動画生成

主要ニュース

1. 1

   Higgsfield、4億ドル調達で評価額54億ドル

   動画・画像・音声生成のAIプラットフォーム Higgsfield が、DST Global 主導のシリーズB資金調達で4億ドル を獲得し、1月以来の評価額を4倍に高める54億ドル に到達した。 同社は238カ国・地域で3,000万人以上のユーザーを抱え、Fortune 500の360社を含む企業需要の強さを示している。エージェント型AIツール（人間の継続的な指示なしにワークフローを自動実行するツール）が主要なドライバーになっており、Higgsfield が5月に Supercomputer をリリースした後の3カ月でプラットフォームのツール使用が42倍に跳ね上がった。

   Higgsfield の自律型エージェント機能とキャラクター・シーン生成の一貫性が、企業のコンテンツ制作スケーリング戦略を塗り替える可能性がある。Supercomputer リリース後、同社は月間2,000万件以上のコンテンツ生成を報告している。

2. 2

   LTX、オープンソース動画生成モデルLTX-2.5を無料公開

   LTXがオープンウェイト世界モデル「LTX-2.5」を発表しました。Hugging FaceとComfyUIを通じて無料で利用でき、動画生成、ロボティクス、物理AI向けの機能を備えています。同社の世界モデルは3300万回以上ダウンロードされ、映画製作、ロボティクス、リアルタイムレンダリングなど幅広い分野で使われています。 開発者と企業が独自のハードウェア上でモデルを実行・カスタマイズできるため、クラウド依存を減らし、知的財産を社内に保持できます。NvidiaとComfyUIとの統合により、ローカルGPUでの推論がより効率的になり、より多くの開発者や組織がアクセス可能になる可能性があります。ロボティクス業界では、環境の振る舞いをモデル化する能力がロボット学習に重要とされています。

   年間経常収益が1000万ドル未満の組織は無料で利用できます。LTX-2.5はHugging Face、ComfyUI、LTX APIを通じて即座に利用可能です。Nvidiaとの最適化により、RTX GPUとDGX Sparkでのメモリ要件が削減されています。

3. 3

   AI新興企業が110分間の長編映画を4週間で200万ドルで制作

   AI新興企業のHiggsfieldAIは、ライセンス取得済みの有名人の顔を使用したアクション・コメディ映画『The Cully Hill Boys』を、わずか4週間で200万ドルの予算で制作しました。予算の半分はAIトークンに使用されました。この110分間の映画は、東ロンドンのラッパーがミュージックビデオのためにボートを盗み、犯罪カルテルに巻き込まれるストーリーです。 本作はAIビデオ制作が長編映画レベルまでスケール可能であることを実証しており、短編クリップからの転換を示しています。テクノロジーはまだ目に見える欠陥を示していますが、不自然なポーランド、時々明らかなAI生成、キャラクターの反応の矛盾などが見られますが、人間の脚本家の対話と物語構造から、AIツールはクリエイターのための民主化され、費用対効果の高い長編コンテンツ制作へ向かっているようです。

   HiggsfieldAIはクリエイター向けのスケーラブルなAIワークフローを提供する計画を発表しており、ビデオ制作に必要な費用と時間を削減する市場機会があると同社が考えていることを示唆しています。本作の実行は賛否両論ですが、強力な脚本と目に見える生成アーティファクトがテクノロジーがどこでさらに改善が必要かを示しています。

4. 4

   開発者がpagedMarkを開発、AI生成画像から透かしを除去

   あるエンジニアがpagedMarkという、AI生成画像・動画から透かしを除去するツールを開発した。目に見える透かしだけでなく、ピクセルに埋め込まれた不可視の透かしも対象となる。画像については ChatGPT、gpt-image API、Z-Image Turbo、Nano Banana からの透かしに対応し、動画については Sora、Veo、Seedance、Hailuo、Kling から目に見えるマークやメタデータを除去する。不可視のマークを消すため画像を再生成することで、視覚的な類似性の保持を試みている。 AI生成コンテンツには、その出所を特定するメタデータや埋め込み信号（SynthID透かしなど）が増えている。自分が生成したAIコンテンツを扱うクリエイターにとって、これらのマークはワークフローを複雑にする可能性がある。スクリーンショットなどの簡単な除去方法ではピクセルレベルのマーカーは消えないが、pagedMark はコンテンツを再生成することでこの問題に対応する。ただしユーザーは出力が元の画像と異なる可能性があることに注意すべき—顔や文字、細部の詳細がずれることがある。

   このツールは Apple Silicon Mac 上で 8 GB および 16 GB のメモリで検証されており、メモリ認識の処理が組み込まれており、スペックが低いマシンでのリソース制約に対応できる。

5. 5

   LLMは単独で長編映画を作成できるか

   LessWrongへの投稿が、テキストを理解・生成するAIシステムである大規模言語モデル（LLM）が人間の介入なしに独立して長編映画を制作できるかという問いを提起している。 この問いは創作制作におけるAIの現在の能力の限界を探るもので、テキストベースのAIシステムが物語の一貫性、構成、そして長編映画全体にわたる継続的な出力を必要とする複雑で持続的な創作タスクに対応できるかどうかに関わっている。

   この問いそのものは未解決のままであり、投稿はそれを解決済みの知見ではなく問い合わせとして提示しており、映画制作におけるLLMの技術的および創作的な制限についての議論を招いている。