画像生成・編集モデルとクリエイティブ活用
SoranoruGoogle Earthのウェブ版に画像生成モデル「Nano Banana 2」が統合されました。ユーザーはテキストプロンプトを用いて、特定の場所の過去の景観や新しい施設を3D映像として視覚化できます。
都市計画や不動産開発、観光プロモーションにおいて、場所の変遷や将来のイメージを直感的に共有するための強力なツールとなる可能性があります。
Seedance 2.5は一度の生成で最大30秒の動画作成が可能になり、画像や動画、音声などの多種多様な参照素材を用いた高度な編集をサポートします。即夢AIや豆包などのプラットフォームで順次提供され、今後はAPI経由での利用も予定されています。
動画生成の長尺化と参照素材の柔軟な活用により、広告や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。日本国内でのAPI提供開始時には、業務フローへの組み込みを検討すべき技術です。
Google DeepMindは、音楽生成モデル「Lyria 3.5」をGoogle Flow Musicに導入しました。旋律の複雑さや歌詞の追従性、人声の表現力が向上し、より細かな創作制御が可能になりました。
生成AIによるコンテンツ制作の品質が向上しており、広告やエンターテインメント業界におけるクリエイティブ制作のワークフローに変化をもたらす可能性があります。
xAIは、同意のないAI生成のわいせつ画像を禁止し、高額な罰金を科すミネソタ州の新法に対し、憲法違反であるとして提訴しました。同社は、この法律が過度な制限であり、自社の画像生成機能「Grok Imagine」の運用に支障をきたすと主張しています。
AIによる画像生成の法的責任と表現の自由を巡る議論は世界的に加速しており、AIツールを提供する事業者にとって、各国の規制動向がビジネスモデルに与える影響を注視する必要があります。
Black Forest Labsは、画像・動画・音声を単一アーキテクチャで生成可能なFLUX 3を発表しました。最大20秒の動画生成が可能で、先行する競合モデルを上回る評価を獲得しています。
動画生成AIの精度向上は、広告制作やコンテンツマーケティングの効率を劇的に変える可能性があり、最新モデルの性能動向は注視すべき論点です。
音楽生成AIのSunoがウェブおよびモバイル版で新機能を公開しました。音源分離やMIDIエクスポート、画像からの楽曲生成、車載システムへの対応などが追加されています。
MIDI出力や画像生成機能の追加により、AI生成楽曲をDAWで編集するなどのクリエイティブなワークフローへの統合が加速し、制作現場での実用性が向上しています。
Midjourneyは最新モデル「V8.2」をリリースし、生成画像の品質向上とユーザーの美的嗜好への適応能力を強化しました。低品質な生成を抑制し、パーソナライズ設定の選択肢を拡充することで、より意図に近い画像生成が可能になります。
クリエイティブ制作において、ブランドのトーン＆マナーに合わせた画像生成の精度が向上するため、広告やデザイン業務での実用性がさらに高まることが期待されます。
Black Forest Labsは、画像、動画、音声を統合的に学習する次世代マルチモーダルモデル「FLUX 3」を発表しました。世界を単一の表現として捉えることを目指したモデルで、現在早期アクセスが提供されています。
画像生成AIの分野で高い評価を得るFLUXシリーズの最新版であり、動画や音声との統合により、クリエイティブ制作のワークフローに大きな変革をもたらす可能性があります。
Qwen-Image-3.0は、最大4.5kトークンの入力や多言語対応、高度な画像編集機能を備えた画像生成モデル。実測テストでは、UIデザインや複雑な文字入れにおいてGPT Image2に匹敵する精度を示した。
日本語を含む多言語対応や正確な文字生成能力を持つモデルの選択肢が増えることで、国内の制作現場におけるクリエイティブ作業の効率化が期待されます。
「実」を追求した第3世代の画像生成モデルで、4.5kトークンの指示入力に対応し、複雑な情報を網羅したグリッドレイアウトの生成が可能です。12言語のテキストレンダリングに対応し、実務での活用を想定しています。
高精度なテキスト描画と長文指示への対応により、広告や資料作成など、ビジネス現場での画像生成AIの活用範囲がさらに広がる可能性があります。
ニール・ブロムカンプ監督が、動画生成モデル「Seedance 2.0」を活用した13分のSFホラー短編『Nightborne』を公開しました。同監督は今後、同様の手法で長編映画の制作を目指すAI映画スタジオ「Barley Studios」を設立しています。
映像制作の現場において、AIが単なる補助ツールから主要な制作手段へと進化していることを示しており、コンテンツ制作のコスト構造や手法が根本から変わる可能性があります。
人声、効果音、環境音を一つのモデルで生成可能な「Seed Audio 1.0」が登場しました。100ms単位の精密な制御が可能で、多言語対応かつ高い自然度を実現しています。
映像制作やコンテンツ制作において、高品質な音響効果をAIで自動生成できるようになるため、制作コストの削減と表現の幅の拡大が期待されます。
昆仑万维はWAICにて、世界モデル「Matrix-Game 3.5」や音楽生成モデルなどを発表しました。特にMatrix-Game 3.5は、単一GPUで20FPSのリアルタイム生成を実現しています。
動画やゲーム生成におけるリアルタイム性の向上は、エンターテインメントやシミュレーション分野でのAI活用を加速させる可能性があります。
ElevenLabsは、広告素材の多言語展開を支援する「Ads Engine」をElevenCreativeに追加しました。既存の広告を翻訳・最適化し、GoogleやMeta、LinkedInなどのプラットフォームへ直接配信できる機能を提供します。
広告のローカライズ作業をAIで効率化できるため、海外市場への展開を検討しているマーケティング担当者にとって、制作コストと時間を大幅に削減できる可能性があります。
ElevenLabsはシリーズDラウンドの追加調達を実施し、ARR（年間経常収益）が5億ドルに達したことを発表しました。NVIDIAやBlackRockを含む大手企業や著名人が投資家に名を連ねています。
音声AI市場の急成長を象徴するニュースであり、主要なAIプレイヤーへの投資動向は、今後のAIツール選定や業界の勢力図を予測する上で重要な指標となります。
Google Veo 3を実機テストした結果、対話時のリップシンク精度は極めて高いものの、一貫性や複雑な動作シーンには課題が残ることが判明しました。現時点では用途を限定した活用が推奨されます。
動画生成AIの導入を検討する際、デモ映像と実用性のギャップを把握し、過度な期待を避けるための現実的な評価基準を提供します。
Google DeepMindは、高速かつ高精度な画像生成モデル「Nano Banana 2」を公開しました。Proレベルの知識と文字レンダリング能力を持ち、最大14個の物体の一貫性を維持した生成が可能です。
高速性と高品質な画像生成を両立しており、広告制作やコンテンツ作成の現場における効率化が期待されます。
音声AI技術を提供するElevenLabsは、シリーズDラウンドで5億ドルを調達し、評価額が110億ドルに達したことを発表しました。これは1年前と比較して3倍以上の成長となります。
音声生成AI市場の急速な拡大と投資家からの高い期待を示しており、今後、音声合成技術がビジネス現場でより広範に採用される可能性を示唆しています。
ElevenLabsは最新の音声合成モデル「Eleven v3」を全ユーザー向けに公開しました。数字や記号、専門用語の読み上げエラー率を68%削減し、文脈に応じた自然な発話が可能になりました。
ナレーションや動画コンテンツ制作において、専門的な数値や記号の読み間違いが減ることで、編集コストの削減と品質向上が期待できます。
ManusがChatGPT、Midjourney、Adobe Fireflyなど5つのAI画像生成ツールを、同一のプロンプトを用いて数週間にわたり検証しました。ChatGPTとManusが最高評価を獲得し、各ツールの無料プランの有無や生成品質が比較されています。
クリエイティブ業務において、用途に応じた最適な画像生成AIを選択するための基準として、各ツールの得意分野やコストパフォーマンスを確認できます。
