画像生成・編集モデルとクリエイティブ活用
SoranoruBlack 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。
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。
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。
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。
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。
デザイン生成と画像レイヤー編集に特化した6Bモデル「Ming-Image-0.1-Design」シリーズが公開されました。UIやポスターの生成から、編集可能なRGBAレイヤーへの分解までを自動化します。
デザイン制作フローを効率化するオープンソースモデルの登場により、クリエイティブ業務におけるAI活用範囲が、単なる画像生成から実用的な編集作業へと拡大することが期待されます。
UIやポスターを生成する6Bモデルと、画像をレイヤー分解するモデルが公開されました。デザインスキルやPPT作成スキルも併せて提供されます。
デザイン制作のワークフローを自動化・効率化するツールとして、クリエイティブ業務の生産性向上に寄与する可能性があります。
テンセントは、テキストおよび画像からの生成に対応した「Hy Image3.5 preview」を発表しました。最大5枚の参照画像を用いた編集や2K解像度の出力が可能で、専門家による評価で前世代から性能が向上しています。
高精細な画像生成と柔軟な編集機能は、クリエイティブ制作の現場におけるAI活用の幅を広げる可能性があり、今後のツール選定における選択肢の一つとして注視すべきです。
Qwenチームは、画像生成と編集を単一モデルで実現する「Qwen-Image-2.1」をオープンソースで公開しました。7Bという軽量なパラメータ数ながら、透明画像の生成や高度な局部編集、文字レンダリングの改善に対応しています。
軽量なモデルで高度な画像編集が可能なため、オンプレミス環境やリソースが限られた環境での画像生成ワークフロー構築において、コスト効率の高い選択肢となる可能性があります。
生数科技は、デジタルヒューマンとの対話を実現する「Vidu S2-Avatar」と、動画ストリームのリアルタイム編集を行う「Vidu S2-Editing」を公開しました。さらに、VRヘッドセット向けの空間ビデオ生成と編集機能の探索も進めています。
リアルタイムでの動画編集や対話型アバター生成は、次世代のコンテンツ制作や顧客対応の効率を劇的に変える可能性があり、今後の技術動向を注視する必要があります。
Sunoは最新モデル「v6」を公開し、画像や動画、音声メモを基にした楽曲生成に対応しました。既存の楽曲に対して詳細な編集を加える機能や、実験的な「v6-wild」モデルも提供されています。
マルチモーダルな入力から音楽を生成できるため、広告制作やコンテンツ制作におけるBGM調達の効率化や、クリエイティブの幅を広げるツールとして活用が期待されます。
OpenAIはAPIを通じて、新たな画像生成モデル「Flare」と「Sunburst」の提供を開始しました。従来モデルと比較して細部の描写が鮮明になり、スタイルへの追従性や画像編集の制御機能が強化されています。
画像生成の品質と編集精度が向上したことで、広告制作やデザイン業務におけるAI活用の幅がさらに広がることが期待されます。
OpenAIは画像生成モデル「ChatGPT Images 2.5」を公開しました。前モデルと比較して生成遅延を最大50%削減し、細部の描写や編集精度、一貫性が強化されています。
生成速度の向上と編集精度の改善により、広告クリエイティブやデザイン業務におけるAI活用の効率化と品質向上が期待されます。
LTX社が発表した動画生成モデル「LTX-2.5」は、ComfyUIにネイティブ対応し、高速な生成性能を実現しました。一定規模以下の企業は無料で利用可能で、音声付き動画を低コストで生成できます。
動画生成の高速化とコスト低減が進むことで、広告やSNS向けコンテンツ制作の効率が大幅に向上する可能性があります。特にComfyUIとの親和性が高く、ワークフローへの組み込みが容易な点が実務上のメリットです。
AlibabaのQwen Cloudにて、画像生成モデル「Qwen-Image-3.0-Pro」および「Standard」版が提供開始されました。最大4.5kトークンのプロンプトに対応し、12言語のサポートや高精度な文字レンダリング機能を備えています。
中国国内で高い評価を得ている画像生成モデルが利用可能となり、多言語対応や文字描画精度が向上したことで、グローバルなクリエイティブ業務における選択肢の一つとして注目されます。
動画、音声、画像、動作予測を統合したマルチモーダルモデル「FLUX 3 Video」がOpenRouter上で公開されました。統一されたアーキテクチャにより、映画のような映像からクリエイティブな表現まで幅広く対応します。
API経由で最新の動画生成モデルを容易に組み込めるようになるため、映像制作やコンテンツ開発の効率化を検討する事業者にとって重要な選択肢となります。
MiniMaxは、テキスト、画像、動画、音声を統合的に理解・生成できる次世代モデル「H3」を公開しました。最大2K解像度、15秒の動画生成に加え、32kHzのステレオ音声をネイティブで生成可能です。
高品質な動画と音声を同時に生成できるモデルの登場は、広告制作やコンテンツ制作のワークフローを効率化し、クリエイティブの質を大きく変える可能性があります。
MiniMaxはテキスト、画像、動画、音声を統合的に理解・生成できるマルチモーダルモデル「H3」を発表しました。最大2K解像度で15秒のステレオ音声付き動画を生成可能で、近日中にモデルの重みを公開する予定です。
既存モデルと比較して高いコストパフォーマンスを実現しており、オープンソース化されれば、動画制作やコンテンツ開発におけるAI活用の選択肢が大きく広がる可能性があります。
MiniMaxは、広告やVlog、ゲームUIなどの視覚効果生成に強みを持つ動画生成AIモデル「H3」の公開とオープンソース化を発表しました。高い指示追従性を備え、動的なコンテンツ制作の効率化が期待されます。
オープンソース化により、特定の業界向けに最適化された派生モデルの登場が予想され、クリエイティブ制作の現場におけるAI活用の幅が広がる可能性があります。
