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 41

    Quiver、SVG生成AI「Arrow 1.1」公開　コードから直接描画、生成コストを33％削減

    Quiverはベクター画像生成モデル「Arrow 1.1」および「Arrow 1.1 Max」を発表した。ピクセルからの近似ではなくコードで直接SVGを生成し、基本図形やテキストを活用して編集性を高めた。テキストからのSVG生成コストを33.3％、ベクター化コストを50％削減し、Maxモデルは精密な技術図面や複雑なイラストに対応する。

  2. 拡散指数 42

    Midjourneyが「V8.1」公開　ネイティブ2K対応で3倍高速化＆3倍低価格に

    Midjourneyは「V8.1」を公開した。象徴的な美学を取り戻しつつ、V8比で3倍高速かつ3倍安価なネイティブ2Kレンダリングを実現。フル品質の1KモードはV7のドラフトモードよりも高速化されたほか、画像プロンプトの復活、刷新されたDescribe、新しいムードボードやスタイル参照機能も追加された。

  3. 拡散指数 39

    マイクロソフト、画像生成AI「MAI-Image-2-Efficient」公開　コスト41%削減

    マイクロソフトは画像生成モデル「MAI-Image-2-Efficient」を発表した。前モデルと比べ生成速度が22%向上し、コストは約41%削減。実務での大量バッチ生成や高速処理を重視した設計で、すでにMicrosoft FoundryとMAI Playgroundで利用できるほか、CopilotやBing、PowerPointにも順次展開される。

  4. 拡散指数 41

    ByteDanceら、EC特化の動画生成AI「OmniShow」発表　画像・音声・骨格から10秒の販促動画を生成

    ByteDanceや香港中文大学などの研究チームは人と物のインタラクションに特化した動画生成モデル「OmniShow」を発表した。人物や商品の画像、音声、骨格データを同時に取り込み、リップシンクや手元の動きを同期させた最长10秒の販促動画を生成できる。GitHubにてコードの内部審査が進められており、近くオープンソース化される見込みだ。

  5. 拡散指数 41

    リアルタイム対話アバターAI「LPM 1.0」、1枚の画像から45分の自然な対話映像を生成

    研究チームが、1枚の静止画と音声からリアルタイムに対話型アバターを生成するAIモデル「LPM 1.0」を発表しました。単純なリップシンクにとどまらず、視線の揺らぎや相づちといった自然な仕草を再現し、最長45分間キャラクターの破綻を防ぎます。現在は技術レポートとデモの公開段階で、一般公開の予定はありません。

  6. 拡散指数 41

    アリババ、追加学習なしで複数シーンをシームレスに繋ぐ「Prompt Relay」を発表

    アリババは動画生成技術「Prompt Relay」を発表した。追加学習が不要なプラグイン方式で、指定時間帯のプロンプトをクロスアテンション層で適切にルーティングし、シーン間の意味的な混ざり合いを防ぎながら滑らかな場面転換を実現する。現在は実装説明が公開されており、コードの完全提供が待たれる。

  10. 拡散指数 38

    RunwayがSeedance 2.0を導入、マルチショット動画生成と音響に対応

    RunwayはSeedance 2.0を自社プラットフォームに統合したと発表した。テキスト、画像、動画、音声を素材に、効果音や台詞が入ったマルチショット動画シーケンスを生成できる。現在は米国外のUnlimitedおよびEnterprise契約者限定で利用可能。

  12. 拡散指数 33

    OpenAIの画像生成AI「GPT-Image-2」が流出か、Arenaに別名で登場

    開発者のPieter Levels氏が、OpenAIの未発表モデル「GPT-Image-2」がArena上で別名テストされていると明かしました。maskingtape-alphaなどのコードネームで動作し、極めて高い世界知識とテキスト描画精度を示していると注目を集めています。

  13. 拡散指数 41

    物理法則に従う動画生成フレームワーク「MMPhysVideo」登場、コード公開予定

    AI動画の物理的不整合を低減するフレームワーク「MMPhysVideo」が発表された。ピクセル予測に頼る従来手法と異なり、幾何学構造や運動軌跡を統一形式で同時学習させ、破綻のない物理挙動を実現する。推論負荷を増やさない設計で、コードとデータセットの完全公開も予定されている。

  14. 拡散指数 51

    Google Vids、全ユーザーに「Veo 3.1」動画生成を月10回まで無料開放

    Google は動画編集ツール「Google Vids」に動画生成モデル「Veo 3.1」を追加し、全 Google アカウント向けに月 10 回まで無料で提供開始した。Google AI Pro および Ultra の加入者は、Lyria 3 によるカスタム音楽生成や外見・動作を指示できる AI アバターも利用できる。さらに画面録画用 Chrome 拡張機能や YouTube への直接公開機能も提供される。

  16. 拡散指数 54

    アリババが「Wan 2.7 Image」発表：生成と編集を統合、カラーコード指定や長文描画に対応

    アリババは画像生成と編集を統合した新モデル「Wan 2.7 Image」を発表した。骨格や質感を調整して自然な人肌を再現できるほか、最大 8 個のカラーコード指定や 12 言語・最大 3000 トークンの文字・表描画に対応する。1 プロンプトで最大 12 枚の一貫した画像を生成でき、絵コンテやカタログ制作の手間を大幅に省ける。

  19. 拡散指数 41

    ByteDance、スマホで完全オフライン動作する画像生成・編集モデル「DreamLite」発表

    ByteDanceは端末内でオフライン動作する画像拡散モデル「DreamLite」を発表しました。パラメータ数はわずか3.9億で、iPhone上で1024×1024の画像生成が約3秒で完了するほか、背景差し替えや画風変更などの編集にも対応します。クラウドの最上位モデルには質感で及ばないものの、スマホ単体での実用的な画像生成を実現しています。