LTX Studio、LTXVとLTXV Turboにカメラ制御機能を追加
LTX Studioは動画生成モデル「LTXV」および「LTXV Turbo」向けにカメラモーション制御機能を追加した。あらかじめ用意されたカメラワークを選択することで、プロンプトだけに頼らず狙い通りの画角と一貫した映像を生成できる。
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
Runway、Act-Twoに「Voices」追加：キャラの声も自在に調整可能に
Runwayは動画生成機能「Act-Two」にVoicesを追加したと発表した。動きだけでなく声の表現も手軽に変更できるようになり、生成したキャラクターのイメージに合わせた演技演出が可能になる。
Qwen、画像編集モデル「Qwen-Image-Edit」発表：画像内文字の修正や180度回転に対応
Qwenは20B基盤の画像編集モデル「Qwen-Image-Edit」を公開した。フォントスタイルを維持したまま画像内の中英テキストを直接修正できるほか、物体の180度視点回転や局所的な要素編集に対応する。現在Qwen Chatの「Image Editing」機能から試すことができる。
ElevenLabs、開発者向け音楽生成「Eleven Music API」公開 商用利用に対応
ElevenLabsは開発者向けの「Eleven Music API」を公開した。許諾済みデータで学習されており、商用利用に対応しているのが特徴。同社によると、先行するEleven Musicではすでにクリエイターによって75万曲以上が生成されているという。
ElevenLabs、動画から音楽を一括生成する新機能を公開
ElevenLabsは「ElevenLabs Studio」に動画から音楽を生成する「Video-to-Music」機能を追加した。独自の「Eleven Music」モデルにより、動画の内容に合わせた専用の音楽をワンクリックで生成でき、そのまま音声や効果音を重ねて編集できる。
xAI、画像・動画生成「Grok Imagine」を期間限定で無料開放 音声付き15秒動画に対応
イーロン・マスク氏はxAIの画像・動画生成ツール「Grok Imagine」を世界中で期間限定で無料開放すると発表した。iOSとAndroidに対応し、OpenAIのSoraにはまだない音声付き15秒動画の生成が可能。xAIはGrok 4の無料提供も進めており、ユーザー獲得を加速させている。
Midjourney、StandardプランにHD動画生成を開放 コスト削減の小バッチ生成も追加
MidjourneyはStandardプランのユーザー向けにHD動画生成機能を開放しました。同時に動画を1〜2本単位で生成できる小バッチ指定（--bs 1など）を追加してコストを最大4分の1に抑えられるようにしたほか、ムードボードを独立ページに移動しました。
Higgsfield AIが「Draw-to-Video」を発表：手描きスケッチから動画を直接生成
Higgsfield AIは手描きのスケッチから直接動画を生成できる新機能「Draw-to-Video」を発表しました。MiniMax、Veo 3、Seedance Proなどのモデルに対応しており、プロンプト入力に頼らず直感的な構図で動画を作れます。
AI物語ゲーム「Hidden Door」早期アクセス開始：無敵チートを許さない設計
AIストーリーテリングプラットフォーム「Hidden Door」が早期アクセスを開始した。一般的な対話型AIとは異なり、無敵の武器を出して即座に勝利することはできず、世界観の制限やダイス判定に従って進める仕組みだ。生成待ちの長さや展開のぎこちなさは残るものの、制約による物語の深みを目指している。
Perplexityが動画生成を導入：Web・iOS・AndroidでPro/Max向けに提供
PerplexityはWeb、iOS、Android向けに動画生成機能を公開した。Proプランは月5本、Maxプランは高画質で月15本まで生成可能。検索アシスタントがテキスト回答の枠を超え、マルチメディア生成ツールへと拡張を続けている。
Suno、マルチトラック制作とMIDI出力に対応する「Suno Studio」を発表
Sunoはマルチトラックでの楽曲作成やMIDIデータへの書き出しに対応した「Suno Studio」を発表し、ウェイトリストの受付を開始した。ワンクリックでの楽曲生成にとどまらず、トラックごとの編集や柔軟な音作りを可能にする狙いだ。
Pika、音声駆動パフォーマンスモデルを発表：超リアルな表情を6秒以内に高画質生成
Pika Labsは音声駆動型の新しいパフォーマンスモデルを発表した。ほぼリアルタイムで超リアルな表情をレンダリングし、あらゆる長さやスタイルのHD動画を6秒以内に生成できる。従来より20倍高速かつ低コスト化されており、Pikaソーシャルアプリで間もなく提供される。
ElevenLabs、生楽器演奏とAI生成音源を融合するハイブリッド楽曲制作を披露
ElevenLabsは生楽器の録音とEleven Musicが生成したAI音源を組み合わせるハイブリッド楽曲制作を公開した。ワンショットプロンプトを使い、生のピアノ演奏にAI生成のバイオリンやボーカルを合わせるデモを披露している。
Midjourney、高画質「HD動画モード」をPro/Mega向けに提供開始
MidjourneyはProおよびMegaプランの有料会員向けに「HD動画モード」を公開した。従来のSD動画出力と比べて解像度のピクセル数が約4倍に向上する一方、生成コストは約3.2倍となる。最高水準の映像クオリティを求めるプロクリエイター向けの新機能だ。
Google Geminiに絵本作成機能が登場：文章から10ページの挿絵・朗読付き絵本を生成
GoogleはGeminiアプリで挿絵と音声ナレーション付きのパーソナライズ絵本を作成できる新機能を発表した。文章の入力や子どもの落書き・旅行写真のアップロードから、10ページのオリジナル本を自動生成できる。45以上の言語に対応し、デスクトップおよびモバイル向けに世界中で利用可能。
ElevenLabsが音楽生成AIを発表、ライセンス契約で商用利用クリア
音声AIのElevenLabsは音楽生成モデル「Eleven Music」を発表した。SunoやUdioが著作権侵害で提訴される中、同社はMerlinやKobaltとライセンス契約を結び、アーティストの合意に基づく学習と収益分配を明言。商用利用にも対応する。
Stability AI、企業向け「Solutions」発表 商品撮影やデザイン制作を効率化
Stability AIは企業向け生成AIプラットフォーム「Stability AI Solutions」を発表した。マーケティングや広告向けに、商品写真の背景変更、ブランドトーンの統一、ラフ画からのデザイン作成、IPを活用したデジタルツインなどを提供する。オンプレミスやAPI導入に対応し、広告大手WPPとの連携も進める。
xAI、画像・動画生成「Grok Imagine」公開 音声付き15秒動画や成人向けモードも
米xAIは「SuperGrok」およびXの「Premium+」契約者向けに画像・動画生成ツール「Grok Imagine」の提供を開始した。テキストから画像を生成し、音声を伴う最長15秒の動画を作成できる。一部の露出を許容する「スパイシーモード」も備えるが、過度な描写や著名人生成には制限がかかる。
Higgsfield AI、MiniMax「Hailuo」を導入 無制限無料生成と2万ドル賞金企画を開始
Higgsfield AIはMiniMaxの動画生成モデル「Hailuo」の導入を発表した。無制限の無料生成を提供すると同時に、賞金総額2万ドルの動画コンテスト「Higgsfield Max」を開催。8月17日まで作品を募集している。
Amazonが「AI界のNetflix」Fableに出資、指示文でアニメを作れるShowrunner公開
Amazon の Alexa Fund から出資を受けた Fable が、AI アニメ制作ツール「Showrunner」を公開した。指示文を入力するだけでアニメの場面や全編を生成でき、自分を登場人物にすることも可能。現在は Discord 経由で無料提供されている。