Video Generation

Principais notícias

1. 1

   Apple、ビデオ圧縮技術「VideoFlexTok」を開発

   Appleが研究機関で、映像を圧縮して処理するための新しいトークン化技術「VideoFlexTok」を開発しました。従来のアプローチでは映像全体を均一に3次元グリッド状のトークン（データの塊）に変換していましたが、この新技術は映像の複雑さに応じて柔軟に調整できます。 映像を扱うAIモデルが、すべてのピクセルレベルの詳細を予測する必要がなくなる可能性があります。これにより、テキストから映像を生成するモデルなどの計算効率が改善される見通しです。

   この研究はAppleの機械学習研究サイトで公開されており、映像圧縮とAI処理の新しい方向性を示しています。

2. 2

   Artigo sobre geradores de vídeo musicais por IA não apresenta notícia específica

   O artigo discute que a criação de videoclipes deixou de exigir software caro ou habilidades avançadas de edição, uma vez que ferramentas de IA podem transformar ideias, músicas ou imagens em vídeos envolventes em poucos passos. Criadores podem economizar tempo e esforço na produção de conteúdo visual. O artigo reconhece que muitos geradores de vídeo musicais por IA estão disponíveis, tornando difícil escolher o mais adequado.

   O artigo promete destacar uma seleção de ferramentas, embora o corpo do texto fornecido não detalhe as ferramentas específicas, preços, datas de disponibilidade ou qualquer número mensurável que permitisse avaliar o impacto real dessas soluções.

3. 3

   Google lança dois novos modelos de IA: Nano Banana 2 Lite para imagens e Gemini Omni Flash para vídeos

   Google apresentou dois novos modelos de IA generativa. Nano Banana 2 Lite gera imagens em quatro segundos ao custo de $0.034 por imagem. Gemini Omni Flash traz geração e edição de vídeos via prompts de texto para a API pela primeira vez. Google oferece agora velocidade e custo baixo para criação de imagens estáticas, além de acesso a geração de vídeo via API — funcionalidades que antes não estavam disponíveis nesse formato. A empresa sugere encadear ambos os modelos para converter uma imagem rápida em vídeo animado, ampliando as opções de fluxo de trabalho para desenvolvedores.

   Nano Banana 2 Lite custa $0.034 por imagem e processa em quatro segundos. Gemini Omni Flash chega à API pela primeira vez com capacidade de vídeo, permitindo que desenvolvedores integrem essas funcionalidades diretamente em suas aplicações.

4. 4

   Google、Gemini Omni Flashの企業向けAPI提供開始 動画編集が会話形式に

   GoogleがGemini Omni Flashをデベロッパーと企業顧客向けのAPIを通じてロールアウト開始しました。このモデルは、テキストから動画を生成するだけでなく、完成した動画クリップを会話を通じて編集できるのが特徴です。 企業の内部動画制作は通常、企画から撮影、編集、修正まで長い工程と高いコストがかかっていました。このモデルにより、法務レビューで1行の画面上のテキストが変わった場合でも、全体の制作プロセスを繰り返す必要がなくなる可能性があります。

   Gemini Omni Flashは2026年5月に消費者向けで初登場し、今回がAPI（プログラム的に利用できるインターフェース）を通じた企業向けの提供開始となります。

5. 5

   DeepSeekのR1が推論ベンチマークで#2に、大規模モデルと競合

   DeepSeekのR1推論モデルが、Qwen QwQ-32Bを抜いて推論ベンチマークで#2オープンウェイト推論モデルになりました。このモデルはDeepSeek-V3.2比で27%のFLOPsで動作し、コンテキストウィンドウが1M トークン（V3.2の128Kから拡張）となっています。 R1は計算効率と推論能力の両立を示すもので、大規模クラウド事業者だけでなく、より限定的な計算環境を持つ企業にとって高性能な推論モデルへのアクセスの可能性が広がります。オープンウェイト推論モデルの競争で上位に位置することは、より多くの開発者や組織がコスト効率的に高度なAIを利用できることを意味します。

   R1はオープンウェイトモデルとして提供されており、ベンチマークでの具体的なスコアや性能詳細は、利用者がモデルの実運用適性を判断する際の重要な指標になります。

6. 6

   投資5.6兆円、AI動画生成市場が急成長

   過去5年間でAI動画・メディア技術を開発するスタートアップへの投資が3倍以上に増えました。今年の投資額は既に$5.6 billion（約9000億円）に達し、2025年通年の総額より43%以上増加しています。 AI動画生成市場は規模の拡大段階にあり、多くのベンチャーキャピタルが資金を集中投下しています。動画生成モデルを開発するスタートアップが投資の大部分を獲得している状況から、この分野が事業化に向けた重要な成長段階に入っていることがうかがえます。

   投資の流れは特定の有力スタートアップに収束する傾向が見られ、市場の成熟化が進みつつあります。