OpenAIが「DALL·E 3」発表 ChatGPTとネイティブ統合し細部まで正確に描画
OpenAIは画像生成モデル「DALL·E 3」を発表した。ChatGPTにネイティブ統合され、複雑なプロンプトエンジニアリングなしで対話しながら精密な画像を生成できる。公人や現存アーティスト風の生成を拒否する安全対策も講じられており、商用利用も可能。
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
Stability AI、音楽・効果音生成AI「Stable Audio」を発表
Stability AI はテキストから音楽や効果音を生成する新製品「Stable Audio」を発表した。潜在拡散モデルを採用し、44.1 kHz の高音質オーディオを生成可能。無料版は最長 45 秒、商用利用可能な Pro 版は最长 90 秒のトラックに対応し、学習には AudioSparx の正規音源が使われている。
画像生成AI「Würstchen」公開：42倍圧縮で学習コストを大幅削減
Hugging FaceのDiffusersライブラリに新型画像生成モデル「Würstchen」が統合された。画像を42倍という極限レベルで圧縮する独自構造により、SDXLを上回る生成速度と低メモリ消費を実現。学習コストもSD 1.4比で最大16分の1に抑えられており、高性能GPUを持たない環境でも扱いやすい。
Adobe、Fireflyの学習素材を提供したStock寄稿者にボーナス支給へ
Adobeは画像生成AI「Firefly」の商用モデル学習に使用されたAdobe Stockの寄稿者へ年間ボーナスを支払うと発表した。支給額は承認画像総数と直近1年間のライセンス実績に応じて算出される。あわせて、ガイドラインを満たしたFirefly生成画像のStock出品も正式に解禁された。
AIドレイクの作者が新曲発表、前作のグラミー賞エントリーも画策
AIドレイク曲で話題を呼んだ覆面クリエイターGhostwriterが、新たなAI音声楽曲を発表し、前作をグラミー賞に提出した。主催団体のCEOは人間が作詞作曲したため創作面での応募資格を認めたが、配信基準のクリアが課題となっている。AI生成音楽が最高峰の音楽賞に波紋を広げている。
画像生成AI「Ideogram 0.1」が無料公開：画像内の文字を綺麗に描画
Ideogramは画像生成AI「Ideogram 0.1」を全世界に無料公開した。従来の画像生成AIの弱点だった「画像内のテキスト描画」を克服し、美しいタイポグラフィや多様なスタイルタグに対応。ロゴやポスターの文字崩れに悩まされていた人に最適なツールとなっている。
Stability AIがNVIDIA TensorRTでSDXLを高速化、H100で生成が1.47秒に
Stability AIはNVIDIAと提携し、TensorRTで最適化したSDXLのONNX重みを公開した。NVIDIA H100ではレイテンシが41%短縮し、高精細画像をわずか1.47秒で生成可能。スループットも最大70%向上し、画像生成AIの推論コストと待ち時間を大幅に削減できる。
Snapchatが新機能「Dreams」を準備中、友人と一緒に空想世界のAI自撮りを生成
TechCrunchの報道によると、Snapchatは生成AIを使った新機能「Dreams」を開発中だ。ユーザーが自撮りをアップロードすると、空想的な世界観の画像を生成でき、友人との合成機能や有料パック「Dream Packs」の存在も判明した。Snapは正式なコメントを控えている。
Runwayが長編AI動画の視聴機能「Watch」を公開、CEOは共存強調
Runwayは自社ツールで作成された長編動画を共有・視聴できる新機能「Watch」をウェブとiOSアプリで公開した。ハリウッドでAI代替への懸念からストライキが続く中、バレンズエラCEOはAIはすべてを奪うのではなく創作を拡張するものだと述べ、前向きな成果を示す場にするとしている。
ShutterstockがNVIDIA Picassoと連携、テキストから8K解像度の3D背景を生成可能に
ShutterstockはNVIDIA Picassoを活用した3Dシーン背景生成機能の開発を発表した。テキストや画像のプロンプトから8K解像度の360度環境マップを生成し、背景やライティングに利用できる。正規ライセンスのデータで学習されており、3Dアーティストは環境構築の手間を省き、メインのモデル制作に集中できるようになる。
SD公式が除外した画師の作風、AIコミュニティがLoRAで再現
AIコミュニティのクリエイターがLoRAモデルを訓練し、公式が学習データから除外した人気絵師Greg Rutkowski氏の作風をStable Diffusion向けに再現してCivitaiで無料公開した。本人がAI利用に強く反対していても、オープンソース環境では個人の模倣学習を止める術がない実態が浮き彫りとなった。
TwitchでAIトランプとAIバイデンが永遠に舌戦：カオスな公開討論が話題に
Twitch上でAI版トランプ氏とAI版バイデン氏がエンドレスに討論するチャンネル「trumporbiden2024」が開設された。音声や身振りを真似つつ荒唐無稽な罵倒を交わし、視聴者を煽る様子に10万人以上が集まった。
Midjourney v5.2公開、カメラのように画角を広げる「Zoom Out」搭載
木曜日、Midjourneyは画像生成モデル「v5.2」を公開しました。目玉はカメラのように画角を外側に広げる「Zoom Out」機能で、中央の被写体を保ったまま周囲の風景を1.5倍や2倍に自動補完します。美学システムの刷新やプロンプト短縮コマンドも追加されましたが、現時点では外部画像の読み込みには非対応です。
Stability AIがSDXL 0.9発表：画質が劇的進化、民生用GPUで動作可能に
Stability AIは画像生成モデル「SDXL 0.9」を発表しました。4月のベータ版から構図や細部の描写が大幅に向上し、計66億パラメータの2段階構成ながらVRAM 8GBの一般的なGPUで1024x1024の画像を生成できます。現在はClipdropで試すことができ、7月中旬にはオープンソースの1.0版が公開される予定です。
Hidden Door、生成AIによる『オズの魔法使い』RPGのテストを開始
Hidden Doorは、生成AIを活用してプレイヤーごとに異なる物語を紡ぐ『オズの魔法使い』ロールプレイングゲームの限定プレイテストを開始した。AIの語り手が選択に応じてプロットやアイテム、アートを即座に生成し、ブラウザで手軽に遊べる。正式版は2023年冬に登場予定だ。
Meta、音声生成AI「Voicebox」を発表 2秒の音声から声色を再現
Metaは多目的音声生成AI「Voicebox」を発表した。わずか2秒の音声サンプルから話者のスタイルを再現して読み上げるほか、英語など6言語に対応。犬の鳴き声などのノイズ部分を消して自然に再生成する編集も可能だ。
Google、拡散モデルで服のしわや質感を再現するバーチャル試着を発表
Googleは新型の拡散AIモデルを活用したバーチャル試着機能を発表した。従来の切り貼り変形ではなく、ピクセルをゼロから生成することで、体型に応じたドレープやしわを忠実に再現する。まずはGoogle Shopping上のH&Mなどの女性用トップスで提供される。
ポール・マッカートニー、AIでジョン・レノンの歌声を抽出しビートルズ「最後の新曲」を年内発表へ
ポール・マッカートニーが AI を活用して制作した「ビートルズ最後の楽曲」を年内リリースすると明かした。ドキュメンタリーで培われた音源分離技術を使い、古いカセットデモからジョン・レノンの声をクリアに抽出。長年未完だった名曲が現代に蘇る。
Meta、テキストや鼻歌から音楽を作る「MusicGen」を発表
Meta はテキストやメロディのプロンプトから音楽を生成する AI モデル「MusicGen」を発表した。2 万時間の楽曲や楽器サンプルで学習しており、ハミングから楽曲バリエーションを作ることも可能。音楽制作のハードルが大きく下がる一方、業界との著作権問題も予想される。
Adobe Expressが大幅刷新：Firefly生成AIを統合、オールインワンエディターへ進化
AdobeはAdobe Expressの最新バージョンを発表し、画像生成やテキスト効果をプロンプトから作れる生成AI「Firefly」を直接統合しました。動画編集やPDF編集をひとまとめにした新しいオールインワンエディターを提供し、PhotoshopやIllustratorとのリアルタイム連携も可能にしています。