Tavus、記憶を持つAIビデオアバターをノーコードで作れる「PAL Maker」公開
TavusはAIビデオコンパニオンをノーコードで作成できる「PAL Maker」を発表した。ユーザーはAIクリエイター「Charlie」に対話で希望を伝えるだけで、視覚・記憶・感情理解を備えたアバターを生成可能。Raven-1などの独自モデルで動作し、医療や採用現場での導入が進んでいる。
AI動画
新しいニュースを見る
LeapTalk、1ステップ生成で最大200FPSのリアルタイム動画を実現
研究チームがリアルタイムなトーキングヘッド生成フレームワーク「LeapTalk」を発表した。従来の複数ステップ拡散や自己回帰モデルの課題を克服し、ブラウン橋を用いた単一ステップ蒸留により、参照画像1枚と音声から最大200 FPSの速度で顔の同一性を保った長尺動画を生成できる。
Mirage、10秒の動画から微表情を再現するアバターモデル「Avatar X」を発表
MirageはAIアバターモデル「Avatar X」を発表した。わずか10秒の動画からクローンを作成でき、あくびや苦笑いなどの細かな微表情を忠実に再現する。音声駆動による全身のモーション生成や、画質を落とさない長時間の連続動画生成に対応する。
AdobeとJHU、動画世界モデル「Wonder」発表 画像からリアルタイムに探索空間を生成
Adobeとジョンズ・ホプキンス大学はリアルタイム動画世界モデル「Wonder」を発表した。画像や動画から16 FPSで操作可能な空間を生成し、自由なカメラ操作で探索できる。新領域を回って元の場所に戻っても景観が維持され、1分以上の一貫性を保てるのが特徴だ。
Google、高精度な3D頭部モデル「GNM」をオープンソース公開
Googleは、人物の顔や頭部をスライダーで精密に設計できる3Dモデル「GNM」をApache 2.0でオープンソース公開しました。目や歯、舌までカバーする600以上の独立パラメータを備え、AI生成でありがちな顔の画一化や口内構造の不自然さを解消します。
Netflix、動画スタイル変換「ID-V2V」を公開：顔や表情を崩さず背景を一新
Netflix傘下のEyeline Labsが動画生成フレームワーク「ID-V2V」を発表した。キーフレームを1枚編集するだけで、人物の顔立ちや表情、視線を維持したまま動画全体の照明やスタイルを変更できる。最大720pに対応するが、モデルサイズが約80GBあり高性能なハードウェアが必要となる。
画像生成のFLUX 3がロボット制御へ、アウディ工場に導入
Black Forest Labs と mimic robotics はマルチモーダル基盤モデル FLUX 3 を活用した動画・動作モデル「FLUX-mimic」を発表した。アウディの自動車工場に導入済みで、動画予測で獲得した物理世界の理解を行動に変換する。RTX 5090 単体で 80ms 未満の推論速度を実現し、ケーブルなど柔軟物の組み立ても担う。
Black Forest Labsが「FLUX 3」早期アクセス開始：画像・映像・音声を統合、最大20秒の音声付き動画生成
Black Forest Labsはマルチモーダル基盤モデル「FLUX 3」の早期アクセスを開始した。独自のSelf-Flow手法により画像・動画・音声を同一アーキテクチャで統合学習し、最大20秒の音声付き動画生成やロボットの動作予測に対応する。今後数週間で画像生成やオープンウェイト版Devも順次提供される予定だ。
ABot-World：単一のRTX 5090で動く無限インタラクティブ世界生成
ABot-Worldは、操作入力に応じてリアルタイムに展開する無限の仮想空間を生成できるオープンソースの世界シミュレータです。デスクトップ向けのRTX 5090を1枚使い、720p・16FPS、遅延1.2秒で動作します。コードとモデル重みはApache 2.0ライセンスで完全公開されています。
複数人物・物体の整合性を保つ動画生成モデル「Homie」がオープンソース化
動画生成モデル「Homie」が公開された。複数の人物や複雑な物体の参照画像をもとに一貫した動画を生成でき、多視点画像や OCR 位置指定による文字の再現にも対応。従来のモデルと比べ複雑なデザインでのエラーを大幅に抑えている。
『第9地区』ニール・ブロムカンプ監督、Seedance 2.0を使った13分のAI映画を公開
映画『第9地区』のニール・ブロムカンプ監督が、Seedance 2.0を活用した13分の短編AI映画『NIGHTBORNE』を公開した。実在のアーティストが参加し、32名の顔と声を使用している。2年間の実験を経て次は長編制作に挑む意向を示し、新スタジオ「Barley Studios」も発表した。
映画監督ノーラン氏がAIに警鐘：「中身が見透かされたトロイの木馬」
映画監督のクリストファー・ノーラン氏はインタビューで、AIは「中に何がいるか全員が知っている透明なトロイの木馬」だと語った。急速に普及する一方で若者を中心にAI生成コンテンツを警戒する声が広がっている現状を健全だと歓迎している。
Browser Useに動画制作機能：AIのブラウザ操作から解説動画を自動生成
browser-useはbrowser-harnessに録画および動画制作機能をマージした。エージェントがブラウザを操作しながらスクリーンショットとイベントを記録し、自動でズームやカーソル、字幕を合成してScreen Studio風の解説動画を出力できる。ffmpegなどの外部依存も不要だ。
RunwayがAgent 2.0を発表：指示文から広告企画と素材を一括生成
Runwayはプロンプトからマーケティング企画や各種広告素材を一括作成できる「Agent 2.0」を発表した。MetaやYouTubeの実績データを分析して次のクリエイティブを提案し、Gen-4.5など複数のモデルを使い分けてアスペクト比や地域に合わせた素材を展開できる。動画生成にとどまらず、マーケティング業務全体の自動化を狙う。
Google Vidsが刷新：対話型の動画編集と自撮りからのAIアバター生成に対応
GoogleはGoogle VidsにGemini Omni編集機能と個人向けAIアバターを追加した。指示文で背景の変更や照明調整などの段階的な編集ができるほか、自撮り写真と音声クリップから本人そっくりのアバターを作成して代行出演させられる。Google AI Pro、Ultra、Workspaceビジネス会員向けに提供され、SynthID透かしが付与される。
Wan Streamer 0.3発表：自然言語でアバターの動作をリアルタイム制御
対話型動画モデルWan Streamerのv0.3が発表された。従来の肖像対話から進化し、動画を一貫した「世界」と変化する「イベントストリーム」に分離することで、自然言語の指示に応じたポーズや身振りをリアルタイムに生成できる。現在は論文のみ公開されている。
Netflix、今年約300作品の制作で生成AIを活用と公表
Netflixは第2四半期決算で、今年に入り約300本の作品の制作工程で生成AIを活用したと明らかにした。共同CEOのテッド・サランドス氏は、ドキュメンタリー番組で17分間のAI強化映像を従来の倍の速さと半分のコストで制作した事例を挙げた。同社はAIをクリエイターの支援ツールと位置づけ、人間の代替ではないと強調している。
OpenMOSS、11Bのリアルタイム動画理解モデル「MOSS-VL-Realtime」を公開
OpenMOSSは、ストリーミング動画をリアルタイムに処理できる11Bパラメータのモデル「MOSS-VL-Realtime」をオープンソース公開した。動画全体を読み込んでから回答する従来型と違い、フレーム単位で並行処理し、任意のタイミングでの割り込み質問や情報不足時の沈黙に対応する。
ジョージ・ルーカス氏、映画制作へのAI導入を支持「止めることはできない」
Variety 報道によると、「スター・ウォーズ」のジョージ・ルーカス監督が映画制作における AI 活用を強く支持した。同氏は AI への反発を自動車黎明期の馬車信仰に例え、「技術の進歩であり未来だ」と語った。AI 導入を巡り揺れるハリウッドで巨匠の肯定的な発言が波紋を広げている。
アリババが「Wan-Dancer-14B」公開：音楽から長尺ダンス動画を直接生成
アリババの Wan チームは音楽からダンス動画を生成する「Wan-Dancer-14B」をオープンソースで公開した。手本の動作動画を必要とせず、音源と画像 1 枚からリズムに合った分単位のダンス映像を制作できる。ヒップホップや古典舞踊など多様なジャンルに対応する。