OpenAI「Sora v2」まもなく公開か、最大1分間の生成や画像・動画入力に対応
OpenAIのChad Nelson氏が講演で明かしたところによると、次世代動画生成AI「Sora v2」のリリースが間近に迫っているという。最大1分間の動画出力に対応するほか、テキストだけでなく画像や既存動画を組み合わせた生成機能が備わる見込みだ。
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
ElevenLabs、AIポッドキャスト生成「GenFM」をStudioに統合 32言語に対応
ElevenLabsは長尺音声編集ツール「Studio」にGenFMポッドキャスト生成機能を導入しました。テキストやPDF、Webリンクを取り込むだけで、2人のAIホストによる自然な対談ポッドキャストを自動作成できます。32言語に対応し、原稿編集や音声の商用書き出しも可能です。
AdCreative.aiが新モデル発表：静止画から16秒の商品広告動画を自動生成
AdCreative.aiはEC商品動画を自動生成するAIモデル「Product VideoShoot」を発表した。広告特化モデルAdLLMを基盤とし、1枚の静止画から16秒の1080p広告映像を作成できる。広告効果データに基づき設計されており、現在ProおよびEnterprise向けにベータ提供されている。
Google、Vertex AIで「Imagen 3」を一般提供開始 動画生成「Veo」もプレビュー提供へ
GoogleはVertex AIで画像生成AI「Imagen 3」を全顧客に公開し、動画生成AI「Veo」の非公開プレビューを開始した。Veoは静止画やプロンプトから最大6秒の動画を生成可能。大手クラウドとして動画生成APIの提供に踏み切った形だが、Veoはまだ一部企業向けの限定公開にとどまる。
Hailuo AI、2Dイラスト向け動画生成モデル「I2V-01-Live」を発表
Hailuo AI（MiniMax）は静止画から動画を生成する新モデル「I2V-01-Live」を発表した。2Dイラストのアニメーション化に特化し、キャラクターの微小な表情変化や発話、滑らかな動きを高い安定性で生成できる。
李飛飛氏のWorld Labs、1枚の写真から操作可能な3D空間を生成するAIを発表
フェイフェイ・リー氏率いるWorld Labsは、1枚の画像からブラウザ上で散策できる3D空間を生成するAIを公開した。物理法則に従い一貫性を保った空間をキーボードとマウスで移動できる。探索範囲はまだ狭いものの、世界モデルの新たな実用性を示した。
AdobeがMultiFoley発表：猫の鳴き声をライオンの咆哮に変えるAI音響生成
Adobe Researchが映像認識型の音響生成手法「MultiFoley」を発表した。映像を認識してタイプライターの音をピアノに変えたり、猫の鳴き声をライオンの咆哮に差し替えたりでき、既存効果音の映像への自動同期も可能。手間のかかるフォーリー作業を大幅に効率化する。
アーティスト団体がOpenAI「Sora」のアクセス権を抗議流出
アーティスト団体がOpenAIの動画生成AI「Sora」のAPIに接続するフロントエンドをHugging Face上に公開した。団体はOpenAIがテスターに無償労働を強いてPRに利用していると抗議。一般ユーザーが一時的に1080p動画を生成できたが、約3時間後に遮断された。
Stability AI、Stable Diffusion 3.5 Large 向け ControlNet を公開
Stability AI はStable Diffusion 3.5 Large 向けに Blur、Canny、Depth の 3 種類の ControlNet を公開しました。最大 16K の高解像度拡大や輪郭線、深度情報による精密な画像制御が可能です。年間売上 100 万ドル以下なら商用利用も無償で、Comfy UI にも対応します。
Runway、画像生成モデル「Frames」発表 画風の一貫性を維持
米Runwayは新しい画像生成ベースモデル「Frames」を発表した。高いスタイル制御力と忠実度を備え、統一された美学やトーンを維持したまま多彩なバリエーションを生成できる。現在、Gen-3 AlphaおよびRunway API向けに順次提供を開始している。
Runwayが「Expand Video」公開：AIで動画の外側を描き足し画角変更
動画生成AIのRunwayが新機能「Expand Video」を発表しました。テキスト指示で元映像の外側を違和感なく描き足してアスペクト比を変更でき、連続適用でズームアウトなどのカメラワークも作れます。Gen-3 Alpha Turbo向けに順次提供されます。
KREA AIがFlux画像プロンプトを公開：参考画像で生成を制御、全員に無料提供
KREA AI は Flux 画像プロンプト機能を発表した。ユーザーは Flux モデルでの画像生成時に参照画像を条件として指定し、画面をコントロールできるようになった。本機能はすべてのユーザーに無料で提供される。
Sunoが「v4」を公開：音質向上に加え、過去の楽曲をアップグレードできるリマスター機能も
AI 音楽生成サービスの Suno が新モデル「v4」を公開した。音声の解像度や曲構造の表現力が向上し、歌詞のクオリティも改善。注目は過去に作成した楽曲を v4 品質に引き上げる「Remaster」機能で、楽曲に合わせた新しいカバーアート生成も追加された。
コカ・コーラ初の生成AIクリスマスCMに批判殺到、「温かみがない」と物議
Coca-Cola が生成 AI を活用して制作した 2024 年のクリスマス TV 広告を公開し、ファンから強い反発を受けている。1995 年の象徴的なトラック広告を現代風にアレンジしたものの、定番のサンタクロースがほぼ姿を消し、AI 特有の質感に情緒や伝統が損なわれたとの批判が相次いだ。
ケイシー・アフレックがMetaの動画AIを試用：予算がない映画監督の武器に
俳優ケイシー・アフレックがMetaのAI動画生成ツール「Movie Gen」をテストした感想を明かした。大手映画スタジオの予算がないクリエイターでも壮大な世界観を描ける機会になると評価。一方で、業界の雇用保護ルール整備も重要だと指摘した。
Basejump、AI活用のソーシャルゲーム基盤を発表 ノーコードでゲーム生成
Basejumpは、AIを活用したゲーム基盤「Action」を備えるWeb3ソーシャルゲームプラットフォームを発表した。Community Labsから戦略的出資を受け、コード不要でゲームやアセットを生成可能にする。AOの分散計算とArweaveの永久保存を活用し、2025年初頭の公開を予定している。
InVideoがv3.0を発表：テキスト指示だけで長尺動画を生成可能に
動画編集プラットフォームのInVideoは、テキストプロンプトから実写やアニメ風の動画を生成・編集できる「v3.0」を公開した。外部モデルを組み合わせた設計で無料枠はなく、月額120ドルで15分間の動画生成が可能な新プランを提供する。
背負い式カメラで実世界を歩いて記録：世界モデル開発のOdysseyが約1800万ドル調達
AIスタートアップのOdysseyがシリーズAで1800万ドルを調達した。6基のカメラとLiDARを積んだ25ポンドのバックパックで人間が世界中を歩き回り、高精度な3Dデータを収集。照明や形状を精密に制御できる映像制作向け「世界モデル」の訓練に充てる。
CreatorKitとElevenLabsが感情豊かなAIアクター提供
CreatorKitはElevenLabsと提携し「Emotive AI Actors」を発表した。音声クローン技術を活用し、台本に応じて興奮や落ち着きなどの感情を表現できる。感情に合わせた音声により動画広告のコンバージョン率が16%向上したという。
YouTube、AI音楽リミックス機能をテスト：プロンプトで名曲を30秒のShorts音源に
YouTubeは一部のクリエイター向けに、ライセンス許諾済み楽曲をAIで再構成する「Dream Track」新機能のテストを開始した。気分やジャンルをプロンプトで指示するだけでShorts用の30秒音源を生成可能。生成音源には原曲のクレジットとAI表記が付与され、現在は小規模な実験段階にとどまる。