Sunoがv4.5を公開：最大8分の楽曲生成に対応、ボーカル表現も大幅進化
Sunoは有料プラン向けに「v4.5」を公開した。感情豊かなボーカル表現や異ジャンルの融合に対応したほか、延長機能を使わずに1回のプロンプトで最大8分のフル楽曲を直接生成できるようになった。
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
Pika、新エフェクト「Pikaffects」公開：ピンク髪・超ロング・スキンヘッドに一発変換
PikaはWeb版およびiOSアプリ向けに新機能「Pikaffects」のヘアスタイルエフェクトを公開した。ピンク髪や超ロングヘア、スキンヘッドへワンクリックで加工できる。手軽にユニークな映像を作りたい人にうってつけの機能だ。
Krea AI、視覚的プロンプトツール「GPT Paint」公開 図形や注記でChatGPTに指示
Krea AIは新機能「GPT Paint」を発表した。「Krea Image」内で利用可能で、描画マークや基本図形、メモ、参考画像を使ってChatGPTへ視覚的にプロンプトを入力できる。テキストだけでなく手書きスケッチで直感的に指示を出せる点が特徴だ。
MidjourneyがV7モデルを更新：手の描写改善、新エディターと実験的「--exp」引数を追加
MidjourneyがV7モデルをアップデートし、手の構造や構図の一貫性、プロンプト忠実度を向上させた。あわせてスマートセグメンテーション対応の新ライトボックスエディターを実装し、トーンマッピングやダイナミックなディテールを調整できる実験的パラメータ「--exp」も追加している。
Runway、「Gen-4 References」を提供開始 画像でキャラの一貫性を維持
Runwayはすべての有料プラン向けに「Gen-4 References」の提供を開始した。写真や生成画像、3Dモデルなどを参照元にすることで、異なるシーンでも一貫したキャラクターや背景を生成できる。映像制作時のキャラ崩れを防ぐ待望の機能だ。
Freepik、商用ライセンス画像のみで学習したオープン画像AI「F Lite」公開
FreepikはFal.aiと共同開発した100億パラメータのオープン画像生成モデル「F Lite」を発表した。約8000万枚の商用ライセンス画像のみで学習しており、著作権リスクを回避できるのが特徴。標準版と質感重視版の2種類を提供するが、動作には24GB以上のVRAMが必要となる。
Natasha Lyonneが新作映画を監督：許諾済みAIモデルMareyを活用
俳優のNatasha Lyonneが新作映画『Uncanny Valley』の監督・主演を務めると発表された。本作の映像制作にはMoonvalleyの動画生成モデルMareyが採用される。クリエイターに対価を支払った許諾済み素材のみで学習した点が特徴だが、公開時期は未定だ。
生数科技が「Vidu Q1」公開、首尾フレーム補間と48kHz音響生成に対応
生数科技が動画生成AIモデル「Vidu Q1」を発表した。関連性のない画像同士を滑らかにつなぐ補間機能や1080p動画生成に対応する。さらに業界初となる48kHzの音響同期生成を備え、映像の雰囲気に合わせた背景音楽や効果音をテキストから生成できる。
Luma AI、動画生成「Ray2」のカメラ制御APIを公開：構図や動きを指定可能に
Luma AIは動画生成「Ray2」向けのCamera Concepts APIを公開した。まずはカメラの動きとアングルを制御できる機能から提供を始め、開発者が映画のような本格的なカメラワークを細かく指定できるようにする。
Higgsfield AI、自撮り写真から名作映画シーンを再現する新機能を公開
Higgsfield AIは新機能「Iconic Scenes」を発表した。自撮り写真を1枚アップロードするだけで、『マトリックス』や『インターステラー』など20以上の名作映画テンプレートに自分が入り込んだ動画を生成できる。80種類以上の本格的なカメラワーク制御にも対応する。
Tavus、高精度なゼロショット口唇同期モデル「Hummingbird-0」をfalで公開
Tavus は fal 上で新たなリップシンクモデル「Hummingbird-0」のリサーチプレビューを公開した。同社によると、オープンおよびクローズドソースを問わず、検証した中で最も精度の高いゼロショット口唇同期モデルだという。
Argil、AIアバターが商品を持って宣伝可能に OpenAI技術を統合
動画生成プラットフォームのArgilは、OpenAIの技術を組み合わせてAIアバターが手で商品を持ち、話しながら宣伝できる新機能を発表した。商品画像を1枚アップロードするだけで動画を生成でき、EC広告での活用を見込む。
Krea AIがChatGPTの画像機能を統合：チャットでの画像編集や3Dレンダリングに対応
Krea AIはChatGPTの画像機能をプラットフォームに統合したと発表した。ユーザーはチャット上で自然言語を使って画像を編集したり、3Dシーンをレンダリングしたりできるようになり、300種類以上のスタイルに対応する。
Adobe、画像生成「Firefly Image 4」発表 Web版には競合モデルも統合
Adobeは新世代の画像生成AI「Firefly Image Model 4」と高精細版「Ultra」を発表した。最大2K解像度や文字描画の向上に対応し、1080p動画モデルも一般提供へ移行。刷新されたWeb版では、OpenAIやGoogle、Fluxといった競合モデルの利用も可能になった。
英歌手イモージェン・ヒープ、AI音楽基盤「Jen」で公式フィルター提供
グラミー受賞歌手イモージェン・ヒープがAI音楽基盤「Jen」で代表曲をベースにした5種の生成フィルターを発売した。テキスト指示と楽曲を組み合わせ、4.99ドルから生成できる。著作権侵害の懸念が強い同業界で、正規許諾による収益化モデルを提示した形だが、現在はインスト曲のみ対応する。
Higgsfield AI、動画生成AI「Turbo」発表 速度1.5倍・30％値下げ
Higgsfield AIは同社最速となる動画生成モデル「Turbo」を発表した。レンダリング速度が従来の1.5倍に向上したほか、利用コストも30％削減され、7種類の新しいモーションスタイルと優先キューに対応する。高速な試行錯誤を要する映像制作を強力に支援する。
テンセント混元3D 2.5公開：100億パラメータで超高精細メッシュ生成
テンセント混元は3D AI制作エンジンv2.5を発表しました。幾何学モデルを100億パラメータへ拡張し、メッシュ面数を10倍に増やして1024解像度のディテールを実現。マルチビューPBR生成や自動スキニングに対応し、無料枠も1日20回に倍増しました。
OpenAI、画像生成モデル「gpt-image-1」をAPIで提供開始
OpenAIはChatGPTで採用されている画像生成モデル「gpt-image-1」のAPI提供を開始した。高精度な文字描画や多様な画風に対応し、トークン課金制で正方形画像1枚あたり約0.02〜0.19ドルから利用できる。
Character.AI、画像から動画を生成する新モデル「AvatarFX」を発表
Character.AIは静止画と音声から発話や表情、身体の動きを伴う動画を生成できるAIモデル「AvatarFX」を発表した。DiTアーキテクチャと蒸留技術を活用し、長尺動画や複数人の対話にも対応する。今後数か月以内にCAI+加入者へ先行提供される予定だ。
DreaminaがSeedream 3.0を公開：2K解像度と映画風ビジュアルに対応
Dreamina AI は画像生成モデル「Seedream 3.0」を正式リリースした。2K 解像度の画像出力に対応し、映画のような質感やリアルな素材表現、高精度な英語テキスト描画を実現している。現在公式サイトで試すことができる。