Google Flowがストリートビューと連携、実在の場所から動画生成
GoogleはGoogle Flowに地図画像のグラウンディング機能を追加し、ストリートビューを参照した画像・動画生成に対応した。プロンプトに実在の地名やランドマークを入れるだけで、現実の街並みを反映したシーンを生成できる。架空の風景から実座標に基づいた生成への進化と言える。現在は米国地域限定となる。
AI動画
新しいニュースを見る
Domain Shuttle：参照画像の一貫性を保つ動画生成ツール、異種スタイルの混在にも対応
香港科技大学の研究チームは参照画像の一貫性を保ったまま動画を生成できる「Domain Shuttle」をオープンソースで公開した。実写、2D アニメ、3D キャラなど異なる画風の被写体を同一シーンで破綻なく合成できる。Wan 2.2 を基盤とし、GitHub でコードと 35GB のモデルが提供されている。
KuaishouがKling Omni Director公開：参考動画のカメラワークをそのまま複製
Kuaishou（快手）のKling研究チームが「Omni Director」の研究プレビューを公開した。テキスト指示に頼らず、参考動画からカメラの動きやカット割り、バレットタイムなどの撮影効果を抽出して静止画から動画を生成できる。現在はまだ一般公開されていない。
Google DeepMind、映画制作会社A24とAI研究提携 出資も実施
米Google DeepMindは気鋭の映画スタジオ米A24と研究パートナーシップを締結したと発表した。AI技術を映像制作現場のワークフローに直接組み込み、映画監督らのフィードバックを基に次世代ツールを共同開発する。あわせてGoogleはA24への出資も実施した。
xAIが「Grok Imagine Video 1.5」を一般公開、Soraより86％安く首位獲得
xAIは動画生成モデル「Grok Imagine Video 1.5」をAPIやgrok.comなどで一般公開した。自己回帰型アーキテクチャ「Aurora」を採用し、音声同期に対応しながら720pで1秒あたり0.14ドルと、Sora 2 Proより約86%低価格で提供される。ただし解像度は現状720pに制限されている。
Adobe、Firefly AIアシスタントをPremiereやIllustratorに拡大：素材整理やレイヤー整理を自動化
AdobeはFirefly AIアシスタントをPremiere、Illustrator、InDesign、Frame.ioへ展開すると発表した。動画クリップの一括リネームやフォント欠落チェックなどを自動化できる。さらに生成素材を保存できる新機能もプライベートベータで追加した。
Ai2がMolmoMotionを公開：言語指示から物体の3D軌跡を予測
Ai2は言語指示に基づき物体の3D運動を予測するモデル「MolmoMotion」と116万本の動画データセットをオープンソースで公開した。Molmo 2をベースにし、画像内の指定点と指示文から数秒先の3D軌跡を推定する。シミュレーション実験ではロボットのピッキング成功率が76.3%に向上した。
Palmier、Claude向けオープンソースMac動画編集アプリを公開
PalmierはClaude向けに開発されたMac専用のオープンソースAI動画編集アプリを公開した。タイムライン上でAIを使って素材の編集や整理、生成ができるほか、端末内でのセマンティック検索や文字起こしを無料で提供。自身のAnthropic APIキーやMCPで連携可能で、有料プランでは各種生成モデルも利用できる。
アリババが「HappyOyster 1.0」公開、キーボード操作で遊べる世界モデル
アリババクラウドはリアルタイム対話型オープンワールドモデル「HappyOyster 1.0」を発表した。動画のレンダリング待ちをなくし、生成中に指示を受け付けて即座に反映できるのが特徴。ストーリーのリアルタイム改変に加え、WASD キーで画面内を歩き回るゲームのような操作も可能だ。
FlexAvatar発表：写真1枚から2分で360度動かせる3D頭部アバターを生成
研究チームが単一画像から高品質な3D頭部アバターを生成する「FlexAvatar」を発表しました。単眼と多視点のデータを統合学習させることで、わずか2分で360度のアニメーション対応モデルを構築。RTX 3090上で1.7GBのVRAM消費、20 FPSでのリアルタイム表情制御を実現します。
ByteDance、動画生成AI「Seedance 2.0 Mini」公開 半額で日常制作向け
ByteDance傘下のBytePlusは動画生成モデル「Seedance 2.0 Mini」の提供を開始した。画像や動画、音声を参照して動画を生成でき、通常版「Seedance 2.0」の約半額で利用可能。日常的なワークフローの高速化とコスト削減を図る。
PermaVid：外見と3D構造を分離記憶し、AI動画編集の「忘れ癖」を解消
動画編集フレームワーク「PermaVid」が公開された。動画編集時に後続フレームで変更が消えてしまう一貫性の問題に対し、見た目と3D深度構造を別々に保持する2系統のメモリを導入。全体のスタイル変更や物体編集でも破綻を防ぎ、ローカル環境での実行コードも提供されている。
Meta、動画編集アプリ「Edits」にAIアシスタントとデスクトップ版を追加へ
Metaは水曜日、動画編集アプリ「Edits」にAIアシスタント機能とデスクトップ版を追加すると予告した。AIアシスタントはInstagramの再生数や視聴維持率などのデータを分析し、企画の提案やトレンド楽曲の推薦を行う。CapCutに対抗するデスクトップ版のほか、実験機能を試せるBetaタブや詳細な分析機能が同日公開された。
Runwayがライオンズゲートとの提携深化、オリジナルIPの共同開発へ
AI動画生成のRunwayはハリウッド大手のライオンズゲートとの提携拡大を発表した。従来のツール提供にとどまらず、オリジナルIPを共同開発するプログラムを始動する。生成AIがツールの枠を超え、映画スタジオの企画制作の中核へと深く踏み込む動きとして注目される。
MoVerse：1枚の画像から360°世界を生成、RTX 4090で8fpsの対話探索を実現
単一画像からリアルタイムに探索できる360°パノラマ空間を構築する動画世界モデル「MoVerse」が発表された。世界構築とレンダリングを分離し、3D Gaussianを活用することで、単一のRTX 4090上で8fpsの動作を達成。コードとモデルは社内審査完了後に公開される見込みだ。
ElevenLabsが「Avatars」公開、台本からリップシンク動画をワンストップ生成
ElevenLabs は ElevenCreative で新機能「Avatars」を発表した。音声合成とリップシンク動画生成を同一画面に統合し、画像やプロンプトから同一の人物性を保ったまま動画を制作できる。現在すべての有料プランで利用可能だ。
KAISTがLip Forcing発表：2ステップ拡散で31FPSのリアルタイム口形同期
KAIST AIとAIPARKが動画間リップシンク向けの自己回帰拡散モデル「Lip Forcing」を発表。14B教師モデルを2ステップで生成する学生モデルへ蒸留し、1.3B版は単一のH100で31 FPSを記録、リアルタイム処理の壁を突破した。
HeyGenが「HyperFrames」発表：Claudeのチャットから動画やスライドを即座に自動生成
HeyGenはClaudeおよびClaude Code向け公式コネクター「HyperFrames」を発表しました。MCP経由で動作し、指示文を送るだけでナレーションや字幕、モーショングラフィックス付きのシーンを生成してMP4形式で書き出せます。動画編集ソフト不要でテキストの要点を動画化できます。
SCAIL-2公開：複数キャラの激しい格闘や動物への動作移植に対応した動画AI
ZAIが動画の動作移植モデル「SCAIL-2」をオープンソースで公開しました。中間の骨格推定を介さないエンドツーエンド設計により、複数キャラクターの激しいアクションやフラミンゴなどの動物への動作転送も破綻なく処理します。モデル全体のサイズは81GBあり、一般向けPCでは軽量化版の登場待ちとなります。
身体動作で動かす一人称世界シミュレータ「Anchor World」登場
3D 人体動作で制御する一人称世界シミュレータ「Anchor World」が発表された。アンカー画像と身体の動きを入力することで、人が部屋を移動し包丁やシンクを操作する視点映像を生成できる。人型ロボットの訓練データ生成への応用が期待される一方、コードは現在審査中となっている。