが新機能「Voices」公開、曲をまたいだボーカル声質の固定が可能に
AI音楽生成のUdioがボーカルの一貫性を保つ新機能「Voices」を発表した。公式のプリセット音声を選べるほか、生成した楽曲の声を保存して別の楽曲に引き継ぐことができる。全ユーザー向けに2週間無料提供された後、有料プラン限定となる。
Copilot Labsに脚本モード登場：新音声モデルMAI-Voice-1で原文通り朗読
MicrosoftのCopilot Labsは新音声モデル「MAI-Voice-1」によるScriptedモードを公開しました。入力テキストを一言一句正確に読み上げるほか、抑揚を強めるEmotiveや複数役を演じ分けるStoryモードも提供され、表現の幅が広がります。
Stability AI、商用向け音声生成モデル「Stable Audio 2.5」を公開
Stability AI は企業向け音声生成モデル「Stable Audio 2.5」を発表した。GPU 上で 3 分の楽曲を 2 秒未満で生成可能で、音声インペインティングや多段階の曲構成に対応する。許諾済みデータのみで学習されており、ブランド向けの安全な商用利用を支援する。
ByteDance、画像編集AI「Seedream 4.0」公開 4K対応でNano Bananaに対抗
ByteDanceは画像生成・編集モデル「Seedream 4.0」を発表し、Krea AIや自社アプリ「即夢」などで提供を開始した。Google DeepMindの「Nano Banana」に対抗し、ネイティブ4K生成と画像編集に対応。推論速度は従来比で10倍以上向上している。
OpenAIが長編アニメ映画「Critterz」製作、ハリウッド参入へ
報道によると、OpenAIは長編アニメ映画「Critterz」の製作を進めており、2026年の劇場公開を目指している。GPT-5などのAIツールを主に活用し、制作期間わずか9カ月、3000万ドル未満の低予算で完成させることで、映画業界にAIの実用性を示す狙いだ。
GoogleがVeo 3を刷新：全般値下げに加え、1080pと9:16縦型動画に対応
Googleは動画生成モデル「Veo 3」と「Veo 3 Fast」のアップデートを発表した。生成価格を全面的に引き下げたほか、9:16の縦型動画や1080p解像度に対応。Gemini APIで本番環境向けの安定版となり、SynthID透かしも継続して付与される。
Robloxが4D生成AIを発表：プロンプトから「実際に運転できる車」を即座に作成
Robloxはの開発者会議で、インタラクティブなオブジェクトを生成できる「4D Objects」を発表しました。テキストからドアが開き実際に走る車などを自動生成できるほか、リアルタイム音声翻訳やMCP対応のAIアシスタントも追加され、メタバース制作の敷居が大幅に下がります。
Snapchat、自由なテキスト入力で画像生成できる「Imagine Lens」公開
Snapchatはテキストプロンプトで画像を生成・編集できる「Imagine Lens」を発表した。テンプレートにとらわれず自由な指示で画像を作れるのが特徴。現在は月額制のSnapchat+ PlatinumおよびLens+会員向けに提供されている。
Krea AI、リアルタイム動画生成モデル発表 描画やWebカメラから即座に映像化
Krea AIがリアルタイム動画生成モデル「Realtime Video」を発表しました。再生速度を上回る生成速度を実現し、キャンバスへの描画やWebカメラ映像、テキスト入力に合わせて一貫した動画がリアルタイムに変化します。長時間のレンダリング待ちをなくし、直感的な操作を可能にします。
PixVerseが動画生成AI「V5」公開、ユーザー1億人突破
PixVerseは新世代動画生成モデル「PixVerse V5」とAgent機能を発表し、ユーザー数1億人突破を公表した。V5は動きの滑らかさと画質を大幅に強化し、最速5秒で360p動画を出力できる。期間限定の無料開放も実施されている。
GoogleがGemini画像生成の公式指南を公開：キャラ維持や部分編集のコツを解説
GoogleはGeminiアプリ向けに画像生成・編集の公式プロンプトガイドを公開した。被写体や構図など6要素の指定法に加え、同一キャラの一貫性維持、対話による特定箇所の修正、因果関係を反映した動作生成の例を紹介。文字描画やアスペクト比の固定にはまだ課題が残るという。
HeyGenが「Avatar IV」発表：身振りや表情の癖まで再現するデジタルツイン
HeyGenはデジタル分身機能「Digital Twin」の基盤として最新モデル「Avatar IV」を導入した。本人の手振りや表情の癖、話し方を学習し、頭から足先まで自然な全身の動きを再現できる。カメラの前に立たずとも本人そっくりの動画が作れるようになり、すでに利用可能となっている。
Google、「Gemini」の画像編集を大幅強化 顔やペットの見た目を維持したまま合成・微調整が可能に
GoogleはGeminiアプリにGoogle DeepMindの最新画像編集モデルを統合した。人物やペットの見た目の一貫性を保持する精度が向上し、服装や背景の変更、複数写真の合成、継続的な部分修正が可能になった。生成・編集された画像にはSynthIDの電子透かしが付与される。
AdobeがGoogleのGemini 2.5 Flash画像モデルをFireflyとExpressに統合
AdobeはGoogleの「Gemini 2.5 Flash Image」をAdobe FireflyとAdobe Expressに導入した。テキストからの画像生成などで利用可能で、生成物はモデルの学習に使用されない。9月1日まで有料プラン向けに無制限生成キャンペーンも行われる。
音声と1枚の静止画から映画級の映像を作る「Wan-S2V」が登場
2025年、研究チームが音声駆動型の動画生成モデル「Wan-S2V」を発表した。1枚の人物画像と音声を合わせるだけで、自然な表情や身体の動き、プロ仕様のカメラワークを伴う同期動画を生成できる。動画品質や人物の一致度などの指標で既存モデルを上回る成果を示した。
Sync Labs、口元同期AI「Lipsync-2-Pro」公開 高解像度で髭やそばかすも保持
Sync Labsは動画内の発話に合わせて口元を自然に変更できるモデル「Lipsync-2-Pro」を発表した。高解像度動画の編集に対応し、そばかすや髭といった細かな肌の質感を崩さずにリップシンクを行えるのが特徴だ。
Higgsfield AIが「WAN 2.2」を導入：30種以上のプリセットで高速動画生成
Higgsfield AIはオープンソースモデル「WAN 2.2」の提供を開始した。動画と画像の両方に対応し、30種類以上のプリセットを備えることで、ワンクリックでの素早いレンダリングを可能にしている。
Runwayが「Game Worlds Beta」公開 リアルタイムで仮想世界を探索
動画生成AIのRunwayが「Game Worlds Beta」の提供を開始した。任意のキャラクターやストーリー、仮想世界をリアルタイムに探索できる環境を目指す。単なる映像生成にとどまらず、プレイヤーの選択によって世界が変化する新たな操作メカニクスの構築に挑んでいる。