Fast H3 Omni公開：MiniMax H3動画生成を最大12倍高速化、サンプリングを8歩に短縮
オープンソース動画モデルMiniMax H3向けの高速化技術「Fast H3 Omni」が公開された。参照素材からの生成に特化して一貫性を保ちつつ、サンプリングを従来の50歩から8歩へ短縮し、最大12倍の高速化を実現。ComfyUIやApple Silicon対応版も提供されている。
AI動画
新しいニュースを見る
Gemini Notebook、スライドと動画の生成プロセスを途中で調整可能に
Gemini Notebookはスライドと動画の要約向けに共同作成機能を発表した。プロンプトから一発で生成するのではなく、途中で「Review」をオンにしてアウトラインや演出メモを確認し、トピックやスタイルを直接修正できる。世界中の全ユーザー向けに来週順次提供される。
3Dキャラのアニメーション制作を効率化する「GaussiAnimate」がコード公開
3Dキャラクターアニメーションの制作を簡略化するツール「GaussiAnimate」のコードが公開された。内部の骨格と柔軟な表面構造を組み合わせることで、従来の剛性ボーンでは難しかった衣服や動物の複雑な軟体変形を自然に再現できるのが特徴だ。
1枚の画像から動く3Dヘアを生成、オープンソースの「HairDeck」登場
単一のキャラクター画像から、スプリングボーン入りの3Dヘアカードを生成できるモデル「HairDeck」がオープンソースで公開されました。生成速度は約1秒と従来手法より33倍高速で、そのままVRM形式で書き出せます。モデルサイズは約2.45GBと軽量で、一般的なGPUでも物理演算対応の髪を作成可能です。
Viggleが世界モデル「JST-2」公開、テキストや画像から探索可能な3D空間とキャラを即座に生成
Viggle はテキストや画像から自由に探索できる 3D 環境を秒速で生成する世界モデル「JST-2」を発表した。空間内の物質単位を追跡することで視点を変えても破綻せず、ボーン入れなしで動く 3D キャラクターも生成できる。ブラウザ上で 3D ガウシアン・スプラッティングとしてリアルタイムに無料体験可能だ。
Cinetic：指示文1行からコードで音・ブランド付き動画を生成
Cineticは、短い指示文（brief）からディレクションフローに沿って動画をコード生成する制作ツールです。テキストやUI、アニメーションのタイムラインを正確に制御し、製品発表PVやUIデモ動画を安定して作成できます。コーディングエージェントと組み合わせた動画制作に適しています。
マーク・ウォールバーグがAIクローンに前向き姿勢、死後の映画出演も歓迎
俳優のマーク・ウォールバーグがTechCrunch Disruptで登壇し、映画制作における適切なAI活用を支持した。新作映画でのスタジアム描写強化にAIを利用する意向を示したほか、自身のAI分身を作成し、将来子どもたちに管理を任せて映画出演を続ける構想にも前向きな姿勢を見せた。
AIエージェントに「耳」を与えるオープンソース「Earshot」公開 効果音の自己修正が可能に
コーディングエージェント向け音響ツール「Earshot」がオープンソースで公開された。AIが映像やゲームの音声を分析し、画面とのズレや意図との一致を判定してコードで自動修正できる。CPU上で動作し、人間が手作業で試聴・調整する手間を大幅に削減する。
シルヴェスター・スタローン、AI若返り技術で18歳の『ランボー』前日譚を検討
シルヴェスター・スタローン氏はポッドキャスト番組で、AI若返り（ディエイジング）技術を活用した『ランボー』前日譚の制作を検討していると明かした。テストでは自身を18歳の姿に再現できたという。ハリウッドでAI議論が続く中、往年の名優が自らの代表作を延命させる手段としてAIを受け入れ始めている。
ElevenLabs、動画に合わせて音楽と効果音を自動生成する新機能を提供開始
ElevenLabs は、アップロードされた動画を解析し、オリジナルの音楽と同期した効果音を自動生成・配置する「Instant Soundtracks」を公開した。既存音声を参考にした生成やトラック分離編集にも対応し、短尺動画のシーン転換にも追従する。ElevenCreative や API で利用可能だ。
3D動作の生成・理解・編集を1つに統合 新AIモデル「Möbius」登場
研究チームが、3D人体動作のテキスト生成、内容説明、欠落補完、自然言語による編集を単一フレームワークでこなす統合モデル「Möbius」を発表した。離散トークン化や事前学習済みVAEを介さず連続フレームを直接扱い、最大17億パラメータに拡張。3Dアニメーション制作やプレビズの効率化に貢献する。
長尺AI動画の背景崩れを防ぐオープンソース「Any Time, Any Space」登場
AI長尺動画の一貫性を保つオープンソースフレームワーク「Any Time, Any Space」が公開された。シーンを3D再構築して記憶に保持することで、カメラが戻っても元の部屋を忠実に再現する。Wanなど複数の動画生成モデルに対応し、ローカル環境で動作する。
Higgsfield、GPT-6 Astra連携で10分超のAI動画生成に対応
Higgsfield AIはGPT-6 Astraを統合し、AI動画の生成時間を従来の1分から10分以上へと大幅に延長したと発表しました。自律エージェントが外部3Dツールを操作して長尺映像の整合性を保つほか、音声入力からリアルタイムに映像を立ち上げる機能の開発も進んでいます。
テンセントら、複数プレイヤーが同期する世界モデル「Multix」をオープンソース公開
テンセントと香港大学の研究チームがマルチプレイヤー対応の世界モデル「Multix」を公開した。各プレイヤーの視点を個別に生成しつつ環境と動作を同期させる仕組みで、階層的通信により計算コストを86％以上削減。4人分のデータ学習のみで最大10人まで拡張できる。
OpenAI、動画生成AI「Sora」を新興企業にライセンス供与か 株式取得で投資回収へ
OpenAIが動画生成AI「Sora」をハリウッドの大物ジェフリー・カッツェンバーグ氏らの新興企業にライセンス供与する交渉を進めていることが分かった。サーバー負荷軽減のため棚上げされていたSoraを映画向けソフトとして商用化させ、株式取得による投資回収を狙う。
NVIDIAが「Stream Render H3」公開：ゲーム画面をAIでリアルタイムに映画級へ
NVIDIA は MiniMax H3 ベースの映像生成システム「Stream Render H3」をオープンソースで公開した。ゲームエンジンが生成した簡易マップから AI がリアルタイムに高品質な描画を行う。ただしリアルタイム動作には 8 基の GP200 GPU と 200GB 以上の容量が必要となる。
Pure：普通の動画から動的な3D空間を丸ごと再構築するオープンソースモデル
3D再構築モデル「Pure」がオープンソースで公開された。高価な3Dアノテーションを使わず、一般的な動画から深度や物体の動きを抽出して事後学習し、動的な3Dシーンを復元する。モデル容量は13.2GBとコンパクトで、訓練スクリプトも同梱されており、ローカル環境で手軽に動かせる。
テキストから人体動作を生成する「MSFlow」公開 関節の固定制御にも対応
テキストから人体動作を生成するオープンソースモデル「MotionSpaceFlow」が公開された。モデルサイズは約 1.1GB で、一般的な GPU で動作する。最大の看点は、追加学習なしで特定の関節やフレームの位置を固定し、その制限に合わせた動作を自動生成できる点だ。
復旦大とテンセント、音動画同時生成モデル「Prism」をオープンソース化
復旦大学、テンセント混元、浙江大学の研究チームが、ネイティブ2K解像度対応の音動画同時生成フレームワーク「Prism」を公開しました。動的スパースアテンションを用いて発音部位や動きの激しい領域に計算を集中させ、学習速度を2.5倍に引き上げつつ生成品質を向上させています。現在Hugging Faceにてプレビュー版が利用可能です。
ByteDanceが「DMAD」公開：動画生成をわずか4ステップに短縮
ByteDanceが高速画像・動画生成手法「DMAD」を発表した。対抗蒸留と分布マッチングを用い、通常20〜30ステップを要するMiniMax-H3などの拡散モデルをわずか4ステップに圧縮。高品質な映像を極めて短時間で生成可能にする。