Ideogram、写真1枚から顔立ちを維持する「Character」公開
Ideogramは1枚の参照画像から顔立ちを保ったままポーズや服装、背景を変えられる新機能「Character」とAPIを公開した。画像生成時のアイデンティティ崩れを防ぎ、絵本制作やプロ用ポートレートの作成を容易にする。
Ideogramは1枚の参照画像から顔立ちを保ったままポーズや服装、背景を変えられる新機能「Character」とAPIを公開した。画像生成時のアイデンティティ崩れを防ぎ、絵本制作やプロ用ポートレートの作成を容易にする。
AdobeはPhotoshopに新機能「Generative Upscale」を追加した。ワンクリックでディテールを損なわずに最大800万画素まで高解像度化できる。合成画像の色や影を自動でなじませる「Harmonize」や削除ツールの改良も同時に提供される。
Tencent Hunyuanは「Hunyuan3D World Model 1.0」をオープンソース公開した。1行のテキストや画像から探索・対話可能な3D空間を生成でき、CG制作フローとも互換性を持つ。ゲーム開発やVR制作の効率化を目指す。
Meshy.aiは「Meshy 5 Preview」を公開した。多視点画像からの生成精度が向上し、エッジの立ったシャープな形状表現や500種以上のリギング済みアニメーションに対応した。ゲーム制作などの現場において、手作業によるモデル修正やボーン調整の手間を大幅に削減できる。
Midjourney が AI 動画生成機能を強化し、開始フレームと終了フレームを自由に指定できる新機能を追加した。2 つの画像を滑らかにつなぐモーフィングや、継ぎ目のないループ動画が手軽に作れる。Web 版に加え Discord ボット上でも利用可能だ。
MicrosoftがCopilot内で画像をアップロードして3Dモデルを生成する新機能をテストしている。生成したオブジェクトを複製・管理できる「My Creations」も追加された。手軽なプロトタイピングが期待される一方、初期テストでは生成精度に課題が残っており、一般提供の時期は未定だ。
Higgsfield AIはWebブラウザ拡張機能「Steal」を公開した。Web上の画像にカーソルを合わせるだけで構図や照明、衣装を抽出し、「Soul ID」で自分の顔に置き換えて高精度に再現できる。手軽な生成が注目を集める一方、著作権侵害や手動インストールのセキュリティリスクが物議を醸している。
Google はGoogle フォトに静止画を 6 秒のショート動画に変換する新機能と、写真をアニメや 3D 風に加工できる「Remix」を追加した。生成されたすべてのコンテンツには SynthID の電子透かしが付与され、まずは米国のユーザー向けに順次提供される。
DeepMindなどの研究チームが『Nature』誌で多模態AI「Aeneas」を発表した。破損した古代ラテン語碑文の任意長の欠損復元、年代推定、出土地特定の3大課題に対応する。歴史学者がAeneasと協働することで確信度が44%向上し、人間の専門家単独やAI単体を上回る成果を挙げた。
GoogleはGemini 2.5による対話型画像セグメンテーションを発表しました。単一の名詞だけでなく、「左から3番目の本」「ヘルメット未着用の作業員」や「破損箇所」といった複雑な関係性や抽象概念を自然言語で指定し、ピクセル単位のマスクをAPIで直接取得できます。
DuckDuckGoは画像検索結果からAI生成画像を非表示にする新設定の提供を開始した。uBlockOriginなどのオープンソースブロックリストを活用し、画像タブの「AI images」から非表示を選べる。100%防げるわけではないが、低品質なAI画像の氾濫を大幅に抑えられる。
Appleは米カナダのApple News+購読者向けに新作パズル「Emoji Game」の配信を開始した。Apple Intelligenceで生成されたGenmojiなどを使ってフレーズの空欄を埋めるゲームで、手数の少なさを競う。iOS 18.4以降に対応し、今秋登場予定の新アプリ「Apple Games」からも遊べるようになる。
Midjourneyは自社サービスを企業や外部システムに組み込める「Enterprise API」の提供に向けた検討を開始したと発表した。どのような機能を用意すべきかを把握するため、現在公式申請フォームで事前登録や要望を受け付けている。
Runwayは次世代モーションキャプチャモデル「Act-Two」を発表した。生成品質が向上し、頭部や顔、身体に加え手先のトラッキングに対応。実写演技動画と参照キャラ1枚で駆動できるが、現在は企業顧客やパートナー限定の提供となる。
Existsはテキストプロンプトからインタラクティブな3D空間を即時生成するプラットフォームを一般公開した。動画拡散モデルではなくクラウド上のUnreal Engine上で動作するため、マルチプレイやAIボット、照明が最初から機能するプレイ可能な世界を誰でも作れる。
Black Forest Labsはプロンプトなしで画像を変換できる「Kontext Komposer」と専用プリセットを公開した。背景変更、ライティング調整、商品配置などを直感的に処理できる。現在公式Playgroundで無料利用可能。
Dynamicslabがリアルタイム生成型ゲームエンジン「Mirage」を発表しました。従来のマップや静的アセットを一切使わず、プレイヤーの操作やプロンプトに応じてクラウド上で3D映像を1フレームずつリアルタイム生成します。現在約16fpsでブラウザ配信されており、画像からワールドを即時生成することも可能です。
NVIDIAはBlack Forest Labsの画像生成・編集モデル「FLUX.1 Kontext [dev]」向けにTensorRT最適化を提供すると発表した。FP8で12GB、FP4で7GBに量子化され、推論速度は2倍以上に向上。ローカルのRTX環境で快適に対話型画像編集を行える。
百度はHugging Face上で「ERNIE 4.5」モデルコレクションを公開した。テキスト生成およびマルチモーダルに対応し、規模は0.3Bから最大424Bまで揃う。PyTorchとPaddlePaddle両方の重みに加え、思考(Thinking)強化版も含まれる。
報道によると、Facebook は未公開のカメラロール写真をクラウドに同期し、AI でコラージュや加工提案を行う機能をテストしている。Meta は現時点で AI 学習には使っていないと説明するが、将来の利用可否は明言せず懸念を呼んでいる。