Runway、動画編集モデル「Aleph 2.0」を発表 新Edit Studioで指定箇所のみ正確に変更可能に
Runwayは新しい動画編集モデル「Aleph 2.0」を発表し、新設された「Edit Studio」で提供を開始した。ユーザーが変更したい特定要素のみを的確に編集し、他の背景や被写体には一切影響を与えない。AI動画生成で課題だった周囲の意図しない崩れを防ぐ。
AI動画
新しいニュースを見る
マーティン・スコセッシ監督がBlack Forest Labsの顧問に就任、FLUXで絵コンテ制作
画像生成モデル「FLUX」を手掛けるBlack Forest Labsは、映画監督のマーティン・スコセッシ氏を顧問に迎えたと発表した。人間の感性とクラフトを中心に据えた視覚AIの開発を支援する方針で、同氏がFLUXを使って絵コンテを制作する作業セッションも実施された。
TwelveLabsが動画編集AI「Rodeo」公開 自然言語で素材を即座に検索・構成
動画理解AIを手がけるTwelveLabsは、同社初のクリエイター向けアプリ「Rodeo」の提供を開始した。基盤モデル「Marengo 3.0」と「Pegasus 1.5」を組み合わせ、長時間の映像アーカイブから文脈に合ったシーンを自然言語で瞬時に検索・構成できる。
バイドゥ、音声付き動画生成モデル「NAVA」を公開：映像と音声を同時生成
バイドゥの ERNIE チームは 63 億パラメータの音響映像同時生成モデル「NAVA」をオープンソース公開した。後付けのアフレコではなく、1 つのプロンプトから映像と音声をネイティブに同時生成し、高い同期精度と参照音声による話者音色制御を実現している。
MAMMA：カメラ 4 台だけで高精度な 3D モーションキャプチャを実現
マックス・プランク研究所と CMU が、マーカー不要の動捕システム「MAMMA」をオープンソース化しました。専用スーツやマーカーを使わず、4 台の通常カメラ映像からダンスや抱擁などの複雑な接触動作を正確な 3D モデルに変換できます。GitHub で推論コードと Web UI が公開中です。
NVIDIAが「SANA-Streaming」公開、RTX 5090で1分間の動画をリアルタイム編集
NVIDIAは動画編集AI「SANA-Streaming」をオープンソースで公開した。20億パラメータのモデルで、動画再生中に服装や背景、スタイルをリアルタイムに編集できる。RTX 5090環境では720p映像を24 FPSで処理可能。コードと学習済み重みはGitHubとHugging Faceで提供されている。
ElevenLabs、「Dubbing v2」を発表 多言語吹替でも感情表現を維持
ElevenLabsは新世代の吹替AIモデル「Dubbing v2」を発表した。元の音声に含まれる感情の起伏や演技のニュアンスをそのまま多言語の吹替音声へ引き継ぐことができる。無機質な読み上げから脱却し、映像作品のローカライズ品質向上に寄与する。
NVIDIAが「Gamma World」発表：マルチエージェント対応で24fpsの共有世界をリアルタイム生成
NVIDIAはマルチエージェント対応の対話型世界モデル「Gamma World」を発表した。単一操作に限られていた従来モデルを拡張し、事前定義されたジオメトリなしで複数プレイヤーやロボットの動作に応じた共有空間を24fpsでリアルタイム生成する。ゲームや物理シミュレーションを丸ごと生成世界で動かす道を開く。
Runway、MCP連携を発表 ClaudeやChatGPTから動画・画像を直接生成可能に
Runwayはモデルコンテキストプロトコル（MCP）連携機能「Runway MCP」を発表した。ClaudeやChatGPT、Cursor、Replitなどの作業環境から離れることなく、Gen-4.5やKlingといったモデルを用いた画像・動画生成を直接実行できる。普段の対話やコーディングツールから直接生成AIを動かせるのが特徴だ。
YouTube、AI生成ラベルを目立つ位置へ移動 未申告でも自動検出で付与
YouTubeはAI生成コンテンツのラベル表示を刷新した。実写風や大幅にAI編集された動画のラベルをより目立つ位置に配置する。さらに5月から自動検知を導入し、クリエイターが未申告でも自動でラベルが付与される。誤判定はYouTube Studioで修正でき、収益化には影響しない。
Amazon MGM Studiosが生成AI制作基金を設立、Prime Video向けアニメ3作を承認
Amazon MGM StudiosはAWSと連携し、生成AIクリエイター基金および制作プラットフォーム「Project Nara」を発表した。MayaやBlenderなど既存ツールと連携し、Prime Video向けアニメ3作の制作を承認。パイロット版をわずか5週間で仕上げる高速制作を目指す。
アリババが「StreamChar」発表：単一H100で全身アバターのリアルタイム音声・動画生成
アリババの研究チームがキャラクター動画のリアルタイム生成フレームワーク「StreamChar」を発表しました。長時間の計画と短時間のノイズ除去を分離し、メモリ機構で外見崩れや音ズレを防止。単一のH100 GPUでリアルタイム動作を実現し、インタラクティブな全身アバターの実用に道を開きます。
美団、対話対応の動画生成AI「LongCat-Video-Avatar 1.5」をオープンソース化
美団がトーキングアバター生成モデル「LongCat-Video-Avatar 1.5」をオープンソース化。画像1枚と音声から自然な発話動画を生成し、アニメ調や複数人の会話にも対応する。蒸留により8ステップ生成を実現し、処理速度を約15倍向上させた。16GBのINT8重みとコードがGitHub等で公開されている。
Pantheon360登場：3Dキャッシュで歪みのない360度パノラマ動画を生成
研究チームが360度動画生成フレームワーク「Pantheon360」を発表しました。入力から再構成した明示的な3Dキャッシュを幾何学的な骨格とすることで、視点移動時の時間的ドリフトを抑えたパノラマ映像を生成可能。デジタルツインやVR制作の精度向上が期待されます。
FPS向け世界モデル「SCOPE」公開：10自由度の操作で映像をリアルタイム生成
Wan2.2をベースにしたFPS向けオープンソース世界モデル「SCOPE」が公開された。移動や射撃など10自由度の操作をフレーム単位で反映し、未知のゲーム背景でもゼロショットで映像を生成できる。モデルの重み、推論コード、データセットがGitHubで提供されている。
Runwayが「Aleph 2.0」公開、1コマ直すだけで動画全体に自動反映
Runwayは動画編集ツール「Aleph 2.0」を発表し、Web版の新しいEdit Studioで提供を開始した。動画内の1フレームを編集してプレビューするだけで、変更内容がクリップ全体に自動かつ一貫して反映され、コマ送りの手作業修正が不要になる。
Arq.live、音声で映画を作る「GLITCH」発表 声の指示だけで8分で短編生成
Arq.liveは、音声指示で映像を生成する新システム「GLITCH」を発表した。プロンプトを打ち込む代わりに監督が声で指示を出すだけで、複数のAIエージェントが映画クルーのように連携して配役やシーンを構築する。ノートPC1台を使い8分未満で短編映像を完成させられる。
ByteDanceが動画生成・編集モデル「Bernini」をオープンソース公開
ByteDanceが動画生成と編集を統合した新フレームワーク「Bernini」を公開しました。MLLMによる意味計画とDiTレンダラーを組み合わせ、テキスト・画像・動画の入力を1つのモデルで処理できます。事前の意味計画によって高精度な動画編集が可能になり、GitHubとHugging Faceでコードと重みが提供されています。
単眼動画から動的4Dシーンを生成する「Lift4D」発表、死角の補完にも対応
研究チームが新フレームワーク「Lift4D」を発表した。ごく普通の単眼2D動画を1本入力するだけで、時間変化に伴う変形を含む完全な4Dシーンを再構築。カメラに映っていない隠れた死角も補完し、動く被写体を360度自由視点で見回せる。
Google、Geminiを常時稼働エージェントへ刷新 PCを閉じても自律処理
Googleは月間9億人が使う「Gemini」アプリの大幅刷新を発表した。端末を閉じてもクラウド上でメールや書類作成を代行する「Gemini Spark」や、動画生成モデル「Gemini Omni」を順次投入し、単なる対話相手から自律型パートナーへと移行する。