Kling AIが新機能「Avatar」公開、リップシンク機能も刷新
Kling AIは新機能「Avatar」を発表した。定評のあったLip Sync（口パク）機能がアップグレードされ、Avatarモジュール内に統合された。より自然な人物動画の生成が可能になる見込みだが、リリース初期は利用枠が限定されている。
画像・動画生成 · デイリー
土
9月13日 土曜日
木
9月11日 木曜日
Udioが新機能「Voices」公開、曲をまたいだボーカル声質の固定が可能に
AI音楽生成のUdioがボーカルの一貫性を保つ新機能「Voices」を発表した。公式のプリセット音声を選べるほか、生成した楽曲の声を保存して別の楽曲に引き継ぐことができる。全ユーザー向けに2週間無料提供された後、有料プラン限定となる。
水
9月10日 水曜日
Copilot Labsに脚本モード登場：新音声モデルMAI-Voice-1で原文通り朗読
MicrosoftのCopilot Labsは新音声モデル「MAI-Voice-1」によるScriptedモードを公開しました。入力テキストを一言一句正確に読み上げるほか、抑揚を強めるEmotiveや複数役を演じ分けるStoryモードも提供され、表現の幅が広がります。
Stability AI、商用向け音声生成モデル「Stable Audio 2.5」を公開
Stability AI は企業向け音声生成モデル「Stable Audio 2.5」を発表した。GPU 上で 3 分の楽曲を 2 秒未満で生成可能で、音声インペインティングや多段階の曲構成に対応する。許諾済みデータのみで学習されており、ブランド向けの安全な商用利用を支援する。
ByteDance、画像編集AI「Seedream 4.0」公開 4K対応でNano Bananaに対抗
ByteDanceは画像生成・編集モデル「Seedream 4.0」を発表し、Krea AIや自社アプリ「即夢」などで提供を開始した。Google DeepMindの「Nano Banana」に対抗し、ネイティブ4K生成と画像編集に対応。推論速度は従来比で10倍以上向上している。
月
9月8日 月曜日
OpenAIが長編アニメ映画「Critterz」製作、ハリウッド参入へ
報道によると、OpenAIは長編アニメ映画「Critterz」の製作を進めており、2026年の劇場公開を目指している。GPT-5などのAIツールを主に活用し、制作期間わずか9カ月、3000万ドル未満の低予算で完成させることで、映画業界にAIの実用性を示す狙いだ。
GoogleがVeo 3を刷新：全般値下げに加え、1080pと9:16縦型動画に対応
Googleは動画生成モデル「Veo 3」と「Veo 3 Fast」のアップデートを発表した。生成価格を全面的に引き下げたほか、9:16の縦型動画や1080p解像度に対応。Gemini APIで本番環境向けの安定版となり、SynthID透かしも継続して付与される。
金
9月5日 金曜日
Robloxが4D生成AIを発表：プロンプトから「実際に運転できる車」を即座に作成
Robloxはの開発者会議で、インタラクティブなオブジェクトを生成できる「4D Objects」を発表しました。テキストからドアが開き実際に走る車などを自動生成できるほか、リアルタイム音声翻訳やMCP対応のAIアシスタントも追加され、メタバース制作の敷居が大幅に下がります。
Snapchat、自由なテキスト入力で画像生成できる「Imagine Lens」公開
Snapchatはテキストプロンプトで画像を生成・編集できる「Imagine Lens」を発表した。テンプレートにとらわれず自由な指示で画像を作れるのが特徴。現在は月額制のSnapchat+ PlatinumおよびLens+会員向けに提供されている。
金
8月29日 金曜日
Krea AI、リアルタイム動画生成モデル発表 描画やWebカメラから即座に映像化
Krea AIがリアルタイム動画生成モデル「Realtime Video」を発表しました。再生速度を上回る生成速度を実現し、キャンバスへの描画やWebカメラ映像、テキスト入力に合わせて一貫した動画がリアルタイムに変化します。長時間のレンダリング待ちをなくし、直感的な操作を可能にします。
木
8月28日 木曜日
PixVerseが動画生成AI「V5」公開、ユーザー1億人突破
PixVerseは新世代動画生成モデル「PixVerse V5」とAgent機能を発表し、ユーザー数1億人突破を公表した。V5は動きの滑らかさと画質を大幅に強化し、最速5秒で360p動画を出力できる。期間限定の無料開放も実施されている。
火
8月26日 火曜日
GoogleがGemini画像生成の公式指南を公開：キャラ維持や部分編集のコツを解説
GoogleはGeminiアプリ向けに画像生成・編集の公式プロンプトガイドを公開した。被写体や構図など6要素の指定法に加え、同一キャラの一貫性維持、対話による特定箇所の修正、因果関係を反映した動作生成の例を紹介。文字描画やアスペクト比の固定にはまだ課題が残るという。
HeyGenが「Avatar IV」発表：身振りや表情の癖まで再現するデジタルツイン
HeyGenはデジタル分身機能「Digital Twin」の基盤として最新モデル「Avatar IV」を導入した。本人の手振りや表情の癖、話し方を学習し、頭から足先まで自然な全身の動きを再現できる。カメラの前に立たずとも本人そっくりの動画が作れるようになり、すでに利用可能となっている。
Google、「Gemini」の画像編集を大幅強化 顔やペットの見た目を維持したまま合成・微調整が可能に
GoogleはGeminiアプリにGoogle DeepMindの最新画像編集モデルを統合した。人物やペットの見た目の一貫性を保持する精度が向上し、服装や背景の変更、複数写真の合成、継続的な部分修正が可能になった。生成・編集された画像にはSynthIDの電子透かしが付与される。
AdobeがGoogleのGemini 2.5 Flash画像モデルをFireflyとExpressに統合
AdobeはGoogleの「Gemini 2.5 Flash Image」をAdobe FireflyとAdobe Expressに導入した。テキストからの画像生成などで利用可能で、生成物はモデルの学習に使用されない。9月1日まで有料プラン向けに無制限生成キャンペーンも行われる。
音声と1枚の静止画から映画級の映像を作る「Wan-S2V」が登場
2025年、研究チームが音声駆動型の動画生成モデル「Wan-S2V」を発表した。1枚の人物画像と音声を合わせるだけで、自然な表情や身体の動き、プロ仕様のカメラワークを伴う同期動画を生成できる。動画品質や人物の一致度などの指標で既存モデルを上回る成果を示した。
月
8月25日 月曜日
Sync Labs、口元同期AI「Lipsync-2-Pro」公開 高解像度で髭やそばかすも保持
Sync Labsは動画内の発話に合わせて口元を自然に変更できるモデル「Lipsync-2-Pro」を発表した。高解像度動画の編集に対応し、そばかすや髭といった細かな肌の質感を崩さずにリップシンクを行えるのが特徴だ。
木
8月21日 木曜日
Higgsfield AIが「WAN 2.2」を導入：30種以上のプリセットで高速動画生成
Higgsfield AIはオープンソースモデル「WAN 2.2」の提供を開始した。動画と画像の両方に対応し、30種類以上のプリセットを備えることで、ワンクリックでの素早いレンダリングを可能にしている。
Runwayが「Game Worlds Beta」公開 リアルタイムで仮想世界を探索
動画生成AIのRunwayが「Game Worlds Beta」の提供を開始した。任意のキャラクターやストーリー、仮想世界をリアルタイムに探索できる環境を目指す。単なる映像生成にとどまらず、プレイヤーの選択によって世界が変化する新たな操作メカニクスの構築に挑んでいる。
LTX Studio、LTXVとLTXV Turboにカメラ制御機能を追加
LTX Studioは動画生成モデル「LTXV」および「LTXV Turbo」向けにカメラモーション制御機能を追加した。あらかじめ用意されたカメラワークを選択することで、プロンプトだけに頼らず狙い通りの画角と一貫した映像を生成できる。
水
8月20日 水曜日
Runway、Act-Twoに「Voices」追加：キャラの声も自在に調整可能に
Runwayは動画生成機能「Act-Two」にVoicesを追加したと発表した。動きだけでなく声の表現も手軽に変更できるようになり、生成したキャラクターのイメージに合わせた演技演出が可能になる。
月
8月18日 月曜日
Qwen、画像編集モデル「Qwen-Image-Edit」発表：画像内文字の修正や180度回転に対応
Qwenは20B基盤の画像編集モデル「Qwen-Image-Edit」を公開した。フォントスタイルを維持したまま画像内の中英テキストを直接修正できるほか、物体の180度視点回転や局所的な要素編集に対応する。現在Qwen Chatの「Image Editing」機能から試すことができる。
ElevenLabs、開発者向け音楽生成「Eleven Music API」公開 商用利用に対応
ElevenLabsは開発者向けの「Eleven Music API」を公開した。許諾済みデータで学習されており、商用利用に対応しているのが特徴。同社によると、先行するEleven Musicではすでにクリエイターによって75万曲以上が生成されているという。
金
8月15日 金曜日
ElevenLabs、動画から音楽を一括生成する新機能を公開
ElevenLabsは「ElevenLabs Studio」に動画から音楽を生成する「Video-to-Music」機能を追加した。独自の「Eleven Music」モデルにより、動画の内容に合わせた専用の音楽をワンクリックで生成でき、そのまま音声や効果音を重ねて編集できる。
木
8月14日 木曜日
xAI、画像・動画生成「Grok Imagine」を期間限定で無料開放 音声付き15秒動画に対応
イーロン・マスク氏はxAIの画像・動画生成ツール「Grok Imagine」を世界中で期間限定で無料開放すると発表した。iOSとAndroidに対応し、OpenAIのSoraにはまだない音声付き15秒動画の生成が可能。xAIはGrok 4の無料提供も進めており、ユーザー獲得を加速させている。
