ElevenLabsがStudioを刷新：長文音声化で部分再生成や複数話者に対応
ElevenLabsは長文向け音声生成ツール「Studio」の大型刷新を発表した。単語や文単位の部分再生成に対応してクレジット消費を抑えられるほか、完成した段落のロックや同一段落内での複数話者の割り当てが可能になった。オーディオブックなどの長尺制作時の調整が大幅に効率化される。
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
ElevenLabs、故ジェリー・ガルシア氏のAI音声を再現 32言語の朗読に対応
ElevenLabsは伝説的バンド「グレイトフル・デッド」の故ジェリー・ガルシア氏の遺産管理団体と提携し、同氏のAI音声をElevenReaderアプリで公開した。32言語で電子書籍や記事を朗読できる。現在はテキスト朗读のみに対応し、今後はドキュメンタリーのナレーションにも活用される予定だ。
ByteDanceが「X-Portrait 2」発表：1枚の写真から映画の名演技を再現
ByteDanceは、1枚の静止画から映画のワンシーンのような自然で豊かな表情動画を生成するAI「X-Portrait 2」を発表した。従来の点追跡ではなく顔全体の筋肉の動きを直接学習。ディープフェイクへの悪用懸念から、コードの一般公開は見送られている。
Black Forest LabsがFLUX1.1 [pro]にUltra・Rawモードを追加、解像度4倍で10秒生成
Black Forest LabsはFLUX1.1 [pro]にUltraとRawの2つの新モードを追加した。Ultraモードは解像度を4倍（最大4MP）に引き上げつつ10秒で生成可能で、1枚0.06ドルで提供。RawモードはAI特有の不自然さを抑え、自然なスナップ写真の質感を再現する。API経由で利用可能。
動画生成AI「KLING」、キャラの一貫性を保つカスタムモデル機能をテスト
Kuaishouの動画生成AI「KLING」が新機能「Custom Models」のテストを開始した。ユーザーが10秒以上の動画を10〜30本アップロードすることで固有のキャラクターを学習可能。プロンプト内で呼び出すことで、別アングルでも同一人物を保った動画を生成できる。
Runway、動画生成「Gen-3 Alpha Turbo」に高精度なカメラ制御機能を追加
Runwayは動画生成モデル「Gen-3 Alpha Turbo」に高度なカメラコントロール機能を追加した。パン、ズーム、前後の移動などカメラの方向や速度を細かく指定でき、複数の動きを組み合わせた撮影も可能。プロンプト任せにせず狙い通りの画角を再現でき、全利用者がすぐに試せる。
Suno、楽曲の歌声や雰囲気を固定して再利用できる「Personas」を発表
Sunoは特定楽曲のボーカルやスタイル、雰囲気を保存して新しい曲に引き継げる新機能「Personas」のベータ版を公開した。お気に入りの歌声を固定したまま別歌詞の楽曲を作成できる。ProおよびPremier会員向けに提供され、200曲分の無料枠の後は1曲につき10クレジットを消費する。
Blockade Labs、AI画像生成ツール「Blendbox Alpha」公開：長文プロンプト不要で直感的に制御
Blockade LabsがAIアート制作ツール「Blendbox Alpha」を発表した。複雑で長いプロンプトやランダムな生成結果に悩まされることなく、制作者が意図したビジュアルを直接コントロールして形作れる点が特徴。現在Alpha版が利用可能となっている。
D-ID、リアルタイム会話対応の高品質アバター「Premium+」などを発表
AI動画プラットフォームのD-IDはリアルタイム会話が可能な新アバター「Express」と「Premium+」を発表した。Expressは1分の動画で頭部の動きを再現でき、上位のPremium+は手や上半身のジェスチャーにも対応する。
Recraft V3 公開：画像生成ベンチマーク首位、長文レンダリングや配置制御に対応
Recraft は最新モデル「Recraft V3」を発表した。Artificial Analysis のリーダーボードで ELO スコア 1172 を記録し、Midjourney などを抑えて首位を獲得。画像内の文字サイズや位置の指定、長文テキスト生成、ベクター画像出力に対応する。デスクトップやアプリ、API で利用可能だ。
正体不明の画像AI「Red Panda」がブラインド評価で首位、Midjourney超え
画像生成AIのブラインド比較を行う「Text-to-Image Arena」で、正体不明の新モデル「Red Panda」が首位を獲得した。Eloレート1172、勝率72%を記録し、Midjourney v6やDALL-E 3を上回った。開発元は未公表で、正式公開前の性能テストとみられる。
ユニバーサルミュージック、AI企業KLAYと提携 倫理的音楽モデル開発へ
ユニバーサルミュージックグループ（UMG）は AI スタートアップの KLAY との提携を発表した。著作権を尊重した大規模音楽モデル「KLayMM」を共同開発する。既存の配信楽曲と競合せず、正確な権利帰属を実現する仕組みを目指しており、数カ月以内の提供を予定している。
Metaが「Movie Gen」発表：30B映像と13B音声モデルで高精度編集や個人向け動画生成に対応
Metaは最先端のメディア基盤モデル「Movie Gen」を発表した。300億パラメータの映像生成モデルと130億パラメータの音声同期モデルを備え、テキスト指示による精密な動画編集や1枚の写真からの人物動画生成に対応する。現在はクリエイターと連携した検証中で一般公開は未定。
サンドボックスMMO「DreamWorld」、SteamテストでAIによる3Dモデル生成機能を披露
米DreamWorldは、10月10日よりSteamでサンドボックスMMO「DreamWorld」のプレイテストを開始すると発表した。Meshyと共同開発した「Text-to-3D」機能を搭載し、プレイヤーがテキストを入力するだけでゲーム内3Dアセットを直接生成できる。テストは約12時間限定で、Steam上で参加登録を受け付けている。
Black Forest Labsが「Flux1.1 Pro」公開：生成速度6倍、APIベータ版も提供
Black Forest Labs は画像生成モデル「Flux1.1 Pro」を発表し、API のベータ版提供を開始した。前世代比で生成速度が 6 倍向上し、最大 2K 解像度に対応する。開発者は公式 API や Replicate などの提携プラットフォームを通じて即座に組み込み利用できる。
ByteDanceが動画生成AI「PixelDance」と「Seaweed」を発表、マルチショットの破綻を解消
先週、ByteDanceは深センのイベントで動画生成AI「PixelDance」と「Seaweed」を発表した。PixelDanceはテキスト指示だけで多彩なカメラワークを実現し、複数カットをまたいでも人物や背景の整合性を維持できる。Seaweedは最大2分近くの連続映像に対応。現在は限定テスト中だ。
Pinterest、広告主向けに生成AIツール提供：白抜き商品画像を生活空間の背景に変換
Pinterestは広告向けツール群「Pinterest Performance+」に生成AI機能を導入した。白背景などの商品画像をプロンプトで自然な生活シーンに変換できる。先行テストではクリック率が55％向上し、広告作成にかかる手間も半減したという。
Pikaがバージョン1.5を公開：物理法則を無視する新エフェクトを搭載
Pika Labsは、AI動画生成モデル「Pika 1.5」を公開した。新機能「Pikaffects」により、テキストや画像から物理法則を無視したユニークな動画を生成できるほか、映画のようなカメラワーク制御も強化された。無料および有料ユーザー向けに提供されている。
Luma、動画生成AI「Dream Machine」を10倍高速化 20秒以内で高品質出力
Luma AIは動画生成モデル「Dream Machine v1.6」の推論速度を10倍に高速化する「Hyperfast」を発表した。蒸留モデル等を使わず画質を落とさずに20秒未満で生成できる。現在、有料会員およびAPIユーザー向けに提供されている。
Civitaiが新基盘「SPINE」発表：KlingやUdio、ElevenLabsを一元化
Civitaiは画像・動画・音楽生成AIを1か所に集約する制作環境「SPINE」を発表した。Kling AIやUdio、ElevenLabsなどのツールを同一UI内に統合。ユーザーは複数サービスを行き来することなく、サイト内ポイントのBuzzで横断的に利用できる。