Adobe、AI実験プロジェクトを公開:写真の中を歩き、キャラクターと対話してオーディション
Adobeは年次イベントMaxで複数の実験的AIツールを発表した。Project Screen Testは対話を通じてAIキャラクターを形作り、オーディション動画を生成できる。Project Sight Spanは平面画像を自由に視点を動かせる3Dシーンに変換する。
Adobeは年次イベントMaxで複数の実験的AIツールを発表した。Project Screen Testは対話を通じてAIキャラクターを形作り、オーディション動画を生成できる。Project Sight Spanは平面画像を自由に視点を動かせる3Dシーンに変換する。
AdobeはMaxカンファレンスで、Creative CloudアプリとFireflyプラットフォームに一連の新機能を発表した。画像内の物体や傷、邪魔な要素を自動で除去する機能が中心となる。
Google DeepMind は動画生成モデル Gemini Omni 1.2 Flash を正式に提供開始した。クリップの長さは最長 10 秒から 3〜15 秒に延び、720p 動画の価格は 30% 下がって毎秒 0.07 ドルになる。
Google DeepMindはGemini Omni 1.2 Flashを公開した。動画生成の長さはOmni 1.1の10秒から15秒に延び、3〜15秒を1秒刻みで指定できる。720pの価格は30%引き下げられ毎秒0.07ドルとなり、Gemini APIとGemini for businessで全面提供される。
AI生成SF映画『Gods Don't Give Gifts』にGrimesが出演すると発表された。本人の姿と声を提供し、公開は12月4日。「劇場公開される初のAI映画」と宣伝されている。
Googleはスタンフォード大やオックスフォード大などの機関と共同で、動画エージェント「StreamVibe」を発表した。ユーザーが明示した意図、口に出していない意図、タスク途中で変わった意図の3種類を見分け、いつ支援を提供すべきかを自律的に判断する。Qwen3.5-9Bを基に訓練したStreamVibe-VLは、応答のタイミングと品質で他のモデルより10.7%向上し、併設の記憶システムにより能動的なインタラクションがさらに12.3%向上した。
Grokは、AI生成による『オデュッセイア』シリーズの第1話を公開した。長さは7分で、Wonder Studiosと監督Dev Walkerの協力のもと制作された。Elon Muskが「歴史的に正確」な長編映画版を打ち出すと宣言してから3か月が経過しており、同氏は以前、Christopher Nolan版のキャスティングをめぐって同作を公然と批判していた。TechCrunchは、映像は予想より見栄えがするものの、芸術性と物語の緊張感を欠いていると評した。
Kling AIがバージョン4.0を公開した。1回で最大30秒の動画を生成でき、最大10枚のキーフレーム画像を入力可能。プロンプト理解は8,000トークンに拡大した。新バージョンでは2チャンネルのステレオ音声と10数言語のリップシンクを追加し、Omni Referenceは1回で最大15点の参照素材を受け付ける。最大720p・20秒の軽量Flash版も登場した。Kling 4.0はMCPとCLIから利用でき、APIの価格は未発表。
TwelveLabs の動画言語モデル Pegasus 1.5 が Amazon Bedrock で提供開始された。長尺動画をタイムスタンプ付きの構造化 JSON メタデータに変換できる。新バージョンでは動画セグメンテーション、参照画像を用いたマルチモーダルプロンプト、事前インデックス不要の即時処理を追加し、1 回のリクエストで最長 2 時間の動画を分析可能で、Pegasus 1.2 の 1 時間から倍増した。
マーク・ウォールバーグはTechCrunch Disruptで、正しく使えばAIは映画業界に居場所があると述べ、撮影予定のピート・ローズ伝記映画でスタジアムのシーンをAIで強化する計画を明かした。アイデアをChatGPTに入れて脚本を生成させ、実写俳優を使わないことには反対し、自分が出演できない場合や死去後にAI分身でアニメシリーズ『Ted』の撮影を続けることにも前向きだとした。
HiggsfieldはGPT-6 AstraによりAI動画生成の長さを1分から10分以上へ延ばし、GPT-Image-2.5で画質を高め、GPT-Liveで音声付き映画制作の道も開いた。
Odyssey が世界モデル Odyssey-3 の研究プレビューを一般公開した。テキストプロンプトからリアルタイムで探索できるインタラクティブ環境を生成でき、無料のオンラインデモは Odyssey-3 Flash を基盤とする。開発者は API アクセスを申請できる。
Pollo AI は GPT-5.6、GPT-6 Astra、GPT-Image-2.5 を活用し、クリエイターのアイデアを精細な画像や映画級の動画広告へと変換する。
ベン・アフレックは今週、複数のインタビュー動画で話題になっている。GQとBloomberg Screentime 2026のイベントで機械学習、ニューラルネットワーク、Transformer、テンソル、GPU推論について解説し、Pythonも書けると語った。
ベン・アフレックは幼い頃からコンピュータに興味があり、映画がアナログフィルムからデジタルへ移行するにつれてこの分野への関心が高まったと述べ、「かなりひどいPythonスクリプト」を書くと明かした。VFXのワークフローには長年機械学習が含まれており、Transformerの前身にあたる畳み込みニューラルネットワークはテンソルを処理してエッジ検出や特徴抽出を実現し、グリーンスクリーンの映像をより簡単に切り抜いて背景を置き換えられるという。
元Rampエンジニアが創業したAI広告プラットフォームMeliusが、CRVがリードする2000万ドルのシリーズAと、General Catalystがリードする500万ドルのシードラウンドを含む累計2500万ドルの資金調達を完了した。チームは最初のパフォーマンスマーケティングツールを半年開発した後に断念してコードをすべて書き直し、広告クリエイティブとキャンペーンを生成する「クリエイティブワーク向けエージェントラボ」へと方向転換。7月にステルスを解除した後、2カ月で年換算収入が100万ドルを超えた。
AWSは、同じvLLM-Omni DLCイメージを使った2つのエンドポイントをSageMaker AIへ配置するチュートリアルを公開した。リアルタイム側はFLUX.2-klein-4Bで画像を生成し、非同期側はWan2.1-VACE-1.3Bで画像条件付き動画を生成する。テキスト指示からPNGを生成し、動きの指示とともにAmazon S3経由で動画側へ渡し、最終的にS3からMP4を取得する。例にはコマンドライン手順と任意のStreamlit画面を含む。
RunwayはGWM Worlds 2の研究プレビューを公開した。高忠実度の動画・音声生成をリアルタイムの対話型シミュレーションに変え、初期フレームなどの環境要素を固定し、時刻付きイベントを生成できる入力形式WorldPromptを導入した。
Google Research は長尺動画生成の研究を公開し、AI 動画共同監督という複数エージェントの編成フレームワークを提案した。Gemini と Veo を基盤に、複数ショットの物語で視覚的一貫性を計画する。
Google DeepMindはGemini 3.8 Live with Live Avatarを公開した。ネイティブなリアルタイム対話モデルにほぼリアルタイムの動画生成を加え、聞く、見る、話すことのできる動的な視覚アバターを実現し、本日からGemini Enterpriseで提供する。
invideoはGPT-6 Astraで編集計画をより正確にし、カラーグレーディングと色補正を3倍効率化した。1日で50の独自エフェクトも生成した。
Higgsfield AIはGPT-6 Astraで新動画機能を1日で公開し、小企業の動画広告制作と新しい制作ツールの提供を速めた。
Google DeepMindはGemini 3.7 Flash、3.6 Flash、3.5 Flash-Liteにエージェント型動画理解を導入した。動画分析のトークン消費を最大88%、費用を最大66%削減し、正確さを最大7%高める。
Google DeepMind は Gemini Omni 1.1 Flash を公開した。動画生成の制御性を高め、Google AI Studio の Gemini API から開発者に提供する。
Google DeepMindとA24は初の研究中心の提携を発表した。複数プロジェクトで長期的な研究開発を進め、芸術家が新技術と作業手順の形成に参加する。GoogleはA24へ投資も行った。当初は最先端技術と次世代エンターテインメントを結ぶことに注力し、具体的目標と成果は時間とともに発展する。
Google DeepMindはNano Banana 2 Lite(gemini-3.1-flash-lite-image)とGemini Omni Flash(gemini-omni-flash-preview)の2モデルを公開した。
Google DeepMind は Gemini Omni シリーズ最初のモデル Gemini Omni Flash を公開した。画像、音声、動画、テキストを組み合わせて高品質の動画を生成し、自然言語の会話で段階的に編集できる。