画像・動画・音声生成 最新ニュースまとめ
画像生成・動画生成・音声合成モデルの新リリース、Sora・Veo・Midjourney などの動き、制作現場での活用を、日刊ダイジェストの Top 20 から時系列でまとめています。
全102件のうち直近100件を表示しています。それ以前は アーカイブの各号からたどれます。
2026年11月 7件
- 日本の音声AIスタートアップに159億円 ElevenLabsはなぜ、社員15人のKotobaを買収するのか
米ElevenLabsが、東京都に開発拠点を持つ従業員15人の米Kotoba Technologiesを約1億ドル(約159億円)で買収すると11月17日に発表した。
2026-11-19 号で5行要約を読む → - ElevenLabsのScribe v3 Live、会話の文脈を使い音声エージェントが話者の発言を遮るのを防ぐ ElevenLabs Scribe v3 Live uses conversational context to stop voice agents from cutting off callers mid-sentence
ElevenLabsは、雑音や話者の重なりに強い音声認識モデルScribe v3と、リアルタイム向けのScribe v3 Liveを公開した。
2026-11-12 号で5行要約を読む → - 画像生成AIは既存のキャラクターをどれくらい出力する? ソニーAIなどが14モデルを調査
Sony AIなどの研究者が画像生成AI 14モデルを調べ、ガードレールの有無にかかわらず全モデルが10%以上の確率で既存IPと認識できる画像を出し、半数近くは40%を超えたと報告した。
2026-11-09 号で5行要約を読む → - 超低コストで効率的な学習に成功した画像生成AIモデル「P-JiT」、オープンウェイトで公開中
2人の研究組織Linumが、学習コスト約2万1千ドルの20億パラメータの画像生成モデル「P-JiT」をオープンウェイトでGitHubに公開した。
2026-11-09 号で5行要約を読む → - 画像生成AI 5種に日本語を書かせたら、どこで間違えたか(1,219枚)
書体スタイル244種で日本語単語を画像生成AI 5種に書かせたところ、GPT Image 2.5が243枚、Nano Banana 2.1が239枚で正しく書け、日本語をほぼ誤らなかった。
2026-11-09 号で5行要約を読む → - OpenAIが画像生成AIツールの「Images 2.6」をリリース、GIF生成に対応し編集工程を細かく制御可能
OpenAIがImages 2.6を2026年11月4日に公開し、Images 2.5より約50%速い生成とGIF出力に対応した。
2026-11-05 号で5行要約を読む → - Phonon TTSを詳しく見る:ベンチマーク首位の高品質オンデバイス音声合成を公開 A Closer Look at Phonon TTS. Launching High-Quality On-Device Speech That Tops the Benchmarks.
Gradiumの端末内音声合成モデルPhonon TTSが、Open TTS Leaderboardの了解度でドイツ語とスペイン語の1位、評価した全言語で上位3位に入った。
2026-11-05 号で5行要約を読む →
2026年10月 8件
- ElevenLabs、リアルタイムAI会話向けの音声to音声モデル2種を公開 Elevenlabs releases two new speech-to-speech models designed for real-time AI conversations
ElevenLabsは10月20日、リアルタイム会話向けの音声to音声モデル「Eleven Realtime」として上位のv1 Maxと低コストのv1 Miniを公開した。
2026-10-21 号で5行要約を読む → - 画像生成 AI で日本語の文字はどこまで正しく出るか(Qwen-Image で 16語×4枚を実測)
ローカルのQwen-Imageに日本語16語を4枚ずつ計64枚描かせた結果、主タイトルが1文字も違わず出たのは18枚で、5文字以上のカタカナは16枚中0枚だった。
2026-10-20 号で5行要約を読む → - Black Forest Labsのオープンウェイト画像モデルFLUX 3 Image Klein、VRAM 8GBの一般向けGPUで動作 Black Forest Labs' open-weights image model FLUX 3 Image Klein runs on consumer GPUs with just 8 GB of VRAM
Black Forest Labsが56億パラメータのオープンウェイト画像モデル「FLUX 3 Image Klein」を公開し、社内評価でオープンモデル中最高のEloを得たと発表した。
2026-10-16 号で5行要約を読む → - OpenAIやGoogleの画像生成AIは簡単に騙されてヌード画像を生成してしまうと研究者が指摘
セキュリティ研究企業White Circleが、攻撃の「戦略」自体をAIに考えさせ改良を繰り返す新手法「RISE」で、OpenAIやGoogleの画像生成AIの安全対策を回避できたと発表した。
2026-10-15 号で5行要約を読む → - Google、「Nano Banana 2.1」公開 APIの画像出力料金は「Nano Banana 2」の約半額に
Googleが画像生成・編集モデルNano Banana 2.1を発表し、APIの画像1枚あたりの料金をNano Banana 2のほぼ半額に下げた。
2026-10-07 号で5行要約を読む → - ChatGPTの新広告フォーマット、画像生成の待ち時間に商品カルーセルを表示 ChatGPT's new ad format fills the image generation loading screen with product carousels
OpenAIは、ChatGPTが画像を生成する待ち時間に「Ad」表示付きの商品カルーセルを出す新しい広告フォーマットを、米国で10月下旬から一部の広告主とテストする。
2026-10-05 号で5行要約を読む → - Microsoft、初のストリーミング文字起こしモデル「MAI-Transcribe-2-Streaming」公開 音声合成「MAI-Voice-2.1」と高速版も
Microsoft AIは10月1日、ストリーミング文字起こし「MAI-Transcribe-2-Streaming」と音声合成「MAI-Voice-2.1」「MAI-Voice-2.1-Flash」を発表した。
2026-10-02 号で5行要約を読む → - Black Forest Labs、他の部分を保ったまま多段階編集できるFlux 3 Imageを公開 Black Forest Labs launches Flux 3 Image with multi-step editing that leaves the rest of your picture alone
Black Forest LabsはFlux 3ファミリーの画像モデル「Flux 3 Image」を公開し、編集していない部分を変えずに多段階の修正を重ねられるようにした。
2026-10-02 号で5行要約を読む →
2026年9月 14件
- ElevenLabsの新音声モデルv4、AI音声をより表情豊かで一貫性のあるものに ElevenLabs' new v4 speech model makes AI voices more expressive and consistent
ElevenLabsが新音声モデルEleven v4を公開し、笑いやささやきの指示への追従と、オーディオブックのような長い制作での声の一貫性を改善した。
2026-09-29 号で5行要約を読む → - 画像・動画生成AIのAPIを安さや制限の緩さで選んで簡単に使えるようにする「Comfy Router」が登場、OpenRouterのコンテンツ生成版
ComfyUI開発元のComfyが、複数サービスの画像・動画生成AIのAPIを一元的に扱える「Comfy Router」を2026年9月23日にリリースした。
2026-09-27 号で5行要約を読む → - ゼロから声を作れる音声生成モデル「Gemini 3.8 Flash TTS」公開 「Gemini Notebook」でも利用可能に
Googleは9月23日、自然言語の指示でゼロから声を設計できる音声生成モデル「Gemini 3.8 Flash TTS」と軽量版「Flash-Lite TTS」を公開した。
2026-09-24 号で5行要約を読む → - 培養神経細胞から作られた小さなソフトウェア層が、高速で安価なAI動画生成をうたう A tiny software layer from lab-grown neurons promises faster, cheaper AI video
The Biological Computing Co.が、培養した神経細胞から導いたソフトウェア層によってテキスト動画生成が5倍速く80%安くなると主張している。
2026-09-22 号で5行要約を読む → - Alibabaのオープンウェイト「Qwen-Image-2.1」、わずか70億パラメータで画像生成のクローズドモデルを上回ると主張 Alibaba's open-weight Qwen-Image-2.1 claims to beat closed models in image generation with just 7 billion parameters
AlibabaのQwenチームが画像生成・編集モデルQwen-Image-2.1をオープンウェイトで公開し、ビジュアル生成部分は70億パラメータで自社ベンチマークでは大半のクローズドモデルを上回ると主張している。
2026-09-21 号で5行要約を読む → - Runway、AI動画生成をリアルタイムで操作できるライブ配信に変えようとしている Runway wants to turn AI video generation into a live stream you control in real time
Runwayは完成したクリップを待ってから修正を繰り返すのではなく、ユーザーが指示するそばから動画をストリーミング生成する研究を公開した。
2026-09-20 号で5行要約を読む → - VRAM容量32GBで30万円未満なIntelグラボ「Intel Arc Pro B70 Creator 32GB」でローカルLLM「Qwen3.8 27B」や動画生成AI「MiniMax H3」を実行して生成速度を確かめてみた
税込29万8054円(2026年9月17日時点)のVRAM 32GB搭載「Intel Arc Pro B70 Creator 32GB」でローカルLLMを動かすと、Qwen3.8 27Bの4bit量子化版で23.4tok/s、8bit量子化版で15.9tok/sのデコード速度が出た。
2026-09-19 号で5行要約を読む → - ElevenLabs、Music v2.5をアプリとAPIで提供開始、無料枠とProプランを用意 Elevenlabs makes Music v2.5 available via app and API with free and pro tier options
ElevenLabsがAI音楽生成モデルMusic v2.5を公開し、47,885組の比較ペアによるブラインドテストで聴取者が前版v2より新版を好んだと発表した。
2026-09-13 号で5行要約を読む → - 動画編集AI「FLUX Video Edit」が登場、指定箇所のみ編集可能
Black Forest Labsは動画の指定箇所だけを編集できるAI「FLUX Video Edit」を発表し、「世界で最速かつ最低価格の動画編集モデル」と位置付けている。
2026-09-11 号で5行要約を読む → - 音楽生成AI「YuE2」が無料公開される、有料のSuno 5に近い性能で楽譜から楽曲生成可能&日本語ボーカルも対応
AI研究コミュニティのMultimodal Art Projectionが2026年9月10日、「Suno 5に匹敵するオープンな音楽生成モデル」とうたう「YuE2」を公開した。
2026-09-11 号で5行要約を読む → - SunoがWarner・BMG・Believeと共同開発した音楽モデルv6を公開 Suno launches v6 music models built with Warner, BMG, and Believe
Sunoはワーナー・ミュージック・グループ、BMG、Believeを共同開発者として、v6世代の音楽生成モデルを3種類公開した。
2026-09-09 号で5行要約を読む → - Googleが新モデルLyria 3.5でAI音楽生成をGeminiアプリに直接搭載 Google brings AI music generation directly into the Gemini app with its new Lyria 3.5 model
Googleが音楽生成モデル「Lyria 3.5」をGeminiアプリとAPIで提供開始した。
2026-09-06 号で5行要約を読む → - Google、AI画像生成・編集ツール「Google Pics」提供開始 特定オブジェクトの編集や文字翻訳も可能
Googleが画像生成・編集ツール「Google Pics」を発表し、Web版とGoogle Workspaceアプリの双方で提供を開始した。
2026-09-02 号で5行要約を読む → - GoogleがCanva・Adobe Express対抗の画像生成・編集ツール「Google Pics」を提供開始、GoogleドキュメントやGoogleスライドとも連携可能
Googleが2026年9月1日、Google Workspace向けの画像生成・編集ツール「Google Pics」を順次提供すると発表した。
2026-09-02 号で5行要約を読む →
2026年8月 15件
- Gemini Omni 1.1 Flashで動画生成を始める前に知っておきたいこと|料金・できないこと・最初の1本の作り方
Googleが2026年8月27日(米国時間)に動画生成AI「Gemini Omni 1.1 Flash」を正式版として公開したことを受け、公式ブログとドキュメントに基づいて使う前に押さえるべき点を整理している。
2026-08-30 号で5行要約を読む → - Google、動画生成AI「Gemini Omni 1.1 Flash」公開 10秒分の文脈を参照して最長40秒まで延長
Googleが8月27日(現地時間)、動画の生成・編集に対応するマルチモーダルAIモデル「Gemini Omni 1.1 Flash」(APIのモデル名は gemini-omni-1.1-flash)をGemini APIとGoogle AI Studio経由で開発者向けに提供開始し、production-readyな段階になったとした。
2026-08-28 号で5行要約を読む → - Googleが動画生成AI「Gemini Omni 1.1 Flash」をリリース、「最大4Kアップスケール」「動画の続きを生成」「低解像度で高速プレビュー」など
Googleが動画生成AI「Gemini Omni 1.1 Flash」を現地時間の2026年8月27日にリリースした。
2026-08-28 号で5行要約を読む → - 大量に存在する画像生成AIを同じプロンプトで比較できる「Image benchmarks」をOpenRouterが公開
OpenRouterが、複数の画像生成AIに同じプロンプトを入力した結果を一覧表示して比較できる「Image benchmarks」を公開した。
2026-08-25 号で5行要約を読む → - 動画生成AI「Wan3.0」が正式リリースされる、最大30秒生成可能で「製品企画スライドを読み込ませてPV作成」など情報分析精度が大幅に向上
AlibabaがAI動画生成モデル「Wan3.0」の一般提供を8月24日に開始し、1回の生成で最大30秒の動画を作れるようにした。
2026-08-25 号で5行要約を読む → - 最大4Kまで動画を高解像度化できるアップスケーラー「FLUX Video Upscale」が登場
Black Forest LabsがAI動画アップスケーラー「FLUX Video Upscale」をリリースし、動画を最大4Kまで高解像度化できるようになった。
2026-08-21 号で5行要約を読む → - Suno Studio 2.0の新しいチャット機能で、DAWにバンド仲間のように話しかけられる Suno Studio 2.0's new chat feature lets you talk to your DAW like it's a bandmate
Sunoが音楽生成プラットフォームを本格的な制作ツールへ広げる「Studio 2.0」を公開し、Premier契約者向けにチャット操作の提供を始めた。
2026-08-14 号で5行要約を読む → - MiniMaxが動画生成AIに続いて音楽生成AI「MiniMax-Music3」を無償公開、ローカルで最大5分の日本語ボーカル付き楽曲を生成可能
中国のMiniMaxが音楽生成AI「MiniMax-Music3」を無償公開し、テキスト指示からボーカル付きの楽曲を作れるようにした。
2026-08-14 号で5行要約を読む → - Grokの画像生成AIが「Imagine Image 2.0」にアップデートされたので使ってみた、実写風もイラスト風も対応し文字も描写可能
SpaceXAIが2026年8月7日にリリースした画像生成モデル「Imagine Image 2.0」を実際に試した結果、実写風とイラスト風の双方に加え日本語の文字描写にも対応していることが確認された。
2026-08-10 号で5行要約を読む → - AI音楽生成サービス「Suno」がAI生成楽曲に音声透かしを導入すると発表
AI音楽生成サービスSunoが、プラットフォーム上で作成された楽曲を識別するために「音声透かし」と「フィンガープリント」を導入すると発表した。
2026-08-08 号で5行要約を読む → - AI音楽生成のSuno、スパム対策と高まる著作権懸念への対応でルールを厳格化する AI music generator Suno tightens rules to fight spam and address growing copyright concerns
SunoのCEOマイキー・シュルマン氏が、AI生成楽曲がストリーミングプラットフォームでの収益狙いに悪用されたことを受け、4つの指導原則と新たなガイドライン・ダウンロード制限をブログで示した。
2026-08-08 号で5行要約を読む → - Black Forest LabsがFLUX 3 Videoを一般提供、Seedance 2.0を上回ると主張 Black Forest Labs makes FLUX 3 Video generally available and claims it beats Seedance 2.0
Black Forest Labsが動画生成モデル「FLUX 3 Video」を一般提供に移行し、競合のSeedance 2.0を上回る性能だと主張した。
2026-08-05 号で5行要約を読む → - 『Next Tokyo '26』画像生成を再定義する「Google Pics」とは?
Google Next Tokyo 2026の基調講演で公開された「Google Pics」は、ゼロからの生成と部分的な微修正を一つのWebアプリで完結させる画像ツールである。
2026-08-04 号で5行要約を読む → - AIエージェントで音楽レーベルを運営する - Claude CodeとSuno・Gemini・Veoで18曲のアルバムを作った5ヶ月の記録
著者はAIエージェントで架空の音楽レーベル「TECHTALK RECORDS」を運営し、約5カ月で18曲入り1stアルバム『Claude Code vs. Codex』を完成させた。
2026-08-04 号で5行要約を読む → - 動画生成AI「MiniMax H3」が登場、世界2位の実力でオープンモデルとして公開予定
中国のMiniMaxが動画生成AI「MiniMax H3」を発表し、近日中にモデル本体を無料公開する予定だと明らかにした。
2026-08-03 号で5行要約を読む →
2026年7月 20件
- Google、音楽生成AI「Lyria 3.5」発表 ボーカルの表現力を強化、テンポや長さの制御も容易に
Googleが現地時間7月29日に音楽生成モデル「Lyria 3.5」を発表し、同日からGoogle Flow Musicで提供を開始した。
2026-07-30 号で5行要約を読む → - Googleが最大3分の日本語ボーカル付き楽曲を作れる音楽生成AI「Lyria 3.5」をリリースしたので使ってみた
Google Flow Musicで公開されたLyria 3.5を実際に試し、日本語ボーカル付きで最大3分の楽曲を生成できたと報告している。
2026-07-30 号で5行要約を読む → - Hugging Faceは女性や子どもの無断ヌード画像生成に使われており予防措置が講じられていないとの調査結果
欧州の非営利団体AI Forensicsが、Hugging Face Spacesの画像編集AIモデルが女性や子どもの無断ヌード画像生成に使われているとの調査結果を公開した。
2026-07-29 号で5行要約を読む → - GPT Transcribeは前世代を上回るが、誤り率ではElevenLabs・Google・Mistralに届かない GPT Transcribe improves on its predecessor but can't catch ElevenLabs, Google, or Mistral on error rates
OpenAIの新しい音声認識モデルは前世代を上回ったものの、誤り率では主要プロバイダの中で4位にとどまった。
2026-07-29 号で5行要約を読む → - 画像も動画も音声も生成できるAI「FLUX 3」が発表される
Black Forest Labs が、画像・動画・音声を生成し、さらにロボットの動作予測まで行えるマルチモーダル基盤モデル「FLUX 3」を発表し、画像編集特化だった従来 FLUX から大きく踏み込んだ。
2026-07-24 号で5行要約を読む → - Flux 3が最大20秒のネイティブ音声付き動画を生成、Black Forest Labsとして初 Flux 3 generates videos with native audio up to 20 seconds long, a first for Black Forest Labs
Black Forest Labs が、画像・動画・音声から学習するマルチモーダル基盤モデル「Flux 3」を公開し、同社として初めてネイティブ音声付きの動画を生成できるようにした。
2026-07-24 号で5行要約を読む → - Microsoftが画像生成AI「MAI-Image-2.5-Pro」をリリース、独自開発AIをOffice製品などに統合して他社への依存を減らす
Microsoft が自社開発の画像生成 AI「MAI-Image-2.5-Pro」をリリースし、テキストからの画像生成と画像編集に対応させた。
2026-07-24 号で5行要約を読む → - 音声クローンが可能な音声合成AI「Qwen-Audio-3.0-TTS」が登場、日本語対応でGemini超えの性能
Alibaba の Qwen(Tongyi Lab)が 2026-07-20 に音声合成 AI「Qwen-Audio-3.0-TTS」をリリースし、参考音声とテキストを与えるだけで任意の声で任意テキストを読み上げられるゼロショット音声クローンモデルとして公開した。
2026-07-23 号で5行要約を読む → - ドラクエと「Gemini」がコラボ 画像生成の"特別なテンプレ"提供、リアルイベント開催へ
Google 日本法人が「Gemini」と「ドラゴンクエスト」のコラボキャンペーンを開始すると発表した。
2026-07-21 号で5行要約を読む → - Alibaba Qwen Audio 3.0 TTS Plus が音声合成ランキングで首位に Alibaba's Qwen Audio 3.0 TTS Plus tops the competition in the text-to-speech rankings
Alibaba の Qwen Audio 3.0 TTS Plus が Artificial Analysis の Speech Arena リーダーボードで首位を獲得した。
2026-07-21 号で5行要約を読む → - Google DeepMindが「動画生成モデルは失われていた世界モデルを既に含む」と主張、GenCeptionを発表 Google Deepmind argues video generators already contain the world models computer vision has been missing
Google DeepMind が新手法「GenCeption」で動画生成モデルを深度推定やセグメンテーションなど古典コンピュータビジョン課題に転用し、最先端手法と同等の精度をより少ない学習データで達成したと発表した。
2026-07-19 号で5行要約を読む → - Google画像検索25周年、検索前ホームと『AIによる概要』での画像生成機能を発表
Googleが、画像検索の提供開始25周年を機に、検索実行前からWeb上の画像を閲覧できる新ホーム画面を発表した。
2026-07-15 号で5行要約を読む → - PixVerseの20億ドル評価、AI動画生成市場になお勝者の余地ありと投資家が判断 PixVerse's $2B valuation shows investors still believe AI video generation has room for another winner
シンガポール拠点のAI動画生成スタートアップPixVerseが、拡張シリーズC調達で評価額20億ドルに到達したと報じられた。
2026-07-14 号で5行要約を読む → - アニメ特化動画生成AI「AnimeGen」無償公開、商用利用も可 国内AIベンチャーAIdeaLab
国内AIベンチャーAIdeaLabがアニメ特化の動画生成モデル「AnimeGen」をApache-2.0ライセンスで無償公開し、商用利用も可能にすると発表した。
2026-07-13 号で5行要約を読む → - Agnes AIが無制限無料!LLM×画像生成で知識漫画・インフォグラフィックを自動生成するOSSアプリ「AI画像スタジオ」徹底解説
Agnes AI の無制限無料枠を活用し、LLM とテキスト画像生成を組み合わせて知識漫画やインフォグラフィックを自動生成する OSS アプリ「AI 画像スタジオ」を徹底解説している。
2026-07-11 号で5行要約を読む → - 動画生成AI「LTX-2.3」の開発チームがAI企業「LTX」として独立、仮想世界シミュレーションを可能とする世界モデルを開発中でオープンモデルの姿勢は維持
動画生成AI「LTX-2」「LTX-2.3」の開発チームが、AI企業「LTX」として独立することを発表した。
2026-07-09 号で5行要約を読む → - Meta、初のエージェント型画像生成AI「Muse Image」公開 動画生成AI「Muse Video」もプレビュー
Meta Superintelligence Labs が初のエージェント型画像生成AI「Muse Image」を一般公開し、同時に音声付き動画生成AI「Muse Video」もプレビュー公開した。
2026-07-08 号で5行要約を読む → - Nano Banana 2 Liteを試す Nano Banana 2 Lite
Simon Willison氏がGoogleの新画像モデル「Nano Banana 2 Lite」(正式名 Gemini 3.1 Flash Lite Image、API IDはgemini-3.1-flash-lite-image)を紹介した。
2026-07-01 号で5行要約を読む → - Googleが高速画像生成のNano Banana 2 LiteとAPI経由の動画生成Gemini Omni Flashを提供開始 Google launches Nano Banana 2 Lite for fast AI images and Gemini Omni Flash for video via API
Googleが2つの新しい生成AIモデル、Nano Banana 2 Lite(画像)とGemini Omni Flash(動画)をAPI経由で提供開始した。
2026-07-01 号で5行要約を読む → - Wan AI:無料オンラインAI動画生成ツール - テキストから動画へ、画像から動画へ
無料オンラインAI動画生成ツール「Wan AI(wanai.dev)」が、テキスト・画像・ボイスオーバーに対応するマルチモーダル動画生成プラットフォームとして提供開始された。
2026-07-01 号で5行要約を読む →
2026年6月 18件
- Googleが「自分の好みを知っている画像生成AI」を無料提供、アメリカからスタート
GoogleがGeminiアプリでユーザーの好みや生活に合わせた画像生成機能を米国で無料提供開始した。
2026-06-30 号で5行要約を読む → - 音楽生成AIのSunoが独立系アーティストを支援するプログラム「Spark」を開始、「Sunoの悪口禁止」「Sunoに対する裁判への参加権放棄」といった条件が注目を集める
著作権侵害訴訟を抱える音楽生成AIのSunoが、独立系アーティスト向けインキュベーターとして「Spark」プログラムを発表した。
2026-06-29 号で5行要約を読む → - 動画生成AI「Seedance 2.5」をByteDanceが発表
ByteDanceが動画生成AIの新版「Seedance 2.5」を発表し、最大50点のマルチモーダル参照素材を入力して30秒までの動画を一発生成できると示した。
2026-06-24 号で5行要約を読む → - 画像生成AI「Krea 2」がオープンモデル化されてローカル生成可能になった
Kreaが画像生成モデル「Krea 2」をオープンモデル化し、ComfyUIから直接読み込んでローカル生成に使えるようになったと公表した。
2026-06-24 号で5行要約を読む → - RTX 5090を使って1.8秒で動画を生成できる動画生成AIモデル「FastWan‐QAD」
UC San DiegoのHao AI Labが、RTX 5090を使って480p・5秒動画を1.8秒で生成できる動画モデル「FastWan-QAD」を公開した。
2026-06-24 号で5行要約を読む → - 主婦がAIアニメでYouTube登録者100万人を突破――1億ユーザーのAI動画生成サービス「PixVerse」の実態
AI動画生成サービス「PixVerse」のユーザー数が1億を超えたと報じられ、個人クリエイターが短期間でYouTube登録者100万人に到達した実例が紹介された。
2026-06-24 号で5行要約を読む → - ByteDanceのSeedance 2.5が30秒の壁を突破するAI動画生成モデルとして発表
ByteDanceがVolcano Engine主催のFORCEカンファレンスで動画生成モデル「Seedance 2.5」を含む5つの新AIモデルを発表した。
2026-06-23 号で5行要約を読む → - Midjourney、全身超音波スキャナーと自社運営スパを発表 Midjourney, known for AI image generation, unveils a full-body ultrasound scanner and its own spa
画像生成AIで知られるMidjourneyが全身超音波スキャナーと自社運営の医療スパをサンフランシスコで発表し、ハードウェア+医療体験への大胆な事業転換を打ち出した。
2026-06-18 号で5行要約を読む → - xAIの動画生成AI「Grok Imagine Video 1.5」が一般提供開始、画像から動画を生成可能
xAIが動画生成AI「Grok Imagine Video 1.5」を一般提供開始し、画像から動画を生成する画像→動画モードを正式リリースした。
2026-06-18 号で5行要約を読む → - Microsoft ResearchのMirageが動画生成に持続的空間記憶を付与 Microsoft Research's Mirage gives video generation a persistent spatial memory that doesn't forget what's around the corner
Microsoft Researchの動画世界モデル「Mirage」は、シーン情報をRGBの点群ではなく拡散モデルが既に使う潜在特徴のまま空間記憶に保持し、長いカメラ移動でも空間整合性を維持できると報告した。
2026-06-14 号で5行要約を読む → - 動画生成AI「Grok Imagine 1.5 Preview」が動画生成AIベンチマークで世界1位と2位を獲得
xAIの動画生成モデルGrok Imagine 1.5 PreviewがArtificial Analysisの動画ArenaでText-to-Video部門1位とImage-to-Video部門2位を獲得した。
2026-06-09 号で5行要約を読む → - GoogleがAIとセッションできる音楽生成AI「Magenta RealTime 2」を公開&DAWプラグインや楽器アプリも無料公開
Googleが音楽生成AIモデル「Magenta RealTime 2」を2026年6月4日付で公開し、リアルタイムにAIとセッション可能なライブ演奏向け生成モデルとして提供を始めた。
2026-06-05 号で5行要約を読む → - Ideogram 4.0、画像生成モデルをオープンウェイトで公開 Ideogram 4.0 Image Generation
Ideogram社が93億パラメータのIdeogram 4.0をオープンソースとして6月3日に公開し、ローカル実行可能な画像生成モデルとして提供を開始した。
2026-06-04 号で5行要約を読む → - xAI、Grok Imagine 1.5で画像→動画生成を720p対応 xAI updates Grok Imagine to 1.5 with image-to-video generation at 720p resolution
xAIが新モデル「Grok Imagine Video 1.5」をプレビュー公開し、1枚の静止画から最大720pのショート動画を生成可能にしたと報じている。
2026-06-04 号で5行要約を読む → - Build 2026分析:Microsoftは画像生成でGoogleを上回り、推論ではキャッチアップ段階 Build 2026: Microsoft tops Google in image generation while playing catch-up on reasoning
The DecoderがBuild 2026の7モデル発表を分析し、画像生成領域ではマイクロソフトの新モデルがGoogleのImagen系を上回るベンチマークを記録した一方、推論モデルではまだ「キャッチアップ段階」だと評価した。
2026-06-03 号で5行要約を読む → - 音楽生成AIのSunoが評価額を倍増の54億ドルに、レコード大手との訴訟継続中 AI music startup Suno doubles its valuation to $5.4 billion while fighting major record labels in court
音楽生成AIスタートアップSunoが新たに4億ドルを調達し、評価額を54億ドルに倍増させたとThe Decoderが伝えた。
2026-06-03 号で5行要約を読む → - NVIDIAが高性能画像生成モデル&動画生成モデルを含むフィジカルAI基盤モデル群「Cosmos 3」を公開
NVIDIAがフィジカルAIの基盤モデル群「Cosmos 3」を公開し、画像生成・動画生成モデルが「オープンモデルとして最高性能」を達成したと位置付けた。
2026-06-02 号で5行要約を読む → - ElevenLabsが100以上の言語を吹き替えできる音声AI「Dubbing v2」を発表
ElevenLabsが90以上の言語に対応する音声吹き替えモデル「Dubbing v2」を発表し、感情・抑揚・話し方の保持を売りに据えた。
2026-06-01 号で5行要約を読む →
2026年5月 18件
- ついにGoogleの画像生成AI「Nano Banana 2」と「Nano Banana Pro」の一般提供が始まる、Previewが取れてAPI経由で利用可能に
Googleの画像生成AI「Nano Banana 2」「Nano Banana Pro」がPreviewを脱して2026年5月29日に正式版(GA)としてリリースされた。
2026-05-29 号で5行要約を読む → - 「Nano Banana 2」「Nano Banana Pro」が一般提供開始 「2」は動画からの画像生成もサポート
Googleが画像生成モデル「Nano Banana 2」(Gemini 3.1 Flash Image)と「Nano Banana Pro」(Gemini 3 Pro Image)の一般提供を開始した。
2026-05-29 号で5行要約を読む → - 動画生成AI「Runway」がChatGPTやClaudeのチャット内で利用可能に、チャットで参考画像やアイデアを入力して動画化できる
動画生成AI「Runway」がMCP連携を通じてChatGPTやClaudeのチャット画面内から直接利用可能になり、チャットを離れずに動画生成ができるようになった。
2026-05-28 号で5行要約を読む → - 1曲の中で自然にジャンルを切り替えられる音楽生成AI「Music v2」を音声AI企業のElevenLabsがリリース
音声AI企業ElevenLabsが、1曲の中でオペラからヘビーメタル、ラップからK-POPまでジャンルを継ぎ目なく切り替えられる音楽生成AI「Music v2」をリリースした。
2026-05-28 号で5行要約を読む → - iPhoneで動作する画像生成AI「Bonsai Image 4B」、FLUX.2 Klein 4Bをメモリ88.3%削減
PrismMLがFLUX.2 Klein 4Bモデルをスマホ実行向けに最適化し、メモリ使用量を88.3%削減してiPhone上でローカル動作する画像生成AI「Bonsai Image 4B」を公開した。
2026-05-27 号で5行要約を読む → - Microsoft、画像生成AI「MAI-Image-2.5」を公開 Microsoft Releases MAI-Image-2.5 Image Generation AI
MicrosoftがText-to-Image分野で世界ランキング3位を獲得した新画像生成モデル「MAI-Image-2.5」を公開した。
2026-05-27 号で5行要約を読む → - リアルタイム動画生成AI「LongLive-2.0」をNVIDIAが公開
NVIDIAが長時間一貫性に最適化したリアルタイム動画生成モデル「LongLive-2.0」を公開し、メモリ使用量を19.4GBに抑えつつベースモデル比1.84倍の高速化を達成したと報告した。
2026-05-25 号で5行要約を読む → - 【トピックス確認】Gemini Omni Flash 発表 ― 動画生成と会話型動画編集で何が変わりそうか
Google I/O 2026でGemini Omni FlashがGemini Omniモデル群の一員として発表され、テキスト・画像・動画・音声を入力に取って会話を通じた段階的な動画編集ができる点が新しいと整理している。
2026-05-24 号で5行要約を読む → - 画像生成AI「FLUX」の開発元が不要物削除ツール「Erase」を発表、無料で使えるデモアプリもあり
Black Forest Labsが画像内の不要物を削除するAIツール「Erase」を発表し、Web版の無料デモも公開した。
2026-05-22 号で5行要約を読む → - 音楽生成AI「Stable Audio 3.0」が登場、6分以上の音楽を生成可能な大型モデルとスマホで動作する小型モデルが公開される
Stability AIが音楽生成AI「Stable Audio 3.0」を公開し、最大6分20秒の生成が可能な大型モデルとスマホ動作可能な小型モデルの計4種を投入した。
2026-05-22 号で5行要約を読む → - SpotifyがElevenLabsのAI技術を搭載したオーディオブック作成ツールをリリース
SpotifyがElevenLabsの音声合成技術を採用したオーディオブック作成ツールをリリースした。
2026-05-22 号で5行要約を読む → - Google、"動画版Nano Banana"こと「Gemini Omni」公開 会話で映像を生成・編集
Google I/O 2026で、自然言語の対話だけで動画を生成・編集できるマルチモーダルモデル「Gemini Omni」を発表した。
2026-05-20 号で5行要約を読む → - Google DeepMindがマルチモーダル生成モデル「Gemini Omni」を発表、自然言語による対話と推論能力による動画生成・編集が可能に
Google DeepMindが、自然言語の対話と推論能力で動画生成・編集が可能なマルチモーダルモデル「Gemini Omni」を発表したと報じている。
2026-05-20 号で5行要約を読む → - AI動画生成は映像は綺麗でも世界の理屈が解けないと新ベンチマークWorldReasonBenchが確認 New benchmark confirms AI video generators look stunning but still can't reason about the world
清華大学が動画生成モデルが「物理・社会・論理・情報」の整合性を保ってシーンを継続できるかを測る「WorldReasonBench」を公開、約400件のテストケースを含む。
2026-05-16 号で5行要約を読む → - アニメ・イラストに強い画像生成AI「Anima」の正式版がついに登場、タグ・自然言語両対応でSDXLやIllustrious系モデルが動作するPCなら余裕でローカル実行可能
CircleStone Labsがアニメ・イラスト特化の画像生成AI「Anima-Base」正式版を2026年5月15日に公開した。
2026-05-15 号で5行要約を読む → - 画像生成AI「FLUX.2」によるアウトペインティングに特化した「FLUX Outpainting」が登場、実際に試してみた
Black Forest Labsが画像生成AI「FLUX.2」のアウトペインティング特化機能「FLUX Outpainting」を発表した。
2026-05-15 号で5行要約を読む → - 動画生成AIのRunwayが日本進出、60億円超を投資 「日本は世界で最も洗練されたクリエイティブ産業持つ」とCEO
動画生成AIを手がける米Runwayが、日本市場に本格進出すると5月14日(現地時間)に発表した。
2026-05-15 号で5行要約を読む → - ChatGPTの「画像生成」機能、ユーザーのプロンプトでどこまで作り込める?
OpenAIが4月21日に投入した「ChatGPT Images 2.0」が公開され、推論ベースの「Thinking」機能を搭載した新しい画像生成モデルとして展開されている
2026-05-01 号で5行要約を読む →