動画生成

主要ニュース

1. 1

   エゴセントリック動画向け処理プラットフォームがローンチ、研究室パートナーを募集

   スタートアップが、エゴセントリック動画および空間動画向けのデータ準備（ETL）パイプラインを自動化するプラットフォームを構築した。このプラットフォームは生映像をロボット工学および視覚言語行動（VLA）モデル開発向けのモデル準備完了出力に変換する。同チームは研究室と企業を公開募集し、サービスを無料でテストするよう呼びかけている。 物理AI及びテレオペレーションシステムを開発するチームは、現在、動画データの前処理にかなりのGPU時間とエンジニアリング労力を費やしており、これはプラットフォームが解決する予定のボトルネックとなっている。上流でデータ処理を担当することで、計算リソースとエンジニアリング工数をコアモデル開発に振り向けることができる。

   このオファーはフィードバック提供に応じる研究室に限定される。参加に関心のあるチームはコメント投稿またはダイレクトメッセージで直接連絡し、参加について相談することが招待されている。価格、利用可能開始日、正式なローンチ予定時期は示されていない。

2. 2

   Midjourney、占星術アプリCo-Starを買収

   画像・動画生成AIで知られるAIラボのMidjourneyが、ソーシャル占星術アプリCo-Starを買収した。買収条件は明らかにされていない。Co-Starの従業員約20人がMidjourneyに参加した。 Co-Starは月間約430万のアクティブユーザーを持ち、AIと人間による執筆でホロスコープと占星術の相性診断を生成している。この買収は、医療・スパ部門の構築に続き、Midjourneyが画像生成事業の中核を超えて消費者向けアプリへの展開を進めていることを示している。

   Midjourneyは現在、主にDiscordを通じて運営されており、独立したアプリを持たない。Co-Starチームの消費者向けアプリ開発経験により、Midjourneyが独自のスタンドアロンアプリケーション開発を進める可能性が高い。

3. 3

   Black Forest Labs、画像・動画・音声・ロボット制御を統合したFLUX 3発表

   Black Forest LabsがFLUX 3を発表しました。画像、動画、音声、行動予測を1つの統合アーキテクチャで扱うマルチモーダルモデルで、テキスト・画像からの動画生成、動画の継続・参照、マルチリンガル対話、複数スタイルの出力に対応しています。同時にFLUX-mimicも発表し、ロボット企業mimicと協力してFLUX 3をロボット制御に応用できることを示しました。 これまで画像や動画、音声は別々のモデルで扱われることが多かったのに対し、FLUX 3は1つの訓練済みアーキテクチャで複数の生成タスクと制御タスクを統合しています。FLUX-mimicの例からは、優れた動画の世界モデルがロボット制御の質と学習効率に直結する可能性が示唆されており、実工場での検証も進んでいるとみられます。

   FLUX 3 Videoはすでに早期アクセス段階で利用可能です。オープンウェイト版の開発者向けバージョンも予定されており、独立した研究機関による最先端性能の再現として業界で注目を集めています。

4. 4

   AI動画は明記されても実動画への信頼を揺るがす

   研究者らは100人の参加者を対象に2段階の研究を実施し、AI生成動画に接した人々と人間が作成した動画を視聴した対照群を比較した。AI接触グループその後、対照群と同じく人間が作成した動画を視聴したが、その後の動画の真正性への疑念が増大し、自らの判断への自信が低下し、知覚的な混乱が大きくなり、社会的つながりが弱くなったと報告した。これは合成コンテンツがAI生成であることが明確に開示されていたにもかかわらずのことである。 この知見は、AI生成動画に単に明記を付すだけでは、視聴者の実動画への信頼を損なうことを防げないことを示している。これは、視聴者が合成コンテンツの出典を知っていながらも、リアルな映像への心理的・知覚的影響が実動画視聴へと波及することを示唆している。プラットフォーム企業やコンテンツ制作者にとって、これは検知と開示を超えた戦略が必要であることを示し、人々が視覚メディアをどのように経験し信頼するかを守るための施策が求められることを意味している。

   本研究は、デザインと政策のアプローチが、AI生成動画への接触が生み出す経験的・心理的影響に対処する必要があることを示唆している。本研究は2026年度のCHI Conference on Human Factors in Computing Systemsで発表された。

5. 5

   Black Forest Labs、音声付き動画生成Flux 3公開

   ドイツのAI企業Black Forest Labs（BFL）が、画像・動画・音声を統合学習するマルチモーダル基盤モデル「Flux 3」を発表しました。動画に直接音声を付加する機能をAI動画生成では初めて実装し、最長20秒のクリップに対応しています。 BFLの初期評価では、Flux 3は10秒・720pの動画でLuma Ray 3.2に対して93%の比較で、Runway Gen-4.5に対して77%の比較で優位性を示しました。単一のモダリティでは現実を完全に捉えられないという考えに基づき、複数のモダリティを組み合わせることで、より正確な「世界モデル」の構築へ向かう動きの一環とみられます。

   Flux 3 Videoは既に利用可能で、Flux 3 Imageは数週間以内のアーリーアクセス提供を予定しており、オープンウェイト版「Flux 3 Dev」の段階的公開も計画されています。また、Mimic Roboticsと協力開発した動画・行動予測モデル「Flux-mimic」はAudiの生産タスクで現在テスト中です。

6. 6

   クリエイターがLLMを使って長編映画を制作、失敗作と評価

   あるコンテンツクリエイターがLLM（Claude Fable 5）を使い、ウィリアム・ホープ・ホジソンの『ボーダーランドの家』の長編映画化を制作し、YouTubeチャンネルで音楽ビデオやAI生成アルバムと共にアップロードした。 この実験は大規模言語モデルが人間の介入なしに全編プロジェクト全体にわたって創造的な出力を継続できるかどうかを検証するもので、現在のAI能力では到達不可能な創造的作業がどのような種類であるかという問題に関わっている。

   クリエイターはリリースしたにもかかわらず、その結果を失敗作と位置づけており、映画全体のカテゴリーではなくYouTubeチャンネル基準でのみ判断したこと、そして不備をLLMのエージェンシーや計画立案ではなく他の要因に帰すると述べており、詳しくは本人による記事で論じられている。