Kling AIが「Avatar 2.0」公開、最長5分の生成に対応し手ブレも改善
Kling AIはデジタルヒューマン機能「Avatar 2.0」を公開した。1回の生成で最長5分の動画出力に対応し、長尺の解説や歌唱表現が可能になった。1.0で課題だった手の動きの乱れを大幅に改善したほか、カメラワークや表情の連動も強化。社内評価ではHeyGenを上回るスコアを記録したとしている。
画像・動画生成 · デイリー
木
12月4日 木曜日
水
12月3日 水曜日
Kling AI、初のネイティブ音声生成対応モデル「VIDEO 2.6」を公開
Kling AIは初となるネイティブ音声生成対応の動画生成モデル「VIDEO 2.6」を発表した。映像と整合性の取れた音声を同時に出力可能で、より豊かなマルチメディア表現を実現する。あわせてクリエイターとのコラボ短編映像も公開された。
月
12月1日 月曜日
Leonardo.Aiが動画モデル「Kling O1」を導入：5枚の参照画像と前後フレーム制御に対応
Leonardo.Ai は動画生成モデル「Kling O1 Video」の導入を発表した。最大 5 枚の参照画像と開始・終了フレームの指定に対応し、動きのあるシーンでも被写体の一貫性を維持できる。複数指示プロンプトへの追従性も向上し、思い通りの映像演出がしやすくなった。
Kling AI、テキスト・画像・動画を統合処理する新エンジン「Kling O1」を発表
Kling AI はマルチモーダル生成エンジン「Kling O1」を発表した。テキスト、画像、動画の入力を統合して処理できる真のマルチモーダル理解を備え、制作プロセスの効率化を図る。現在は有料サブスクリプション会員向けに限定提供されている。
Runwayが「Gen-4.5」公開、動画生成ベンチマークで世界首位に
Runwayは最新の動画生成モデル「Gen-4.5」を発表した。Artificial Analysisのベンチマークで1,247 Eloを獲得して首位に浮上。物体の質量や流体の挙動といった物理表現とプロンプト再現性が大幅に向上しており、全有料プラン向けに即日提供されている。
金
11月28日 金曜日
需要急増でOpenAIとGoogleが制限強化、SoraやNano Banana Proの生成上限引き下げ
OpenAIとGoogleは利用急増を受け、SoraとNano Banana Proの無料生成上限を引き下げた。Soraは1日6本、Nano Banana Proは1日2枚に制限され、OpenAI責任者はGPUの逼迫を明かした。フロンティアモデルの運用コスト増大に伴い、無料枠の引き締めが進んでいる。
水
11月26日 水曜日
LTX Studio、レンダリング後でも台詞や構図を再調整できる「Retake」を発表
LTX Studioは動画のレンダリング後にもショットを再編集できる新機能「Retake」を発表した。動画全体を再生成することなく、台詞の変更や感情表現の調整、構図のリフレームが可能になる。AI動画制作における細かな修正コストを大幅に下げる狙いだ。
火
11月25日 火曜日
Black Forest LabsがFLUX.2を発表：最大10枚の画像参照と32Bオープン重みに対応
Black Forest Labsは画像生成・編集モデルFLUX.2を発表した。最大10枚の参照画像から一貫したキャラや製品を生成でき、4MP解像度での編集やタイポグラフィ描画に対応する。32BのオープンモデルFLUX.2 [dev]も提供される。
金
11月21日 金曜日
Midjourney、文字入力なしで画風を探求できる「Style Creator」早期版を公開
Midjourneyは新ツール「Style Creator」の早期バージョンを公開した。テキストプロンプトを一切使わずに新しいスタイルや美学を探索・作成できる機能で、今後のビジュアル生成体験の進化を示す一歩としている。
木
11月20日 木曜日
Google、新画像モデル「Nano Banana Pro」発表：長文テキスト描画や4Kに対応
GoogleはGemini 3 Proベースの画像生成・編集モデル「Nano Banana Pro」を発表した。リアルタイム検索と連携したインフォグラフィック生成に加え、多言語の長文テキスト描画や最大14枚の画像合成に対応する。Geminiアプリ内の「Thinking」モデルから利用可能だ。
水
11月19日 水曜日
ワーナー・ミュージックとStability AIが提携、許諾済みデータ基盤の音楽AI開発へ
ワーナー・ミュージック・グループ（WMG）とStability AIが提携を発表した。完全許諾済みデータで学習した技術を基盤盤に、アーティストやプロデューサー向けのプロ仕様の音楽生成ツールを共同開発する。クリエイターの権利を保護しつつ、新たな表現と収益化を両立する倫理的エコシステムの構築を目指す。
Metaが「SAM 3D」発表：2D画像から3D物体・人体を復元、重みもオープン化
Metaは単一の2D画像から3Dオブジェクト、シーン、人体を高精度に再構築する新モデル「SAM 3D」を発表した。物体用のObjectsと人体用のBodyで構成され、モデルの重みと推論コードがオープンソースとして公開された。Playgroundで試せるほか、Facebook Marketplaceの家具配置機能にも導入される。
OpenCV創業者によるCraftStory、最長5分の動画生成モデル「Model 2.0」を発表
火曜日、OpenCVの創設陣が立ち上げた新興企業CraftStoryが、200万ドルの資金調達とともに「Model 2.0」を発表しました。従来の時系列生成ではなく並列拡散アーキテクチャを採用し、最長5分の人物動画を破綻なく生成できます。静止画と動作駆動動画を組み合わせる仕組みで、30秒の低解像度動画の生成には約15分かかります。
Midjourneyがプロフィール機能を公開、初期設定でFast時間5時間を付与
Midjourneyがユーザー向けのプロフィール機能を正式公開しました。アバターやバナー、SNSリンクの登録に加え、お気に入りの生成作品をピックアップして展示できます。24時間以内にプロフィールの完成と作品8点以上の登録を済ませると、5時間分のFast生成時間が付与されます。
水
11月12日 水曜日
World Labsが初の商用世界モデル「Marble」公開、編集可能な3D環境を生成
フェイフェイ・リー氏率いるWorld Labsは初の商用世界モデル「Marble」を発表した。テキストや画像、動画から永続的な3D環境を生成し、メッシュやガウススプラッティング形式で出力できる。レイアウトを先に手動調整してからAIに細部を描かせるハイブリッド編集にも対応する。
土
11月8日 土曜日
Googleの次世代画像AI「Nano Banana 2」がリーク：4K出力と局所編集に対応
Googleの次世代画像生成・編集モデル「Nano Banana 2」（コードネーム：GEMPIX 2）のプレビュー情報が浮上した。ネイティブ2K生成から4Kへのアップスケールに対応し、被写体の一貫性維持や自然言語による部分編集が強化されている。プロクリエイター向けに11月中旬より限定公開される見込みだ。
木
11月6日 木曜日
Higgsfield AIが動画向け顔入れ替えツール「Recast」を発表
Higgsfield AIは動画や静止画でキャラクターや顔を入れ替えられるツール「Recast」を発表した。骨格や肌色、角度を細かく調整して違和感を抑えられるのが特徴だ。ただし、制作現場レベルの自然な仕上がりを得るには複数回の調整が必要とされる。
月
10月20日 月曜日
Fish Audioが音声合成モデル「S1」公開：ElevenLabs比で6倍安価
Fish Audioは音声合成モデル「Fish Audio S1」を一般公開した。ElevenLabsより6倍安価な価格設定を掲げ、すでに2万人のアクティブ開発者と500万ドルのARRを獲得している。無料での音声クローンにも対応する。
金
10月17日 金曜日
OpenAI、Soraでのキング牧師の動画生成を停止 遺族側の要請受け
米OpenAIは動画生成AI「Sora」でマーティン・ルーサー・キング・ジュニア牧師の肖像動画を生成する機能を一時停止したと発表した。不敬な動画の生成が相次ぎ遺族が抗議していた。同社は公人の遺産管理者からの要請があれば、Soraでの肖像利用を停止する枠組みを導入する。