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 53

    Suno、音声朗読と音楽を同時生成する「Speech」ベータ版を公開

    Sunoは、テキストから音声朗読とオリジナルの音楽をまとめて1本のトラックとして生成するモデル「Speech」のベータ版を全ユーザーに公開した。文章を入力し、声質や音楽スタイルを指定するだけで完成する。音声合成と音楽制作を1つのプロンプトに統合した。

  3. 拡散指数 41

    AI動画の一貫性を保つ「Mosaic Chunk」公開：画面外の物体も忘れない記憶技術

    今週、AI動画生成向けの記憶システム「Mosaic Chunk」のコードとモデルがオープンソース公開された。過去の全フレームではなく重要特徴を選択的に記憶・再呼出しすることで、物体が画面から消えても一貫性を維持する。MiniMax H3およびLing World Infinityベースのモデルがローカルで利用可能だ。

  4. 拡散指数 41

    Ideogram 4.5公開、複数回の編集でも劣化しない高精度画像編集モデル

    Ideogramは画像編集モデル「Ideogram 4.5」を公開した。編集を繰り返すことで生じるノイズや色のズレを防ぎ、最大2420万画素の高解像度画像の切り抜き編集とシームレスな合成に対応する。同社のWebアプリ、MCP、APIで提供されており、1枚あたり0.008ドルから利用できる。

  6. 拡散指数 42

    ElevenLabsが「Eleven v4」公開：10秒で音声複製、遅延100msのTurbo版も

    ElevenLabsは感情表現を強化した音声合成モデル「Eleven v4」と低遅延版「Eleven v4 Turbo」を発表した。タグ指定で感情や笑い声を細かく制御でき、10秒の音声から複製が可能。90以上の言語に対応し、約100msの推論遅延で対話エージェントを自然に動かせる。

  7. 拡散指数 38

    Midjourney、Alpha版を刷新：スタイルのリアルタイムプレビューやデフォルト引数保存に対応

    MidjourneyはWeb Alpha版の大型アップデートを公開した。プロンプトに応じたスタイルのリアルタイムプレビューや待望のデフォルトパラメータ保存機能を追加。生成フィードのUI刷新やエディタのv8.1/v8.2対応に加え、韓国語の正式サポートも全ユーザー向けに提供を開始した。

  8. 拡散指数 43

    Google Vidsが全ユーザーに無料開放：Gemini Omni 1.1で1080p動画生成に対応

    GoogleはGoogleアカウントを持つ全ユーザー向けに「Google Vids」を無料開放した。Gemini Omni 1.1 Flashを搭載し、1080pのHD動画生成や一貫性を保ったシーン延長、秒単位でのクリップ長指定に対応する。生成動画にはSynthID透かしが埋め込まれ、100言語対応のAI音声機能も順次追加される予定だ。

  9. 拡散指数 41

    動画に直接話しかけて割り込める新媒体、対話型デモ「ACTx486」公開

    既存の動画を対話可能な新媒体へ変換する研究デモ「ACTx486」が公開された。ポッドキャスト再生中に画面をタップして質問を挟んだり言語を切り替えたりでき、出演者が応答した後に元の映像へと戻る。現在は1回の生成に数分を要するため動画は事前生成されたもので、開発チームは応答時間を6秒未満に縮めることを目指している。

  10. 拡散指数 37

    Leonardo.Ai、複数シーンでキャラとブランドの一貫性を保つ「Leonardo Agent」公開

    Leonardo.Aiは新ツール「Leonardo Agent」を公開した。1つのアイデアから、キャラクターや実写風シーン、アルバムアート、広告など、複数の生成画像にわたり同一のアイデンティティを維持できる。画像生成AIの課題だった一貫性を保ちやすくなる点が注目される。期間限定で追加費用なし（通常トークン消費）で利用可能。

  17. 拡散指数 36

    Prime Video、口の動きを声に合わせるAIリップシンク機能を導入

    Prime Videoは吹替音声に合わせて俳優の口の動きをAIとVFXで自然に同期させる技術を発表した。世界的人気ドラマ『マクストン・ホール』のシーズン1・2の英語吹替版で提供が始まっており、12月9日配信のシーズン3にも適用される。今後は他作品への展開も予定している。

  18. 拡散指数 55

    Suno、正規ライセンス学習の「v6」音楽モデルを発表　旧モデルを順次廃止へ

    米SunoはWarner MusicやBMGなどの正規ライセンス楽曲で学習した音楽生成AIモデル群「Suno v6」を発表した。著作権訴訟が相次ぐ中、従来モデルを廃止して移行を進める。プロンプトによる楽曲の部分編集や楽器の分離抽出に対応し、有料版のv6とv6-wild、全ユーザー向けのv6-miniを提供する。