米アカデミー賞が新規定、AI生成の俳優パフォーマンスと脚本を対象外に
米映画芸術科学アカデミーは金曜日、AI生成の演技や脚本をオスカー選考から除外する新規則を発表した。受賞対象は本人の同意のもと人間が演じたもの、および人間が執筆した脚本に限定され、アカデミー側はAIの利用状況を調査する権利も保持する。
AI動画
新しいニュースを見る
動画の法線や照明を同時生成する「UniVid-X」登場 背景差し替えや再ライティングも可能に
動画拡散モデルを活用したマルチモーダルフレームワーク「UniVid-X」が発表された。通常のカラー映像だけでなく、物体の地色や光の照射情報、表面法線、アルファチャンネルを同時に推定・生成できる。これにより、単一の動画から夕暮れの光を再現したり、前景・背景を高精度に差し替えたりする編集が可能になる。
Mocap Anything v2公開：普通の単眼動画から任意の3D骨格アニメーションを生成
任意の骨格に対応したモーションキャプチャモデル「Mocap Anything v2」が公開された。一般的な単眼動画から人間や動物、架空のキャラクターの骨格回転を直接予測可能。完全なエンドツーエンド学習により従来の関節ねじれやブレを解消し、推論速度も大幅に向上させている。
Nvidiaが「D-Rex」発表：豊かな表情の全身アバターを自由自在に再ライティング
Nvidiaは全身アバターシステム「D-Rex」を発表した。動作・表情の生成とライティングを分離し、白光下のアバター映像に動画拡散モデルで任意のHDR照明を反映させる。表情の豊かさを崩さずに別光源のシーンへ自然に合成できるのが特徴だ。
マイクロソフトが「World-R1」発表：強化学習で動画生成に3D一貫性を付与
マイクロソフトは動画生成フレームワーク「World-R1」を発表しました。Wan2.1をベースに強化学習を活用し、基本モデルの構造を変えずに3D整合性を付与。視覚的クオリティを保ったまま空間的な破綻を防ぎます。
OmniShotCut：動画のカットや各種トランジションを高精度検出、164MBの軽量モデル
OmniShotCutは、動画内のカットやディゾルブ、フェード、スライドなどのトランジションを自動検出しタイムスタンプを特定できる軽量AIツールです。モデルサイズはわずか164MBでローカル動作に対応し、Hugging Face Spaceで無料デモも公開されています。
復旦大学、テキストからリアルタイムで音声・動画アバターを生成する「Hallo-Live」を発表
復旦大学の研究チームはリアルタイム音声・動画アバター生成フレームワーク「Hallo-Live」を発表した。2 基の NVIDIA H200 で 20.38 FPS、遅延 0.94 秒を達成。テキスト入力から高品質な映像と音声を低遅延で同期生成でき、インタラクティブなデジタルヒューマンの課題を解決する。
Grok Imagineの画像・動画生成が進化、口パク精度と音質が大幅向上
Grok Imagineは画像から動画を生成する機能をアップデートし、リップシンクの精度と音声のクリアさを大幅に向上させたと発表した。台詞が口の動きに正確に連動し、シーンに合った音響表現が可能になる。
動画を4D点群に変換して再撮影できる「Vista4D」登場 自由なカメラワークや編集に対応
通常動画を時間軸付き4D点群へ変換するフレームワーク「Vista4D」が発表された。被写体の一貫性を保ったまま自由なカメラ軌道で再撮影できるほか、3D空間上で物体の追加や削除といった合成編集にも対応する。
Odysseyが世界モデル「Odyssey-2 Max」を発表、物理ベンチマークで首位
Odysseyは、リアルタイムで物理シミュレーションが可能な世界モデル「Odyssey-2 Max」を発表しました。前世代比でサイズを3倍に拡大し、VBench 2の物理スコアで首位を獲得しています。従来の動画生成と異なり自己回帰型で次の状態を予測する仕組みで、現在は限定ベータ版として提供されています。
画像2枚からリアルな商品紹介動画を生成する「CoInteract」が登場
人物と商品の画像2枚から自然な紹介動画を生成するフレームワーク「CoInteract」が発表されました。ピクセル生成と物体の接触構造を別々に処理するデュアルストリーム構造を採用し、AI動画にありがちな手の破綻や突き抜けを防ぎます。
YouTube、芸能界向けにAIディープフェイク検出ツールを拡大
YouTubeは顔のディープフェイクを検知する肖像検出ツールを芸能事務所やタレント向けに拡大した。Content IDのように無断生成された顔動画を見つけ出して削除申請できる仕組みで、自身の公式チャンネルを持たない著名人でも利用できる。
TwelveLabs、動画理解AI「Pegasus 1.5」と制作支援ツール「Rodeo」を発表
TwelveLabsはNAB Show 2026で、動画理解モデル「Pegasus 1.5」とクリエイター向けツール「Rodeo」を発表し、Autodesk Flow Captureとの連携を公表した。Pegasus 1.5は1回のAPI呼び出しで時間軸メタデータを抽出し、セグメンテーション品質でGemini 2.5 Proを30％上回るという。
LTX HDR LoRA：動画生成を16-bit HDRに引き上げる軽量ツール
Lightricksは動画生成モデルLTX向けにHDR対応IC-LoRAを公開した。約340MBの軽量モデルながら、従来の8-bit SDR出力を16-bit HDRへと拡張し、階調と色彩の再現度を大きく高める。ComfyUI環境にそのまま組み込めるため、映像編集ソフトでの自由なカラーグレーディングが可能になる。
Netflix、TikTok風の縦型動画フィードを今月導入へ AI推薦や制作支援を強化
Netflixはアプリ内にTikTok風の縦型動画フィードを今月中に導入すると発表した。動画ポッドキャストや作品の発見を後押しする。最新モデルに基づくAIレコメンドを全面採用するほか、先月買収したAI企業InterPositiveの技術を活かし、映像制作現場での生成AI活用も加速させる方針だ。
HeyGen、HTMLからMP4動画を作るエージェント向け「HyperFrames」を公開
HeyGenはHTMLをMP4動画に変換するフレームワーク「HyperFrames」をオープンソースとして公開しました。Claude Code内で構築されたエージェント向け仕様で、AIによる動画の自動生成が可能です。公式の発表動画もClaude Code上でこれを用いて作成されました。
Browser Useがvideo-useを公開：Claude Codeで動画編集が可能に
Browser Useは、Claude Codeなどのエージェント向け動画編集ツール「video-use」をオープンソース公開した。大量のフレームを読み込まず、単語単位の文字起こしとオンデマンド画像生成を使い、不要な間や口癖のカット、字幕入れ、色補正まで自動処理する。
ByteDanceら、EC特化の動画生成AI「OmniShow」発表 画像・音声・骨格から10秒の販促動画を生成
ByteDanceや香港中文大学などの研究チームは人と物のインタラクションに特化した動画生成モデル「OmniShow」を発表した。人物や商品の画像、音声、骨格データを同時に取り込み、リップシンクや手元の動きを同期させた最长10秒の販促動画を生成できる。GitHubにてコードの内部審査が進められており、近くオープンソース化される見込みだ。
リアルタイム対話アバターAI「LPM 1.0」、1枚の画像から45分の自然な対話映像を生成
研究チームが、1枚の静止画と音声からリアルタイムに対話型アバターを生成するAIモデル「LPM 1.0」を発表しました。単純なリップシンクにとどまらず、視線の揺らぎや相づちといった自然な仕草を再現し、最長45分間キャラクターの破綻を防ぎます。現在は技術レポートとデモの公開段階で、一般公開の予定はありません。
Meta、ザッカーバーグ氏の「AI分身」を開発中と報道 社内会議の出席やフィードバックを代行へ
英フィナンシャル・タイムズの報道によると、Metaはマーク・ザッカーバーグCEOのAIアバターを社内会議で社員と交流させ、フィードバックを行う目的で訓練しているという。本人の容姿や声、仕草、公開発言を学習させており、ザッカーバーグ氏自身も週5〜10時間をAI開発に充てている。実験が成功すればクリエイター向けにも開放される見込みだ。