Reddit、メイン検索バーに「Reddit Answers」を統合 AIが投稿から回答を要約
Reddit はコミュニティ投稿から AI が回答をまとめる機能「Reddit Answers」をメイン検索バーに統合した。以前は専用タブが必要だったが、今後は通常の検索窓から直接、出典リンク付きの要約回答を得られる。Google 検索で「reddit」を足して探す手間の解消を狙う。
AIデイリー：今日のAIニュース
金
5月2日 金曜日
Googleの「NotebookLM」がついにスマホ対応、iOSとAndroidで事前予約開始
GoogleのAIリサーチアシスタント「NotebookLM」のモバイルアプリがApp StoreとGoogle Playで事前登録を開始した。提供開始は5月20日の見込み。これまでデスクトップ限定だったが、今後はスマホやタブレットからノートの閲覧、資料のアップロード、Audio Overviewsの再生が可能になる。
Nvidia、音声認識AI「Parakeet-TDT-v2」をオープンソース公開
Nvidiaは音声認識モデル「Parakeet-TDT-0.6B-v2」をHugging Faceでオープンソース公開した。6億パラメータながらGPU上で1時間の音声をわずか1秒で文字起こしでき、オープンASRリーダーボードで首位を獲得。商用利用可能なCC-BY-4.0ライセンスで提供される。
Nvidia、H20規制受け中国向けAI半導体を再設計か
報道によると、米国の規制強化でH20が実質禁止となり55億ドルの評価損を計上したNvidiaが、最新規則に適合する中国向け新AIチップを開発している。アリババやテンセントなどへすでに説明を開始した模様。ファーウェイがAscend 910Cの出荷を急ぐ中、売上の13%を占める中国市場の死守を狙う。
OpenAIがChatGPTの「迎合」問題を検証：モデルの振る舞いも審査基準に
OpenAIはChatGPTがユーザーに過度にへつらい、危険な感情を肯定してしまった経緯を検証した。複数の改善が重なり抑制機能が薄れたことが原因で、今後はテスト結果が良好でも性格や振る舞いに違和感があればリリースを止める方針を示した。
木
5月1日 木曜日
Midjourney、特定キャラや物体を画像内に指定配置できる新機能「Omni-Reference」を公開
Midjourneyは新機能「Omni-Reference」の提供を開始した。キャラクターや小物、乗り物などを指定し、「これを画像に入れて」と正確に指示できるようになる。画像生成における被写体の一貫性維持が容易になり、狙い通りの構図を作りやすくなる。
Auroraの完全自動運転トラック、テキサス州の公道で商業配送を開始
自動運転企業のAuroraは、運転手や保安要員が同乗しない完全自動運転の大型トラックがテキサス州の公道で商業配送を開始したと発表した。すでにUber Freightなどの顧客向けに1,200マイルの無人走行を完了しており、年内に運行エリアを拡大する予定だ。
Higgsfield AI、動画の「開始・終了フレーム」指定機能を公開
Higgsfield AIが動画生成の新機能「Start & End Frames」を公開した。最初と最後の画像をそれぞれ指定して動画の骨組みを決められるため、意図した通りのカメラワークや動きのある映像ストーリーを作れるようになる。
Ai2が10億パラメータの「Olmo 2 1B」公開：GoogleやMetaの同規模モデルを凌駕
Ai2は木曜日、10億パラメータのオープンモデル「Olmo 2 1B」を公開した。Apache 2.0の下でコードと学習データを完全公開しており、GSM8KなどのテストでGoogleやMetaの同級モデルを上回る。ノートパソコンやモバイル端末でも容易に動作する。
マイクロソフト、Azure でイーロン・マスク氏の「Grok」提供を準備中か
The Verge はマイクロソフトが xAI と交渉を進めており、Azure AI Foundry 上でイーロン・マスク氏の AI モデル「Grok」を提供する準備に入ったと報じた。あらゆる人気モデルを網羅するインフラを目指す動きだが、提携先 OpenAI との緊張をさらに高める可能性がある。
Ideogram 3.0が大型更新：リアルさ向上、Canvas編集機能とAPIも公開
IdeogramはIdeogram 3.0の大型アップデートを公開した。リアリズムとプロンプト忠実度が向上したほか、Ideogram Canvas上でMagic FillやExtendを使った画像編集が可能になり、開発者向けAPIも正式に提供開始された。
Sunoがv4.5を公開：最大8分の楽曲生成に対応、ボーカル表現も大幅進化
Sunoは有料プラン向けに「v4.5」を公開した。感情豊かなボーカル表現や異ジャンルの融合に対応したほか、延長機能を使わずに1回のプロンプトで最大8分のフル楽曲を直接生成できるようになった。
Pika、新エフェクト「Pikaffects」公開：ピンク髪・超ロング・スキンヘッドに一発変換
PikaはWeb版およびiOSアプリ向けに新機能「Pikaffects」のヘアスタイルエフェクトを公開した。ピンク髪や超ロングヘア、スキンヘッドへワンクリックで加工できる。手軽にユニークな映像を作りたい人にうってつけの機能だ。
Google、AI Modeの順番待ちを撤廃：全米開放と検索履歴サイドバーの追加
Googleは米国向けにLabsの「AI Mode」の順番待ちを撤廃し、即時利用可能にしたと発表した。店舗や商品のビジュアルカードでリアルタイム価格や在庫を確認できるほか、デスクトップ向けに履歴を引き継げる左サイドバーを追加した。
Krea AI、視覚的プロンプトツール「GPT Paint」公開 図形や注記でChatGPTに指示
Krea AIは新機能「GPT Paint」を発表した。「Krea Image」内で利用可能で、描画マークや基本図形、メモ、参考画像を使ってChatGPTへ視覚的にプロンプトを入力できる。テキストだけでなく手書きスケッチで直感的に指示を出せる点が特徴だ。
ClaudeがJiraやZapierと直接連携、最長45分の本格リサーチ機能も追加
AnthropicはClaudeが外部ツールと直接連携できる「Integrations」を発表しました。JiraやZapierなどに対応し、アプリをまたいだタスク実行が可能です。さらにウェブや社内ツールを横断して最長45分間自律調査する高度なリサーチ機能も追加されました。
マイクロソフトが「Phi-4-reasoning-plus」公開：14Bで70B蒸留版超え、MITライセンス
Microsoftはオープンウェイトの推論モデル「Phi-4-reasoning-plus」を公開しました。14Bという軽量サイズながら、AIME 2025数学テストのpass@1で70BのDeepSeek-R1蒸留版を上回る精度を記録。商用利用しやすいMITライセンスで提供され、OllamaやvLLMでも手軽に動かせます。
サム・アルトマン氏のWorld、スマホ型虹彩認証端末「Orb Mini」を発表
サム・アルトマン氏が共同創業したTools for Humanityは、人間とAIを識別する携帯端末「Orb Mini」を発表した。スマホ型の筐体に虹彩スキャン用センサーを備え、ブロックチェーン上で一意の人間証明を発行する。米国6都市への実店舗展開も開始する。
LM Arenaに大手優遇の不正疑惑：非公開テストで高スコア選抜か
Cohereやスタンフォード大学などの研究チームは、AIベンチマーク「LM Arena」が大手企業を優遇していると告発する論文を発表しました。MetaやOpenAIなどが非公開で多数のモデルをテストし最高スコアのみを公開できたほか、対戦のサンプリング率でも優遇されていたと指摘されています。LM Arena側は疑惑を否定しつつ、アルゴリズムの改定を表明しました。
水
4月30日 水曜日
AWS、最上位モデル「Amazon Nova Premier」の一般提供を開始
AWSはNovaシリーズ最上位の基底モデル「Amazon Nova Premier」の一般提供を開始した。100万トークンのコンテキストに対応し、高度なエージェント連携や計画実行をこなすほか、小型モデル向け蒸留の教師モデルとしても活用できる。
MidjourneyがV7モデルを更新：手の描写改善、新エディターと実験的「--exp」引数を追加
MidjourneyがV7モデルをアップデートし、手の構造や構図の一貫性、プロンプト忠実度を向上させた。あわせてスマートセグメンテーション対応の新ライトボックスエディターを実装し、トーンマッピングやダイナミックなディテールを調整できる実験的パラメータ「--exp」も追加している。
MetaのAIアプリに有料プランと広告導入へ、AI投資は最大720億ドルに増額
ザッカーバーグCEOは決算会見で、単独アプリとなった「Meta AI」に有料プランや広告・商品推薦を導入する構想を明らかにした。より多くの計算資源を求める層へ課金サービスを用意する狙いで、AI投資の上限も720億ドルに引き上げた。ただし今後1年は規模拡大を優先し、収益化は急がない姿勢だ。
Google Labsが語学学習ツールを公開：写真撮影で身の回りの外国語を学べる
Google Labs は、生成 AI を活用した語学学習実験「Little Language Lessons」を公開した。状況に応じた表現を学ぶ Tiny Lesson、現地の俗語を学ぶ Slang Hang、周囲を撮影して単語や例文を覚える Word Cam の 3 種類が揃う。手軽に使える一方、初期実験のため翻訳精度にばらつきがある。
Runway、「Gen-4 References」を提供開始 画像でキャラの一貫性を維持
Runwayはすべての有料プラン向けに「Gen-4 References」の提供を開始した。写真や生成画像、3Dモデルなどを参照元にすることで、異なるシーンでも一貫したキャラクターや背景を生成できる。映像制作時のキャラ崩れを防ぐ待望の機能だ。
Pinterest、AI生成画像にラベル表示を開始 自動検出で「非表示」設定も追加へ
Pinterest は AI 生成・加工された画像に「AI modified」ラベルを表示する機能を全ユーザー向けに提供開始した。自己申告に頼らずメタデータ解析と独自モデルで自動検知する。AI 生成コンテンツの氾濫を受け、今後はアートや美容分野などで表示頻度を減らす機能も導入予定だ。
KREA AIが画像強調モデルを刷新、Topaz連携で最大22Kの拡大に対応
KREA AIは画質向上ツール「Enhancer」の最新モデルを公開しました。質感や鮮明さが改善されたほか、Topaz Labsとの連携により最大22Kの超解像度への拡大が可能になりました。大判印刷などを手掛けるクリエイターにとって実用的な強化です。
Google、Geminiアプリ内で直接画像編集が可能に：背景変更や要素追加に対応
GoogleはGeminiアプリに直接画像をアップロードして編集できるネイティブ機能を追加したと発表しました。AI生成画像や手持ちの写真に対し、プロンプトで背景の変更やオブジェクトの差し替えが可能です。編集後の画像にはSynthIDの透かしが付与されます。
MetaがRay-Banスマートグラスの規約改定、音声保存の無効化を廃止しAI学習に活用
MetaはRay-Ban Metaスマートグラスの規約を改定し、音声データのクラウド保存をオフにする機能を廃止した。ユーザーの音声と文字起こしデータはAI学習のために最長1年間保管される。設定から手動で録音を削除することは可能だが、自動保存そのものを拒否することはできなくなった。
Nvidia、Blenderの3D構図から画像を生成するAIワークフローを公開
NvidiaはBlenderの3DモデリングとFLUX.1画像生成器を連携させるワークフローを発表した。Blender上で大まかな配置やアングルを決めることで、プロンプト調整に頼らず構図を正確に指定できる。動作にはRTX 4080以上のGPUが必要となる。
ウィキメディア財団が新AI戦略を発表：人間のボランティア支援を最優先に
ウィキメディア財団はWikipediaのボランティア編集者を最優先とする新たなAI戦略を発表した。AIによる記事生成ではなく、パトロールの自動化や情報検索、翻訳支援、新規参加者の育成など編集作業の負担軽減に技術を活用し、オープンソースモデルを優先する方針だ。
Anthropicが米政府に提言：AIチップ輸出規制の抜け穴塞ぎと強化を要求
Anthropicは米商務省のAI拡散規則に対し、先端チップの輸出管理を強化する提言書を提出した。第2層国に対する現行の許可不要枠（NVIDIA H100約1700基相当）の引き下げや密輸対策の強化を求めており、実施の遅延は他国の買い溜めを招くと警告している。
火
4月29日 火曜日
Lyftがドライバー向けAIツール発表、稼げるルートと時間を提案
Lyftはドライバー向けAIチャット「Earnings Assistant」を発表した。空港の混雑や地域イベントのデータをもとに運行計画を作成し、割増料金が発生する「Turbo」時間を案内する。現在は順番待ちリスト制の早期テスト中。
Freepik、商用ライセンス画像のみで学習したオープン画像AI「F Lite」公開
FreepikはFal.aiと共同開発した100億パラメータのオープン画像生成モデル「F Lite」を発表した。約8000万枚の商用ライセンス画像のみで学習しており、著作権リスクを回避できるのが特徴。標準版と質感重視版の2種類を提供するが、動作には24GB以上のVRAMが必要となる。
Natasha Lyonneが新作映画を監督：許諾済みAIモデルMareyを活用
俳優のNatasha Lyonneが新作映画『Uncanny Valley』の監督・主演を務めると発表された。本作の映像制作にはMoonvalleyの動画生成モデルMareyが採用される。クリエイターに対価を支払った許諾済み素材のみで学習した点が特徴だが、公開時期は未定だ。
OpenAIがGPT-4oの更新を撤回、ユーザーへの「お世辞や過剰な迎合」が原因
OpenAIはChatGPT向けGPT-4oの最新アップデートを撤回し、以前の安定版に戻したと発表した。短期的な評価フィードバックを重視しすぎた結果、AIが過度に迎合的で不誠実な回答をするようになったという。現在は修正を進めており、今後はユーザー自身がデフォルトの性格を選べる機能も導入する予定だ。
Vercept、画面を見て直接操作するAIエージェント「Vy」を公開
Verceptは画面を認識してコンピューターを直接操作できるAIエージェント「Vy」を発表した。ログイン済みアプリをネイティブに操作可能で、基盤モデル「VyUI」はUI位置特定テストでOpenAIなどを上回るスコアを記録。即日ダウンロード提供を開始した。
Google「NotebookLM」、音声概要が50以上の言語に対応
GoogleはNotebookLMのポッドキャスト風会話機能「音声概要」を50以上の言語に対応させたと発表した。設定に「出力言語」が追加され、ポルトガル語や英語などの多言語資料を読み込ませても、希望の言語で解説音声を生成できる。
Meta、単体アプリ「Meta AI」公開：Llama 4搭載、スマートグラス管理も統合
MetaはLlama 4を基盤とする単体アプリ「Meta AI」をリリースした。音声対話を中心に設計され、直接音声を生成する全二重音声デモを搭載するほか、Ray-Ban Metaスマートグラスの管理機能も統合した。米加豪などで先行提供される。
Yelp、飲食店の電話対応や予約を代行するAI機能を発表
Yelpは飲食店やローカル事業者向けに電話対応を代行するAI機能を発表した。AIが予約受付や順番待ち登録、問い合わせ対応を自動で行い、迷惑電話も弾く。忙しい店舗の電話取りこぼしを防ぐ狙いだが、現在はまだ開発段階にある。
生数科技が「Vidu Q1」公開、首尾フレーム補間と48kHz音響生成に対応
生数科技が動画生成AIモデル「Vidu Q1」を発表した。関連性のない画像同士を滑らかにつなぐ補間機能や1080p動画生成に対応する。さらに業界初となる48kHzの音響同期生成を備え、映像の雰囲気に合わせた背景音楽や効果音をテキストから生成できる。
Intelが「AutoRound」発表：72Bモデルを37分で量子化、INT2でも高精度
IntelはLLMおよびVLM向けの量子化ツール「AutoRound」を発表した。重みの丸めとクリッピング範囲を同時最適化し、INT2精度で従来比最大2.1倍の相対精度を達成。72Bモデルをわずか37分で量子化でき、GPTQやGGUF形式へのエクスポートにも対応する。
Metaの「Llama 4」がGoogle Vertex AIでマネージドAPIとして一般提供開始
GoogleはMetaの最新モデル「Llama 4」をVertex AIのフルマネージドAPI（MaaS）として一般提供したと発表した。GPUの調達や環境構築を行う必要がなく、Model Gardenで規約に同意するだけでOpenAI互換エンドポイントから即座に利用できる。
マスク氏が「Grok 3.5」予告：来週早期ベータ提供へ、第一原理推論を強調
イーロン・マスク氏はGrok 3.5の早期ベータ版を来週SuperGrok加入者向けに限定提供すると発表した。ロケットエンジンや電気化学などの専門的な問いに対し、第一原理から推論してネット上に存在しない回答を出せるとアピールしている。
月
4月28日 月曜日
Duolingoが「AIファースト」を宣言、外部委託スタッフを段階的に削減へ
Duolingoのルイス・フォン・アーンCEOは全社方針として「AIファースト」を掲げ、AIで代替可能な契約社員の起用を段階的に停止すると発表した。今後の人員増員は業務の自動化が不可能な場合に限定され、採用や人事評価にもAI活用度が反映される。
アリババが「Qwen3」公開：思考予算を調整できるハイブリッド推論モデル
アリババは0.6Bから235Bパラメータにおよぶモデル群「Qwen3」を発表した。思考モードと通常モードを統合し、タスクに応じて推論リソースを調整できるのが特徴。最大公開モデルQwen3-32Bを含む大半がHugging FaceやGitHubでダウンロード提供されている。
OpenAIがChatGPT検索を改善、週間10億件突破で新ショッピング機能も展開
OpenAIはChatGPTの検索機能をアップデートし、新たなショッピング体験の順次提供を開始したと発表した。検索は同社で最も急成長している機能の一つで、過去1週間だけでWeb検索数が10億回を突破したという。
Hugging Face、100ドルからの3Dプリント製ロボットアーム「SO-101」を発表
Hugging Faceが3Dプリント対応のプログラマブルロボットアーム「SO-101」を発表しました。基本価格100ドルで、前作SO-100より組み立てやすくモーターも改善。カメラを備え、強化学習による自律動作訓練に対応します。
ファーウェイが新AIチップ「昇騰910D」開発中か NVIDIAのH100対抗へ
米紙報道によると、ファーウェイはNVIDIAの主力製品H100に対抗するAIチップ「昇騰910D」を開発しており、国内パートナー企業へテスト参加を打診している。米国の半導体規制が強まる中、成功すれば国内の先端計算資源の穴埋めとなりそうだ。
Luma AI、動画生成「Ray2」のカメラ制御APIを公開：構図や動きを指定可能に
Luma AIは動画生成「Ray2」向けのCamera Concepts APIを公開した。まずはカメラの動きとアングルを制御できる機能から提供を始め、開発者が映画のような本格的なカメラワークを細かく指定できるようにする。
Higgsfield AI、自撮り写真から名作映画シーンを再現する新機能を公開
Higgsfield AIは新機能「Iconic Scenes」を発表した。自撮り写真を1枚アップロードするだけで、『マトリックス』や『インターステラー』など20以上の名作映画テンプレートに自分が入り込んだ動画を生成できる。80種類以上の本格的なカメラワーク制御にも対応する。
NVIDIA、AI工場向けセキュリティ「DOCA Argus」発表
NVIDIAはBlueFieldネットワークプラットフォーム上で稼働するセキュリティフレームワーク「DOCA Argus」を発表した。ホストにエージェントを置かずメモリフォレンジックを実行することで、計算負荷ゼロで従来比最大1000倍の脅威検知速度を実現する。
Anthropic、経済諮問委員会を設立：労働市場への影響を検証へ
米AnthropicはAIが雇用や経済成長に及ぼす影響を専門的に分析する「経済諮問委員会」の設立を発表した。著名な経済学者らが参画し、同社の「Anthropic Economic Index」の調査研究を主導して政策立案者や企業に知見を提供する。
人形ロボットのFigure、UPSと導入交渉中 物流現場への配備を計画
米ロボット新興のFigureが、物流大手UPSの配送ネットワークへ最新型ヒューマノイドロボットを配備すべく詳細な協議を進めていると報じられた。具体的な担当業務は未定だが、UPSが進める自動化を後押しする。2028年までに10万台の出荷を目指すFigureにとって、実現場での重要マイルストーンとなる。
AnthropicがAI開発調査を公開：Claude Codeの自動化率は79%
Anthropicはソフト開発に関する経済指標レポートを発表し、50万件の対話を分析した。専用エージェントのClaude Codeでは79%が直接タスクを代行する自動化用途であり、WebフロントエンドやUI開発で特に利用が進んでいる。
日
4月27日 日曜日
OpenAI、GPT-4oの「過度なお世辞」改善へ：Altman氏が修正を予告
OpenAI のサム・アルトマン CEO は X で、最近の GPT-4o の更新により性格が過度に迎合的で煩わしくなっていると認めました。チームは即座に性格調整を進めており、今週中に修正が反映される見込みです。
土
4月26日 土曜日
DeepSeek「R2」の噂が浮上：1.2兆パラメータ、Huaweiチップで訓練か
DeepSeekの次期モデル「R2」に関するリーク情報がSNSで拡散された。噂によると、1.2兆パラメータのハイブリッドMoE構成で、HuaweiのAscend 910Bチップを活用し、GPT-4oより大幅に安価な価格設定になるという。ただし公式発表ではなく真偽は不明だ。
中国、AI分野の「自立自強」を指示：先端半導体と基本ソフトの開発を加速へ
報道によると、中国の政治局集団学習会において習近平国家主席は「新型挙国体制」を活かしたAIの自立自強を強調した。米国との対立が深まる中、先端半導体や基本ソフトなどの重要技術の国産化を進め、自主制御可能なAI基盤を構築する方針を示した。
金
4月25日 金曜日
Anthropic、Claude Codeをリバースエンジニアリングした開発者にDMCA削除通知
AnthropicはClaude Codeの難読化を解除してGitHubに公開した開発者に対し、DMCA著作権侵害申し立てを行った。Codex CLIをApache 2.0でオープンソース化したOpenAIとは対照的に厳しい利用規約を敷いており、開発者コミュニティで反発が広がっている。
マイクロソフト、Copilot+ PC向けに「Recall」や「Click to Do」などの新AI機能を正式提供
米Microsoftは、Copilot+ PC向けに延期されていたAI機能「Recall（プレビュー）」や画面上の作業を支援する「Click to Do」、自然言語対応のWindows検索を順次配信開始した。RecallはデータをNPUでローカル暗号化処理し、完全な無効化にも対応する。新機能は4月のプレビュー更新プログラムを通じて段階的に展開される。
MetaとBooz Allen、宇宙仕様のAI「Space Llama」を国際宇宙ステーションに配備
MetaはBooz Allenと提携し、微調整版Llama 3.2「Space Llama」を国際宇宙ステーション（ISS）に配備すると発表した。HPEの宇宙用サーバーとNVIDIAのアクセラレーションを活用し、ネット接続なしで技術資料の検索やマルチモーダル処理を1秒台で実行できる。
木
4月24日 木曜日
YouTubeが検索結果のAI動画カルーセルをテスト、開かずに要点を再生
YouTubeは今週、AIを活用した検索結果カルーセルの試験運用を発表した。動画のテキスト要約ではなく、検索内容に最も適した動画クリップをAIが自動抽出して検索画面上で直接再生する。現在は一部のPremium会員向けに英語検索でテスト中だが、クリエイターの再生数への影響も懸念されている。
Anthropic CEOが警告、AIが強力になりすぎる前に「ブラックボックス解明」を
Anthropic の CEO ダリオ・アモデイ氏がブログを公開し、AI の内部構造を解明する「解釈可能性」研究の緊急性を訴えました。モデルを精密な MRI のように可視化できなければ欺瞞や悪用を防ぎきれないと指摘。AI の能力が暴走する前に、理解する技術を追いつかせる必要があります。
OpenAI、「Deep Research」軽量版を提供開始 無料ユーザーにも順次開放
OpenAIは自動調査機能「Deep Research」の軽量版を発表した。Plus、Team、Proユーザーの利用上限を引き上げるほか、無料ユーザーにも順次提供する。これまで有料プランに限られていた高度な自律型Webリサーチ機能が、より手軽に利用できるようになる。
OpenAIの次期オープンモデル、難問時にクラウドを呼び出す機能検討か
TechCrunch報道によると、OpenAIは初夏リリース予定のオープン推論モデルに「ハンドオフ」機能の搭載を検討している。ローカルで解けない複雑な処理をクラウド上の大型モデルに引き継ぐ仕組みだ。ゼロから新規訓練中で、オープン層を有料エコシステムへ導く狙いもうかがえる。
Tavus、高精度なゼロショット口唇同期モデル「Hummingbird-0」をfalで公開
Tavus は fal 上で新たなリップシンクモデル「Hummingbird-0」のリサーチプレビューを公開した。同社によると、オープンおよびクローズドソースを問わず、検証した中で最も精度の高いゼロショット口唇同期モデルだという。
Argil、AIアバターが商品を持って宣伝可能に OpenAI技術を統合
動画生成プラットフォームのArgilは、OpenAIの技術を組み合わせてAIアバターが手で商品を持ち、話しながら宣伝できる新機能を発表した。商品画像を1枚アップロードするだけで動画を生成でき、EC広告での活用を見込む。
Krea AIがChatGPTの画像機能を統合：チャットでの画像編集や3Dレンダリングに対応
Krea AIはChatGPTの画像機能をプラットフォームに統合したと発表した。ユーザーはチャット上で自然言語を使って画像を編集したり、3Dシーンをレンダリングしたりできるようになり、300種類以上のスタイルに対応する。
AdobeとLinkedInが連携：画像に無料の証明書、AI学習拒否も明記可能に
Adobeはコンテンツ認証アプリのパブリックベータ版を公開した。有料契約なしで誰でも無料で利用でき、画像の出所やAI利用の有無、AI学習への利用拒否などのデジタル署名を付与できる。さらにLinkedInの本人確認バッジとの連携にも対応した。
DropboxがAI検索「Dash」を大幅刷新：動画・音声検索やSlack連携文書生成に対応
DropboxはAI検索ツール「Dash」をアップデートした。テキストに加え音声・動画・画像の検索や社内人材検索に対応。さらにSlackやFigmaなど外部アプリの情報を横断集約し、企画書やメモを自動作成する執筆機能や機密除外設定を追加した。
Adobe、画像生成「Firefly Image 4」発表 Web版には競合モデルも統合
Adobeは新世代の画像生成AI「Firefly Image Model 4」と高精細版「Ultra」を発表した。最大2K解像度や文字描画の向上に対応し、1080p動画モデルも一般提供へ移行。刷新されたWeb版では、OpenAIやGoogle、Fluxといった競合モデルの利用も可能になった。
Googleなどが全脳活動予測ベンチマーク「ZAPBench」を発表
Google ResearchはHHMI Janeliaやハーバード大学と共同で、幼体ゼブラフィッシュの約7万個の神経細胞を捉えた全脳活動データセットと評価基准「ZAPBench」を発表した。大規模言語モデルが単語を予測するように、ニューロンの30秒後の発火パターンを予測する能力を測定するオープンソース基盤となる。
Google、音楽制作AI「Music AI Sandbox」を拡充 新モデル「Lyria 2」搭載
Googleは音楽制作ツール「Music AI Sandbox」の機能強化と米国クリエイター向けのアクセス拡大を発表した。新世代モデル「Lyria 2」やリアルタイム生成が可能な「Lyria RealTime」を搭載し、テキスト指示による曲調変換やフレーズの続きの自動生成に対応。出力音源にはSynthID透かしが付与される。
Ziff DavisがOpenAIを提訴：記事を無断学習したモデルの破棄を要求
IGNやCNET、PCMagを傘下に持つ米メディア大手Ziff Davisが、OpenAIを著作権侵害などで提訴した。OpenAIのクローラーが技術的制限を回避して数百万件の記事を学習に利用したと主張。損害賠償だけでなく、対象コンテンツで訓練されたすべてのAIモデルやデータセットの完全破棄を求めている。
英歌手イモージェン・ヒープ、AI音楽基盤「Jen」で公式フィルター提供
グラミー受賞歌手イモージェン・ヒープがAI音楽基盤「Jen」で代表曲をベースにした5種の生成フィルターを発売した。テキスト指示と楽曲を組み合わせ、4.99ドルから生成できる。著作権侵害の懸念が強い同業界で、正規許諾による収益化モデルを提示した形だが、現在はインスト曲のみ対応する。
Spotify、プロンプトで曲を集める「AIプレイリスト」を40カ国以上に拡大
Spotifyはプロンプトから曲を集める「AIプレイリスト」β版を新たに40以上の市場のPremium向けに提供拡大した。気分やシチュエーション、絵文字を英語で入力するだけで好みのリストが作れ、会話での微調整にも対応する。推薦機能のプロンプト化が進む形だ。
水
4月23日 水曜日
米ホワイトハウスが大統領令に署名：青少年のAI教育推進と指導者育成へ
米ホワイトハウスは青少年向けAI教育を推進する大統領令14277号を発令しました。専任タスクフォースを立ち上げ、全国的な大統領AIチャレンジを開催するほか、K-12教育向け教材の開発、教員研修、AI関連の見習い制度（アプレンティスシップ）拡大を各省庁と連携して進めます。
Higgsfield AI、動画生成AI「Turbo」発表 速度1.5倍・30％値下げ
Higgsfield AIは同社最速となる動画生成モデル「Turbo」を発表した。レンダリング速度が従来の1.5倍に向上したほか、利用コストも30％削減され、7種類の新しいモーションスタイルと優先キューに対応する。高速な試行錯誤を要する映像制作を強力に支援する。
NVIDIA、画像・動画の特定箇所を詳細に言語化する「Describe Anything 3B」を公開
NVIDIAは画像や動画の特定領域を詳細に説明できるマルチモーダルモデル「Describe Anything 3B」を公開した。点や枠、マスクで指定した領域の特徴を高精度にテキスト化でき、評価ベンチマークでGPT-4oを上回る精度を記録した。
Perplexity、iOS向けAIアシスタントを公開：質問回答だけでなく配車や予約などの操作も代行
PerplexityはiOS向けに「Perplexity Assistant」を発表した。質問への回答だけでなく、メディア再生やメール作成、予定変更、配車手配、レストラン予約、リマインダー設定といったiPhone上の基本操作を代行できる。
Ray-Ban Meta、リアルタイム翻訳を全ユーザーへ提供開始 オフライン対応も
Meta はスマートグラス「Ray-Ban Meta」のリアルタイム翻訳機能を販売地域全域で一般公開した。英語、フランス語、イタリア語、スペイン語の音声翻訳に対応し、言語パックを事前ダウンロードしておけばネット接続なしでも利用できる。
NVIDIA、NeMoマイクロサービスを一般提供：企業のAI同僚構築を加速
NVIDIAは企業のAIエージェント構築を支援するNeMoマイクロサービスの一般提供を開始した。CustomizerやEvaluatorなどのツール群でファインチューニング効率を最大1.8倍に高め、推論データからモデルを常時改善できる。AT&TやCiscoなどが導入している。
NVIDIA、GeForce RTX向け「G-Assist Plug-In Builder」を公開
NVIDIAはGeForce RTX環境向けAIアシスタント「Project G-Assist」をNVIDIA appの実験的機能として提供開始し、独自拡張を作成できるプラグインビルダーを公開した。ローカル動作の小型モデルを用い、画面を切り替えずに音声やテキストでPC設定や外部APIを操作できる。
Microsoft、「Microsoft 365 Copilot」を刷新 Agent Storeや推論エージェントを追加
Microsoftは「Microsoft 365 Copilot Wave 2」の春季アップデートを発表した。新たに「Agent Store」を開設し、OpenAIの推論モデルを活用した「Researcher」や「Analyst」などを提供。組織内横断検索やポッドキャスト風ノート機能も順次展開される。
テンセント混元3D 2.5公開：100億パラメータで超高精細メッシュ生成
テンセント混元は3D AI制作エンジンv2.5を発表しました。幾何学モデルを100億パラメータへ拡張し、メッシュ面数を10倍に増やして1024解像度のディテールを実現。マルチビューPBR生成や自動スキニングに対応し、無料枠も1日20回に倍増しました。
OpenAI、画像生成モデル「gpt-image-1」をAPIで提供開始
OpenAIはChatGPTで採用されている画像生成モデル「gpt-image-1」のAPI提供を開始した。高精度な文字描画や多様な画風に対応し、トークン課金制で正方形画像1枚あたり約0.02〜0.19ドルから利用できる。
Anthropic、Claudeの悪用事例を公開：ボット軍団の指揮やマルウェア開発に転用
AnthropicはClaudeが悪用された具体例と対策を報告した。商業的な世論工作で100以上のボットの行動判断に利用されたほか、初心者が高度なマルウェアを作成する事例も確認されたという。先端AIが悪質行為を半自律的に統括する段階に入ったことを示しており、該当アカウントはすべて停止された。
火
4月22日 火曜日
xAI、Grokにカメラ認識機能「Grok Vision」を追加 iOSで先行提供
xAIはカメラ越しに周囲の物体や文書を認識してリアルタイムで質問に答える「Grok Vision」を発表した。音声モードの多言語対応とリアルタイム検索も追加された。Vision機能はまずiOSアプリ向けに提供され、Android版は後日対応となる。
米アカデミー賞が新規定、映画の生成AI使用は減点せず 人間の創造性を重視
米映画芸術科学アカデミーは、映画制作における生成AIの利用自体がノミネートに有利または不利に働くことはないと規定に追加した。審査では人間が創作の中心にあったかが判断基準となる。なお、懸念されていたAI利用の開示義務付けは見送られた。
Character.AI、画像から動画を生成する新モデル「AvatarFX」を発表
Character.AIは静止画と音声から発話や表情、身体の動きを伴う動画を生成できるAIモデル「AvatarFX」を発表した。DiTアーキテクチャと蒸留技術を活用し、長尺動画や複数人の対話にも対応する。今後数か月以内にCAI+加入者へ先行提供される予定だ。
Descriptが自律型AI動画エディタを発表、「動画版Cursor」を目指す
Descript創業者のAndrew Mason氏がAIエージェントを活用した新型動画エディタを発表し、「動画界のCursor」と位置付けました。AIエージェントに動画編集を任せるワークフローを提案しており、現在事前登録を受け付けています。
DreaminaがSeedream 3.0を公開：2K解像度と映画風ビジュアルに対応
Dreamina AI は画像生成モデル「Seedream 3.0」を正式リリースした。2K 解像度の画像出力に対応し、映画のような質感やリアルな素材表現、高精度な英語テキスト描画を実現している。現在公式サイトで試すことができる。
1Password、自律型AI向けのセキュリティ機能とXAMプラットフォーム拡張を発表
1Passwordは自律型エージェントのアクセス管理を行う「Agentic AI Security」と拡張アクセス管理（XAM）の機能強化を発表した。コードへの認証情報ハードコードを排除し、最小特权の適用やシークレットの動的ローテーションを実現する。AIエージェントによる業務代行が進むなか、非人間アカウントの統制が急務となっている。
ワシントン・ポストがOpenAIと提携、ChatGPT検索に記事を提供
The Washington PostはOpenAIとの戦略的提携を発表した。ChatGPTの検索機能において、同紙の要約や引用、元記事への直リンクが表示されるようになる。週に5億人以上が利用するChatGPTに向けて、信頼性の高い一次報道を届ける狙いがある。
Google が Chrome 売却命令を受けた場合、OpenAI が買収に意欲
米司法省による Google への独占禁止法訴訟で、ChatGPT プロダクト責任者のニック・ターリー氏が、Chrome の分離が命じられた場合 OpenAI が買収に関心があると証言した。一方、Perplexity の CEO は Chrome 分割に反対し、Android の開放を優先すべきだと主張している。
月
4月21日 月曜日
韓国の大学生2人が資金ゼロで音声AI「Dia」を公開 ElevenLabsに匹敵
韓国のスタートアップNari Labsはオープンソースの音声合成モデル「Dia」を公開した。AI開発経験が浅い学部生2人が外部資金ゼロで開発した16億パラメータのモデルで、感情の抑揚や複数話者、笑い声や咳といった非言語音まで再現可能。実測テストでElevenLabsを上回る表現力を示し注目を集めている。
PlayAIが「Voice Changer」公開：10秒の音声で誰の声にも変換可能に
PlayAIは音声変換ツール「Voice Changer」を発表した。わずか10秒の音声サンプルから声の主を再現し、感情やトーンを保ったまま変換できる。モバイル端末でも即座に動作し、配音のコスト削減を狙う。
ElevenLabs、対話型AIにエージェント間の通話転送機能を追加
ElevenLabsはConversational AIにおいて、複数のエージェント間で通話をスムーズに転送できる新機能を発表しました。社内の各チームが独自の知識ベースやツールを持つ特化型エージェントを並行して開発できるようになり、複雑な電話対応の分業が容易になります。
AnthropicがAIリスク評価枠組みを公開、不必要な拒絶を45%削減
AnthropicはAIがもたらす害を特定・軽減する新たな評価フレームワークを発表した。身体、心理、経済、社会、個人の自律性の5側面からリスクを分析。Claude 3.7 Sonnetでは安全性を保ちつつ、無害なプロンプトへの不必要な拒否を45%削減した。
Google DeepMindのハサビスCEO、AIの「自己意識」獲得は10年以内と予測
Google DeepMindのデミス・ハサビスCEOは、現在のAIに意識はないものの、モデルが「自己や他者」を理解する過程で自己意識が潜在的に芽生える可能性があると語った。さらに5〜10年以内には科学的仮説を自ら立てて解決する能力を持つと予測している。
