動画生成

主要ニュース

1. 1

   World Labs、写真数枚から3D世界を生成するAI「Atlas」発表

   World Labsが、テキスト・画像・動画・3Dデータで学習し、各入力を3D空間内の特定位置に紐付けるオムニモデル「Atlas」を発表。ユーザーが操作するカメラ経路で最大1分間の1440p動画を生成できるほか、2〜3枚の写真から実シーンを再構築し、100以上の入力も処理可能。 2025年11月に李飛飛氏が指摘した課題、すなわち現在のマルチモーダル・動画モデルはデータを1D・2Dの系列に分解するため単純な空間タスクが不必要に難しくなるという問題に、Atlasは対応。共有された空間理解により純粋な言語・動画モデルと一線を画し、人間による評価では専用モデルを上回り、MiniMax H3に対して75%、Seedance 2.5に対して94%で勝利。国内の映像制作やロボット関連企業では、写真からの3D空間生成による業務効率化が進む可能性がある。

   Atlasのネイティブ3D出力はポイントクラウドと3Dガウシアンスプラットに対応し、Marbleの表現と一致。また、2026年8月に実証された、5つのロボットプラットフォームで各1時間、人間の介入なしに稼働したreal-to-sim-to-realエンジンを基盤に、ロボティクス向けの実物からシミュレーションへのツールとしても機能する。Atlasは現在、一部パートナー向けに早期アクセスプログラムを提供中。

2. 2

   World Labsが空間AIモデルAtlasを発表

   World Labsは、テキスト、画像、動画、3Dをネイティブに処理するためにゼロから学習されたワールドモデルAtlasを公開した。同社の空間生成ツールMarbleを支えることになる。 Atlasは、1枚または数枚の写真から新しいビューを生成し、実際の空間を再構築し、バレットタイム動画を作成し、ロボットのカメラデータをシミュレートできる。同社は、DTU、ETH3D、ScanNetのベンチマークでオープンソースの再構築モデルを上回るとしている。

   Atlasは現在、一部のパートナー向けに早期アクセス中だ。開発者や企業はフォームから申し込むことができ、World LabsはMarbleを含む製品の将来バージョンにAtlasを統合する計画だ。

3. 3

   Viskoが1000万ドル調達、ライブAI動画モデル「Orbis」公開

   ViskoはLlama Venturesからプレシードで1000万ドルを調達し、長編動画を生成するライブモデル「Orbis」を一般公開した。 従来のAI動画生成は短い静止クリップを生むのに対し、Orbisは連続的に動作し、リアルタイムの介入でも映像の一貫性を保つ。同社は数時間にわたり品質を維持できると主張し、既存モデルの限界に挑む。国内の動画配信や映像制作に携わる企業は、長編生成モデルの登場で制作手法の転換を迫られる可能性がある。

   OrbisはViskoのWebサイトで試用でき、4K・24fpsで配信される。同社は劣化なく数時間にわたり世界を生成できると話すが、動的生成のコストは高い可能性がある。

4. 4

   ワールドモデルの定義とは

   RedditユーザーがMLコミュニティに対し、ワールドモデルの定義を問いかけ、現在の構築物は高度な動画生成モデルに過ぎないと指摘した。 この用語は議論の的であり、シミュレーター、物理エンジン、エミュレーター、デジタルツインなどがワールドモデルの候補とされ、非専門家を混乱させている。国内のAI開発企業は、用語の定義を巡る議論の影響を受け、自社技術の位置づけを見直す可能性がある。

   議論は、ワールドモデルが手作りの物理ではなく学習された表現に基づくべきかどうかに焦点を当てており、MLベースのシミュレーターに道を開く可能性がある。

5. 5

   BearJam、AI自動化に人間の監視が必要と主張

   AI動画制作会社BearJamが、2年間の経験を踏まえ、AIと人間の判断を組み合わせたハイブリッドモデルを重視する責任ある自動化の手法を公開した。 同社は、自動化はアウトプットと同じ速さでエラーを拡大するため、特にAI出力の責任はプラットフォームではなく導入側にある以上、法的・風評リスクを避けるには人間によるチェックポイントと明確な制限が不可欠だと主張する。国内のAI導入企業では、自動化によるエラー拡大を防ぐため、人間の確認工程が不可欠になる可能性がある。

   BearJamは技術的には対応可能な案件でも、誤解を招く前後比較画像などを含め断ってきた。また、AI中心のプロジェクトの収益の1%をケントの自然再生に充てている。

6. 6

   グーグル、動画AI「Gemini Omni 1.1 Flash」発表

   グーグルは8月27日、動画生成・編集向けマルチモーダルAIモデル「Gemini Omni 1.1 Flash」を発表した。開発者はGemini APIとGoogle AI Studioを通じて利用できる。 今回の更新でOmni 1.1は業務利用に耐える本番環境対応となった。最大の強化点はシーン拡張で、従来の1秒から最大10秒分の直前コンテキストを分析できるようになり、映像の整合性とストーリーの一貫性が向上した。動画は10秒単位で最大40秒まで延長できる。国内の映像制作現場では、動画生成AIの品質向上で編集工程の一部が短縮される可能性がある。

   360pの下書きモードは標準の720pと比べ最大60%高速で、コストは3分の1。最終出力は1080pまたは4Kにアップスケール可能。アドビは既にGemini Omni FlashをAdobe Fireflyに統合している。