NVIDIA、世界基盤モデル「Cosmos」発表 実走行データを数十億マイルの仮想走行に拡大
NVIDIA は CES にて自動運転やロボット向けの生成世界基盤モデルプラットフォーム「Cosmos」を発表した。自動運転開発システムに統合され、数千マイルの実走行データから数十億マイル分の合成データを生成して学習を効率化する。現在 Hugging Face 等でオープンライセンス公開されている。
AI動画
新しいニュースを見る
Google DeepMind、元Sora開発者を迎え世界モデルの新チームを立ち上げ
元OpenAIのSora共同リードであるTim Brooks氏が、Google DeepMindで物理世界をシミュレートするAIモデルの開発チームを立ち上げると発表した。GeminiやVeo、Genieの技術を統合し、ロボットの計画立案やリアルタイム対話型環境への応用を目指す。
VanceAIが「Video AI」を発表：最大8Kアップスケールや120 FPS補間に対応
VanceAIは動画高画質化ツール「Video AI」を発表した。低解像度動画を最大8Kにアップスケールするほか、最大120 FPSのフレーム補間、SDRからHDRへの変換、ノイズ除去、インターレース解除、手ブレ補正機能をまとめて提供する。
YouTube、AI学習のオプトイン設定を導入：クリエイターの動画利用はデフォルト拒否に
YouTubeは第三者AI企業への動画学習許可を設定できる新機能を発表した。初期状態では全第三者による学習が拒否され、OpenAIやAppleなど18社から個別に許可できる。ただし、Google自身による自社モデルの学習は対象外となる。
Googleが動画生成モデル「Veo 2」を発表：4K・長尺生成に対応、Imagen 3も刷新
Googleは新世代の動画生成モデル「Veo 2」を発表しました。最大4K解像度や数分間の長尺生成に対応し、レンズ指定などの映画撮影用語を理解します。あわせてImagen 3の最新版が100カ国以上のImageFXで公開され、Geminiと連携する新ツール「Whisk」も登場しました。Veo 2は現在ウェイトリスト制です。
NYUティッシュ校がRunwayを導入、仮想制作センターでAI映像制作を教育へ
Runwayはニューヨーク大学ティッシュ芸術学部の仮想制作修士課程に自社AIツール群を導入すると発表した。2025年春学期よりマーティン・スコセッシ仮想制作センターで開講され、学生は初期構想から完成作まで映画制作への生成AI活用を実践する。
動画生成AI「Pika 2.0」公開、画像から一貫性を保つ新機能追加
Pikaは動画生成モデル「Pika 2.0」をリリースした。テキストへの追従性や画質が向上したほか、人物や場所、アイテムの画像を取り込んで生成結果の一貫性を保てる新機能「Scene Ingredients」を搭載している。
Amazon、Prime Videoで「AI Topics」をテスト配信
AmazonはPrime Videoで、従来のアルゴリズムに代わりAIで作品を推薦する新機能「AI Topics」のテストを開始した。関心に合わせて生成されたテーマから映画や番組を探し、関連トピックでさらに絞り込める。現在は米国のFire TVなど一部のリビング端末を対象に試験展開されている。
動画検索AIのTwelveLabsが3000万ドル調達、元Siri開発者を社長に起用
動画理解AIを手がけるTwelveLabsが3000万ドルの新資金を調達し、累計調達額は1億710万ドルに達した。あわせて、元SK Telecom CTOでSiriの初期設計を担ったYoon Kim氏が社長兼CSOに就任。テキストで動画内の特定シーンを検索できる独自モデルを武器に、企業や防犯分野での採用拡大を進める。
Runwayが学生アンバサダー募集：10万クレジットとProプランを無償提供
Runwayは芸術や映画、デザインなどを学ぶ学生向けに「学生アンバサダープログラム」を開始した。選ばれた学生には10万クレジットやProプランが無償提供され、Runwayチームとの交流機会も用意される。NYUなど世界各国の大学と連携を進めている。
YouTube、AI自動吹き替えを数十万の知識系チャンネルへ拡大 公開前確認も可能
YouTubeはAIによる自動音声吹き替え機能をパートナープログラム内の数十万の知識・情報系チャンネルへ拡大した。英語動画は日・独・仏など8言語へ自動翻訳され、公開前のプレビューや削除に対応。現状は機械的な発音だが、今後のアップデートで感情表現も改善される予定だ。
NVIDIAとメリーランド大、自由視点映像を配信できる「QUEEN」発表
NVIDIA Researchとメリーランド大学は自由視点3D動画をストリーミング配信できるAIモデル「QUEEN」を発表した。静止部分の描画を再利用することで毎秒約350フレームの描画を実現し、スポーツ中継やロボット遠隔操作に応用できる。コードは近日公開予定。
拡散モデルに匹敵する「TARFlow」登場、正規化フローをTransformerで刷新
研究チームが自回归Transformerを取り入れた正規化フロー手法「TARFlow」を発表した。完全可逆な最大尤度モデルの利点を保ちつつ、課題だった生成品質を拡散モデル匹敵の水準まで引き上げ、画像や動画生成への拡張性を実証した。
OpenAI「Sora v2」まもなく公開か、最大1分間の生成や画像・動画入力に対応
OpenAIのChad Nelson氏が講演で明かしたところによると、次世代動画生成AI「Sora v2」のリリースが間近に迫っているという。最大1分間の動画出力に対応するほか、テキストだけでなく画像や既存動画を組み合わせた生成機能が備わる見込みだ。
OpenAIが12日連続発表イベント開催へ：動画生成AI「Sora」や新推論モデル登場か
The Vergeの報道によると、OpenAIはから12日間連続で新機能やデモを公開する。待望の動画生成AI「Sora」の一般公開や新たな推論モデル、ChatGPTのクリスマス仕様の音声機能などが含まれる見込みだ。
AdCreative.aiが新モデル発表：静止画から16秒の商品広告動画を自動生成
AdCreative.aiはEC商品動画を自動生成するAIモデル「Product VideoShoot」を発表した。広告特化モデルAdLLMを基盤とし、1枚の静止画から16秒の1080p広告映像を作成できる。広告効果データに基づき設計されており、現在ProおよびEnterprise向けにベータ提供されている。
DeepMindがGenie 2を発表：画像1枚から操作可能な3D世界を生成
Google DeepMindは世界基盤モデル「Genie 2」を発表しました。1枚のプロンプト画像からキーボードやマウスで実際に遊べる3D環境を最大1分間一貫して生成できます。物理演算やNPCの挙動も模倣可能で、汎用自律エージェントの訓練環境不足を根本から解決することを目指しています。
Google、Vertex AIで「Imagen 3」を一般提供開始 動画生成「Veo」もプレビュー提供へ
GoogleはVertex AIで画像生成AI「Imagen 3」を全顧客に公開し、動画生成AI「Veo」の非公開プレビューを開始した。Veoは静止画やプロンプトから最大6秒の動画を生成可能。大手クラウドとして動画生成APIの提供に踏み切った形だが、Veoはまだ一部企業向けの限定公開にとどまる。
Amazon、新世代AIモデル「Nova」を発表：同等クラス比でコスト75%削減
Amazonは新世代基盤モデル群「Amazon Nova」を発表した。超低遅延テキストモデルMicro、マルチモーダルのLiteとPro、画像・動画生成モデルで構成される。Amazon Bedrock経由で提供され、同等クラス最高峰モデルと比べ75%以上の低価格化を実現した。
Hailuo AI、2Dイラスト向け動画生成モデル「I2V-01-Live」を発表
Hailuo AI（MiniMax）は静止画から動画を生成する新モデル「I2V-01-Live」を発表した。2Dイラストのアニメーション化に特化し、キャラクターの微小な表情変化や発話、滑らかな動きを高い安定性で生成できる。