画像生成・編集モデルとクリエイティブ活用
Soranoru動画生成AI「Kling 4.0」がOpenArtに実装され、動画の始点・中間・終点のフレーム指定や最大10枚の参照画像を用いた生成が可能になりました。単一モデルで生成から編集までを一貫して行える「All-in-One Reference」機能を備えています。
動画の構成を細かく制御できるため、広告制作やコンテンツ制作において、より意図に近い映像を効率的に生成できる可能性があります。
Kling 4.0がOnSolo上で利用可能になりました。最大30秒の動画生成に加え、複数の参考画像やキーフレームを用いた一貫性のある映像制作が可能です。
長尺かつ高精度な動画生成が可能になることで、広告やコンテンツ制作におけるAI活用の幅がさらに広がります。
Black Forest Labsと共同開発した動画生成モデル「FLUX 3 Max」が、人間による評価でEloスコア1139を獲得し、業界トップ層に並びました。約12秒で10秒間の動画生成が可能で、今後3週間で利用料金を75%引き下げる予定です。
動画生成の品質とコスト効率が急速に向上しており、クリエイティブ制作現場におけるAI活用の選択肢がさらに広がることが期待されます。
動画生成モデル「Kling 4.0」が正式リリースされ、最大30秒のワンカット生成や多フレーム参照機能が追加されました。高速版のFlashモデルも提供されており、用途に応じた使い分けが可能です。
複雑な動作や長尺の動画生成精度が向上しており、広告やコンテンツ制作における動画生成AIの実用性がさらに高まっています。
Krea 3がComfyUIのパートナーノードを通じて提供開始されました。参照画像を用いた生成や編集に特化しており、製品の形状や質感を維持したまま環境光や構図を調整可能です。
製品画像や広告素材の制作において、一貫性を保ちながら効率的にバリエーションを作成できるため、クリエイティブ業務の生産性向上に寄与します。
OpenRouterは、コンシューマー向けGPUで動作する画像生成モデル「FLUX 3 Image Klein」の提供を開始しました。また、動画アップスケーリング機能の値下げと、プロンプトから直接4K動画を生成する機能のサポートも発表しています。
高性能な画像・動画生成モデルがより安価かつ手軽に利用可能になることで、クリエイティブ制作のコスト削減や効率化が期待されます。
5.6Bパラメータのオープンウェイトモデル「FLUX 3 Image Klein」がリリースされました。文生成に加え、画像編集や最大10枚の参照画像を用いた生成に対応しています。
軽量かつ高機能な画像生成モデルがオープンソースで提供されることで、自社サービスへの組み込みやカスタマイズのハードルが下がることが期待されます。
Hugging FaceのDiffusersライブラリが、Black Forest Labsの最新モデル「FLUX.3 Image Klein」をサポートしました。単一モデルでテキストからの画像生成に加え、参照画像を用いた生成やバウンディングボックスによるレイアウト制御が可能です。
画像生成の精度と制御性が向上したことで、広告制作やデザイン業務における意図した構図の再現性が高まり、ワークフローの効率化が期待されます。
MetaのSuperintelligence Labsは、OpenAIやAnthropicに対抗する前沿モデル「Muse Wonder」および「Muse Wonder Full」を発表しました。テキスト、画像、動画、音声を処理可能なマルチモーダルモデルで、100万トークンのコンテキストウィンドウを備えています。
高性能なマルチモーダルAIの選択肢が増えることで、企業は用途に応じたモデル選定が可能になります。特に動画や音声を含む複雑なデータ処理のコスト効率が向上し、AI活用の幅がさらに広がることが期待されます。
ComfyUI環境において、RTX 5090（32GB VRAM）を使用し、MiniMax H3によるリアルタイム動画生成を最適化しました。30秒の動画を23.51秒で生成し、1.28倍のリアルタイム性能を達成しています。
高性能なGPU環境があれば、ローカル環境で高品質な動画生成を高速に行える可能性を示しており、映像制作のワークフロー変革に寄与します。
Googleがリリースした画像生成モデル「Nano Banana 2.1」が、主要な評価ベンチマークで4位にランクインしました。前世代と比較してコストが半分に抑えられている点が特徴です。
画像生成AIのコスト効率が向上することで、広告制作やデザイン業務におけるAI活用のハードルがさらに下がる可能性があります。
Perplexityは、テキストと画像を同一空間で扱える多ベクトル埋め込みモデル「pplx-embed-v2-late」を公開しました。9Bと0.6Bの2サイズが提供され、OCRなしでのPDF検索やデバイス上での高速なクエリ処理が可能です。
画像とテキストを統合的に検索・処理できるため、ドキュメント解析やマルチモーダルな検索システムの構築において、効率的な基盤技術となる可能性があります。
Googleは、メディアファイルがAI生成かどうかを確認できる「SynthID Detector」ポータルを公開しました。ユーザーはファイルをアップロードすることで、Google等の電子透かしが含まれているか検証できます。
コンテンツの真偽確認が求められるビジネス現場において、AI生成物の識別ツールとして活用が期待されます。
OpenAIはChatGPTの画像生成機能において、新たな視覚的広告フォーマットのテストを米国で開始しました。広告は明確にラベル付けされ、AIの回答内容には影響を与えない仕様となっています。
ChatGPTにおける広告展開の本格化を示唆しており、将来的にAIを活用したマーケティング手法や広告出稿の選択肢が変化する可能性があるため注視が必要です。
アリゾナ州控訴裁判所は、裁判官が被害者のAI生成動画を量刑判断の根拠としたことを「根本的な誤り」とし、判決を破棄しました。司法の場におけるAI生成コンテンツの信頼性と公平性が厳しく問われています。
AI生成物の証拠能力や倫理的利用に関する法的議論が加速しています。ビジネスにおいても、AIが生成したコンテンツを意思決定や公的な場に用いる際は、その真実性と法的リスクを慎重に評価する必要があります。
Artificial Analysisの評価において、Alibabaが公開したQwen-Image-2.1が画像生成および編集のベンチマークでオープンウェイトモデルとして1位を記録しました。Ideogram 4.0やHunyuanImage 3.0 Instructを上回る性能を示しています。
高性能なオープンウェイトモデルの選択肢が増えることで、企業が自社環境で高度な画像生成AIを運用する際のコスト最適化や柔軟なカスタマイズが可能になります。
Kreaは、FLUX 3 Imageの提供を開始しました。最大10枚の参照画像を用いた生成や、バウンディングボックスによるレイアウト指定、部分的な再編集機能などが利用可能です。
高品質な画像生成モデルを直感的なUIで操作できるため、クリエイティブ制作の効率化や、より精密な画像編集を求める現場での活用が期待されます。
Sunoは、テキスト入力から音声とオリジナルの背景音楽を一つの楽曲として生成できる「Speech (beta)」を全ユーザー向けに公開しました。現在はベータ版のため、発音の乱れや不自然な間などの課題が残されています。
音声とBGMを同時に生成できる機能は、動画コンテンツや広告制作の効率を大幅に高める可能性があります。クリエイティブ業務におけるAI活用の新たな選択肢として注目されます。
Manus 2.0は、AIによる素材検索や自動文字起こし、タイムライン編集を統合した動画制作ワークフローを公開しました。大量の素材から短時間で高品質な動画を生成する手法を提示しています。
AIによる動画編集の自動化が進む中で、実務レベルでの効率的な制作フローを理解することは、コンテンツ制作の生産性向上において重要な参考となります。
AMDが李飛飛氏らによって設立されたWorld Labsを買収しました。同社のAtlasモデルは2D画像から空間を再構築する技術を持ち、ロボット工学や建築設計への応用が期待されています。
ハードウェア大手のAMDが空間知能へ投資したことは、生成AIが物理空間の理解へと進化するトレンドを象徴しており、製造や設計分野のDXに影響を与える可能性があります。
