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。
AI画像
新しいニュースを見る
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。
Google フォトに対話型編集が登場：声や文字で指示するだけで画像加工が可能に
Google はGemini を活用した「Google フォト」の対話型画像編集機能を発表した。ツールやスライダーを手動で触らずとも、「背景の車を消して」「昔の写真を補正して」と話しかけるだけで加工できる。まずは米国の Pixel 10 向けに提供され、C2PA 規格による来歴表示にも対応する。
NASAとIBM、太陽物理学AIモデル「Surya」を公開 フレアを2時間前予測
NASAとIBMは太陽観測衛星の9年分のデータで訓練した太陽物理学向けAI基盤モデル「Surya」をオープンソースで公開した。太陽フレアを2時間前に視覚予測でき、既存指標を16％上回る精度で人工衛星や電力網を守る宇宙天気予報を支援する。
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。
Google Labs、AI Ultraの月間クレジットを2.5万点に倍増 FlowとWhiskで利用可能
Google Labsは「Google AI Ultra」加入者向けの月間AIクレジットを従来の12,500から25,000へと倍増させると発表した。動画生成ツール「Flow」や画像生成「Whisk」で利用でき、Whiskは新たに77カ国へ展開される。
AtlasがGoogle Cloudと提携：マルチAIエージェントで3Dゲーム開発を高速化
Atlas AIはGoogle Cloudと提携し、AIネイティブなゲーム開発プラットフォームを発表した。プロンプトやムードボードから直接ゲームですぐ使える3Dアセットを自動生成し、Unreal EngineやUnityに連携できる。現在は開発者向けにクローズドベータを提供中。
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。
NVIDIA、画像編集モデル「FLUX.1 Kontext」のNIMマイクロサービスを公開
NVIDIAはFLUX.1 Kontext [dev]のNIMマイクロサービスを公開した。量子化によりモデルサイズを最大7GBまで削減し、TensorRTで推論速度を2倍以上に向上。ComfyUIから手軽に呼び出せる。
Stability AIとNVIDIAがSD3.5 NIMを提供開始、画像生成が1.8倍高速に
Stability AIとNVIDIAは、企業向け推論マイクロサービス「Stable Diffusion 3.5 NIM」の提供を開始した。TensorRTによる最適化でH100環境での生成速度がPyTorch比1.8倍に向上し、SD3.5 LargeとControlNetを単一コンテナに統合している。
米Microsoft、「Copilot 3D」を公開 2D画像からワンクリックで3Dモデルを生成
米Microsoftは、2D画像をワンクリックで3Dモデルに変換できる無料機能「Copilot 3D」をCopilot Labsで公開した。プロンプトは不要で、家具などの静物からGLB形式のモデルを作成し3Dプリントやゲーム開発に活用できる。人物や動物の精度には課題があり、現在はWeb版の一部ユーザー向けにプレビュー提供されている。
Bing Image CreatorにGPT-4oが無料追加、DALL-E 3とワンクリック切り替えに対応
MicrosoftはBing Image CreatorにGPT-4o画像生成モデルを無料で追加したと発表した。文字描写やフォトリアルなディテールの表現力が向上し、従来のDALL-E 3ともワンクリックで切り替えられる。毎日15回の高速生成枠が提供され、通常速度なら無制限で利用できる。
Google Geminiに絵本作成機能が登場：文章から10ページの挿絵・朗読付き絵本を生成
GoogleはGeminiアプリで挿絵と音声ナレーション付きのパーソナライズ絵本を作成できる新機能を発表した。文章の入力や子どもの落書き・旅行写真のアップロードから、10ページのオリジナル本を自動生成できる。45以上の言語に対応し、デスクトップおよびモバイル向けに世界中で利用可能。
Stability AI、企業向け「Solutions」発表 商品撮影やデザイン制作を効率化
Stability AIは企業向け生成AIプラットフォーム「Stability AI Solutions」を発表した。マーケティングや広告向けに、商品写真の背景変更、ブランドトーンの統一、ラフ画からのデザイン作成、IPを活用したデジタルツインなどを提供する。オンプレミスやAPI導入に対応し、広告大手WPPとの連携も進める。
アリババが20B画像モデル「Qwen-Image」公開、英中の文字描画と編集に対応
アリババは20BのMMDiT画像基盤モデル「Qwen-Image」を公開した。英中両言語での複雑なテキスト描画や段落レイアウト、高精度な画像編集をネイティブでこなす点が特徴。画像生成AIが苦手としてきた中国語の文字崩れを大幅に改善するオープンソースモデルとなる。
xAI、画像・動画生成「Grok Imagine」公開 音声付き15秒動画や成人向けモードも
米xAIは「SuperGrok」およびXの「Premium+」契約者向けに画像・動画生成ツール「Grok Imagine」の提供を開始した。テキストから画像を生成し、音声を伴う最長15秒の動画を作成できる。一部の露出を許容する「スパイシーモード」も備えるが、過度な描写や著名人生成には制限がかかる。
Uber Eats、メニュー説明文や料理写真のAI補正機能を導入
Uber Eatsは加盟店向けに生成AIツールを発表した。料理の説明文作成やレビュー要約に加え、低画質な料理写真を補正・再盛り付けする画像編集機能を提供する。あわせて実物との乖離を抑えるため、写真を投稿した注文者にクレジットを還元する施策も開始する。
Kreaが画像モデル「FLUX.1 Krea」の重みを公開、「AI臭さ」の打破へ
KreaはBlack Forest Labsと共同開発した画像モデル「FLUX.1 Krea [dev]」のオープン重みを公開した。FLUX.1-devと完全な互換性を持ち、テカテカした肌や過度な背景ボケといった「AI特有の質感」を解消。100万件未満の厳選データによる事後学習で、独自の美意識とリアルな描写を追求した。
Google DeepMind、地球観測データを統合するAI「AlphaEarth Foundations」公開
Google DeepMind は衛星画像やレーダーデータを統合する AI モデル「AlphaEarth Foundations」を発表した。生成データは Google Earth Engine で公開され、従来比で容量を 16 分の 1 に削減しつつ、誤差を平均 24% 改善している。