動画（マルチモーダル）に関するニュース一覧

PatreonのCEOジャック・コンテ氏は、米テキサス州オースティンで開催されたSXSWカンファレンスにおいて、AI企業がクリエイターの作品を学習データとして無断使用する行為を「フェアユース」と主張することは虚偽だと強く批判しました。

コンテ氏が特に問題視したのは、AI企業の二重基準です。AI企業はフェアユースを主張しながらも、ディズニーやコンデナスト、ワーナーミュージックなどの大手権利者とは数百万ドル規模の契約を結んでいます。合法的に無償利用できるなら、なぜ大手にだけ支払うのかと疑問を呈しました。

同氏はミュージシャンとしての経験からPatreonを創業した経緯に触れ、テクノロジーの変化がクリエイターにとって脅威であっても死を意味しないと述べました。iTunes音楽からストリーミング、TikTokの縦型動画への移行と同様に、AIも既存モデルを破壊するが、クリエイターは適応して生き残ると確信を示しました。

コンテ氏は自身が反AIではないと明確にした上で、AI技術が優れているからこそクリエイターへの対価が必要だと主張しました。人類の未来を計画する際には社会の芸術家も含めるべきであり、創造性を評価し奨励する社会はより良い社会になると訴えました。

講演の締めくくりでは、大規模言語モデルが既存の情報を再生するのに対し、偉大な芸術家は巨人の肩の上に立ち文化を前進させると語り、AI時代においても人間の創造が長く価値を持ち続けるとの楽観的な見通しを示しました。

Picsartは、クリエイターがAIアシスタントを「雇用」できるAIエージェントマーケットプレイスを開設しました。SNSコンテンツのリサイズやリミックス、商品写真の編集など、特定タスクを自動化する4種類のエージェントを提供開始しています。

最も高機能なFlairエージェントはShopifyと連携し、市場トレンドを分析してオンラインストアの改善提案を行います。将来的にはA/Bテストの実施や低パフォーマンス商品の特定も可能になる予定で、ECオーナーの売上向上を包括的に支援します。

Resize Proエージェントは各プラットフォームの推奨サイズに画像・動画を自動変換します。元の素材がサイズに合わない場合はAIが生成的にフレームを拡張し、意図的に構図を整えたような仕上がりを実現します。

これらのエージェントはWhatsAppやTelegram上でも利用可能で、デスクでも移動中でもチャット形式で指示を出せます。CEOのアヴォヤン氏は「クリエイターは操作者から意思決定者へ変わる」と、エージェントによるワークフロー革新を強調しました。

安全面では、エージェントの自律レベルをユーザーが設定でき、すべての操作に承認を求めるモードも用意されています。LLMベースのソフトウェアに伴うハルシネーションや意図しない動作のリスクに対し、段階的な制御で対応しています。無料プランでは利用が限定的で、本格利用には月額約10ドルからの有料プランが必要です。

OpenAIは、ChatGPTに導入予定だった「成人向けモード」について、テキストベースの官能的会話に限定して提供する方針であることが明らかになりました。画像・音声・動画の生成機能は当面含まれず、ポルノではなく「官能小説」レベルの内容を想定しています。

この機能は2025年10月にサム・アルトマンCEOが発表しましたが、未成年の保護やコンテンツモデレーションに関する社内の懸念から延期されています。OpenAIが開発した年齢推定システムは、未成年を成人と誤判定する割合が約12%に達しており、週1億人以上の18歳未満ユーザーを抱えるChatGPTでは数百万人規模の未成年がアクセスする恐れがあります。

OpenAIが選定した外部アドバイザーは、成人向けモードが子どもにアクセスされるリスクや、チャットボットへの不健全な感情的依存を助長する危険性を1月に警告しました。あるメンバーは「セクシーな自殺コーチ」を生み出しかねないと指摘しています。

社内の安全チームの専門家も全員が反対を表明していたことがウォール・ストリート・ジャーナルの報道で判明しました。成人向けモードに反対した安全担当幹部が解雇される事態も発生し、OpenAIは解雇と関連はないと否定していますが、同社の安全体制に対する疑念が強まっています。

テキスト限定のアプローチは、英国オンライン安全法がポルノ画像には年齢確認を義務付ける一方、文字による官能表現は対象外としている点で規制対応上の利点があります。一方、競合のxAI（Grok）はR指定映画基準で画像・動画を含むNSFWコンテンツを提供しており、各社のアプローチの違いが鮮明になっています。

イスラエルのネタニヤフ首相が2026年3月の記者会見で「指が6本に見える」映像が拡散し、首相がAI生成のディープフェイクに置き換えられたとする陰謀論がSNS上で急速に広がりました。

ファクトチェック機関のSnopesやPolitiFactは映像の画質劣化や照明が原因と結論づけ、約40分の長尺映像は現行のAI動画生成モデルでは作成不可能と指摘しています。しかしこうした検証にもかかわらず、疑念は収まりませんでした。

ネタニヤフ首相はカフェで指を数える反証動画をXに投稿しましたが、コーヒーの液体の動きや指輪の不自然な消失など新たな「証拠」が指摘され、かえって疑惑を深める結果となりました。カップの持ち方や「雰囲気」まで疑われる異常事態です。

根本的な問題は、いずれの映像にもC2PA Content CredentialsやSynthIDといった真正性証明のメタデータが付与されていない点です。InstagramやYouTubeなどのプラットフォームもAI生成の有無を表示しておらず、映像の真偽を客観的に判定する仕組みが整っていません。

トランプ大統領はイランがAIを偽情報兵器として使用していると批判しましたが、自身もディープフェイクを政治的に利用した経歴があり、米政権自体がAI生成画像を多用しているという矛盾が指摘されています。AI時代における映像の信頼性確保は、技術・制度の両面で喫緊の課題です。

東南アジアの詐欺拠点が、ディープフェイク用の「AIフェイスモデル」を大規模に募集していることがWIREDの調査で明らかになりました。Telegramには数十の求人チャネルが存在し、トルコやロシア、ウクライナなど世界各国から応募が殺到しています。

AIモデルの役割は、顔交換ソフトウェアを使ってビデオ通話に出演し、詐欺被害者に「本物の人間」と信じ込ませることです。いわゆる「豚の屠殺」と呼ばれる恋愛詐欺や暗号資産投資詐欺において、被害者が本人確認を求めた際にディープフェイク通話で対応します。

求人広告では1日あたり100〜150件のビデオ通話が求められ、月の休日はわずか1日と半日4回程度です。勤務時間はカンボジア時間で午後10時から午前10時までとされ、「西洋風のアクセント」や中国語能力が優遇条件として挙げられています。

応募者の大半は20代前半の若い女性で、自己紹介動画や写真の提出が求められます。一部の応募者は「ラブスキャム」への従事経験を公然と記載しており、暗号資産投資への勧誘技術を売り込むケースも確認されました。人権団体は、自発的に応募した者でも暴力や性的嫌がらせを受ける危険があると警告しています。

Telegramは詐欺関連活動を規約で禁止しているとしつつも、WIREDが報告した約24のチャネルを削除しなかったとされます。ベトナムのNPO「ChongLuaDao」やHumanity Research Consultancyなどが監視を続けていますが、AIを悪用した詐欺の産業化に歯止めがかかっていないのが現状です。

ByteDanceは、AI動画生成モデル「Seedance 2.0」のグローバル展開を一時停止しました。The Informationの報道によると、同社は3月中旬に予定していた海外公開を、著作権問題への対応が完了するまで延期する方針です。

同モデルは2026年2月に中国国内で先行公開されました。公開直後、トム・クルーズとブラッド・ピットが格闘するようなセレブリティ動画がSNS上で急速に拡散し、AI生成動画の品質の高さが大きな話題を呼びました。

これに対しハリウッドの映画業界は強く反発しました。著名な脚本家が「我々の仕事は終わりだ」と危機感を示す一方、複数のスタジオがByteD anceに差止警告書を送付。特にディズニーは「ディズニーIPの仮想的な強奪」と厳しく批判しました。

ByteDanceはこれらの批判を受け、知的財産に関するより強力なセーフガードを導入すると表明しました。しかし海外展開には法的リスクが依然として残っており、エンジニアと弁護士が追加の法的問題の回避策を検討しています。

TikTokの親会社として知られるByteD anceは、米国でのTikTok事業を分離した経緯もあり、海外市場での規制対応に慎重な姿勢を見せています。AI動画生成をめぐる著作権問題は業界全体の課題となっており、今後の対応が注目されます。

米NBCUniversalの動画配信サービスPeacockは2026年3月のプレスイベントで、AIとモバイルファーストを軸とした大規模なアプリ刷新計画を発表しました。縦型動画、AIアバター、モバイルゲームなど多数の新機能を今夏以降に順次導入します。

最大の目玉は「Your Bravoverse」と呼ばれる新機能です。人気リアリティ番組ブランドBravoの5000時間超の映像から、コンピュータビジョンがストーリーラインや名場面を自動抽出し、ユーザーの好みに応じたパーソナライズ再生リストを生成します。ナビゲーターは番組司会者アンディ・コーエンの生成AIアバターが務めます。

ライブスポーツ分野では、NBAの試合をAIによるリアルタイム縦型クロップで配信するベータ機能を今春開始します。2026年NBAオールスターゲームで導入した「Courtside Live」の拡張として、複数カメラアングルの切り替えとともにスマートフォン最適化された視聴体験を提供します。

ゲーム領域では、Law & Orderのクリエイターの息子が共同創業したAIゲームスタジオWolf Gamesと提携し、AI推理ゲーム2本を追加します。さらにクイズ番組Jeopardy!のデイリートリビアも導入し、アプリ内エンターテインメントの幅を広げます。

こうした取り組みの背景には、Disney+やNetflixも短尺動画機能を強化するなど、ストリーミング各社がSNSとの視聴時間争奪戦を繰り広げている現状があります。Peacockは加入者数が4400万人に成長したものの、2025年第4四半期に5億5200万ドルの赤字を計上しており、従来型の配信サービスからインタラクティブなプラットフォームへの転換でエンゲージメント向上と収益改善を目指しています。

Replitは2026年3月11日、AIコーディングエージェントの最新版「Agent 4」を発表するとともに、シリーズDで4億ドルを調達し、企業評価額が90億ドルに達したことを明らかにしました。わずか半年前の30億ドルから3倍の急成長です。

Agent 4は「人間の創造性を中心に据える」をコンセプトに設計されています。前世代のAgent 3が自律性を追求したのに対し、Agent 4ではデザインとコードを同一環境で扱える統合キャンバスを導入し、デザイン反復のスピードを大幅に向上させました。

最大の特徴は並列タスク実行です。複数のエージェントが認証・データベース・フロントエンドなど異なるタスクを同時に処理し、完了後にメインプロジェクトへマージします。競合が発生した場合は専用のサブエージェントが自動解決する仕組みです。

資金調達はGeorgian Partnersが主導し、Andreessen Horowitz、Coatue、Y Combinatorなどが参加しました。エンジェル投資家としてシャキール・オニールやジャレッド・レトも名を連ねています。調達資金は欧州・アジア・中東へのグローバル展開と製品開発に充てられます。

同社はFortune 500企業の85%にユーザーを持ち、Atlassian・PayPal・Zillow・Adobeなどが活用しています。年内にARR10億ドル到達を目指しており、ノーコード・バイブコーディング市場での圧倒的な存在感を示しています。

OpenAIが動画生成AI「Sora」をChatGPTに統合する計画を進めていることが、The Informationの報道で明らかになりました。現在Soraは専用サイトとスタンドアロンアプリでのみ利用可能ですが、ChatGPT内で直接動画生成ができるようになる見通しです。

この統合は、昨年ChatGPTに画像生成機能が追加されたのと同様の動きです。Soraの単独アプリはChatGPTほどの人気を獲得できておらず、統合によってより多くのユーザーに動画生成機能を届ける狙いがあります。

一方で、ディープフェイクの拡散が深刻な懸念として浮上しています。Soraアプリの公開直後には、歴史的人物の不適切な偽動画や著作権侵害コンテンツが生成される問題が発生しました。ChatGPTへの統合でアクセスが容易になれば、ガードレール回避の試みがさらに増加する恐れがあります。

背景には競争環境の激化があります。AnthropicのClaudeが急速に人気を伸ばす一方、ChatGPTのアンインストール数が295%急増しています。OpenAIが米国防総省の契約条件に同意したことへの反発も影響しており、Sora統合はユーザー引き留め策とみられています。

ただし、The Informationによれば、Sora統合はOpenAIの運用コストを押し上げる可能性があります。先月には低価格プランで広告表示が開始されており、今後さらなる料金体系の見直しにつながる可能性も指摘されています。

Googleは2026年3月10日、新しい埋め込みモデル「Gemini Embedding 2」のパブリックプレビューを開始しました。従来のテキスト専用モデルとは異なり、テキスト・画像・動画・音声・文書を単一のベクトル空間にネイティブ統合する初の本格的マルチモーダル埋め込みモデルです。

最大の技術革新は、動画や音声をテキストに変換する中間処理が不要になった点です。従来は動画検索の際にまずテキストへの書き起こしが必要でしたが、本モデルは音声波形や動画の動きを直接理解します。これにより変換時の情報損失がなくなり、クロスモーダル検索が実現しました。

Matryoshka表現学習と呼ばれる技術により、3072次元のフルベクトルから768次元まで柔軟に圧縮でき、精度とストレージコストのバランスを企業が自ら調整できます。法務文書など高精度が求められる用途ではフル次元を、推薦エンジンなどでは圧縮版を使い分けることが可能です。

早期導入パートナーからは顕著な成果が報告されています。クリエイターエコノミー企業Sparkonomyはレイテンシを最大70%削減し、意味的類似度スコアをほぼ倍増させました。法律テック企業Everlawは訴訟証拠開示において、テキスト検索では見逃していた画像・動画内の証拠発見に活用しています。

料金はGemini APIでテキスト・画像・動画が100万トークンあたり0.25ドル、音声は0.50ドルです。入力上限はテキスト8192トークン、動画128秒、音声80秒、PDF6ページとなっています。LangChainやLlamaIndex、Weaviateなど主要フレームワークとの統合も完了しており、既存ワークフローへの組み込みが容易です。

YouTubeは2026年3月、AI生成ディープフェイクを検出する肖像検出技術の適用対象を、政府関係者・政治候補者・ジャーナリストに拡大するパイロットプログラムを発表しました。対象者は不正コンテンツの検出と削除申請が可能になります。

この技術は2025年にYouTubeパートナープログラムの約400万クリエイター向けに提供開始されたもので、既存のContent IDシステムと同様に、AI生成された模倣顔を検出する仕組みです。政治家などの著名人になりすまし偽情報を拡散する手口への対策を強化します。

YouTube政府渉外担当副社長のレスリー・ミラー氏は「公共の議論の健全性に関わる拡大だ」と述べ、市民空間におけるAIなりすましのリスクが特に高いことを強調しました。一方で表現の自由とのバランスにも慎重に配慮する方針です。

検出された動画がすべて削除されるわけではなく、パロディや政治的批評など表現の自由として保護される形態については、既存のプライバシーポリシーに基づき個別に判断されます。利用者は自撮りと身分証明書で本人確認を行い、検出結果の確認と削除申請が可能です。

今後YouTubeは、違反コンテンツのアップロード前ブロックや収益化の仕組みも検討しています。さらに認識可能な音声やキャラクターなどの知的財産にも検出技術を拡大する計画で、連邦レベルではNO FAKES法の支持を通じてAI規制の枠組み整備を推進しています。

NVIDIAは米サンフランシスコで開催中のGame Developers Conference（GDC）において、ComfyUIとの連携強化を含むAI動画生成の高速化アップデートを発表しました。RTX GPUおよびDGX Sparkデスクトップ向けに、コンセプト開発やストーリーボード制作の効率を大幅に向上させます。

ComfyUIに新たに追加されたApp Viewは、ノードグラフに不慣れなアーティスト向けの簡易インターフェースです。プロンプト入力とパラメータ調整だけで画像生成が可能になり、従来のNode Viewとの切り替えもシームレスに行えます。AI創作ツールの利用障壁を大きく引き下げる取り組みです。

性能面では、RTX GPUへの最適化により9月比で40%の高速化を実現しました。さらにGeForce RTX 50シリーズのNVFP4フォーマットを活用することで、パフォーマンスは2.5倍に向上し、VRAMの使用量は60%削減されます。FP8でも1.7倍の高速化と40%のVRAM削減を達成しています。

RTX Video Super ResolutionがComfyUIのノードとして利用可能になり、生成した動画をリアルタイムで4Kにアップスケールできるようになりました。従来の手法と比較して30倍高速で、VRAM消費も大幅に抑えられます。AI開発者向けにはPyPIから無償のPythonパッケージも公開されています。

対応モデルも拡充され、FLUX.2 Kleinの4Bおよび9BモデルのNVFP4・FP8版がHugging Faceで公開されました。LTX-2.3のFP8版も利用可能で、NVFP4対応も近日中に予定されています。ゲーム開発者やクリエイターがローカル環境で高品質なAI動画を生成できる基盤が着実に整いつつあります。

Meta監督委員会は、Metaのディープフェイク検出体制が「十分に堅牢でも包括的でもない」と指摘し、AI生成コンテンツのラベル付けと検出方法の抜本的な見直しを求めました。この勧告はFacebook、Instagram、Threadsの全プラットフォームが対象です。

調査のきっかけは、昨年イスラエルの建物被害を捏造したAI動画がMetaのプラットフォームで拡散された事案です。監督委は中東での「大規模な軍事的緊張」が高まる今、正確な情報へのアクセスが人々の安全に不可欠だと強調しています。

監督委は現行のラベル付けがユーザーの自己申告に過度に依存していると批判しました。問題のコンテンツはTikTokで発生し、その後Facebook、Instagram、Xに拡散しており、プラットフォーム横断の課題も浮き彫りになっています。

具体的な改善策として、ディープフェイクに対応した誤情報ルールの改定、AI生成コンテンツ専用のコミュニティ基準の新設、AI検出ツールの強化、そしてC2PA（Content Credentials）の採用拡大が挙げられています。

特に懸念されているのは、Metaが自社AIツールで生成したコンテンツにさえC2PA標準を一貫して適用していない点です。Instagramのモッセリ責任者も昨年、写真・動画の真正性確認の改善が必要だと認めており、監督委の勧告は社内の問題意識とも一致しています。

Googleは2026年3月10日、Geminiアーキテクチャを基盤とした初の完全マルチモーダル埋め込みモデル「Gemini Embedding 2」をGemini APIおよびVertex AIでパブリックプレビューとして公開した。

同モデルはテキスト・画像・動画・音声・PDFドキュメントを単一の統一埋め込み空間にマッピングする。テキストは最大8192トークン、画像は1リクエスト最大6枚、動画は最大120秒に対応しており、RAGや意味検索、感情分析、データクラスタリングなど幅広いユースケースを簡素化する。

柔軟な出力次元を実現するMatryoshka Representation Learning（MRL）技術を採用しており、デフォルト3072次元から1536・768次元へと動的に削減できる。これにより開発者はパフォーマンスとストレージコストのバランスを最適化できる。

早期アクセスパートナーからは顕著な成果が報告されている。Paramount Skydanceは動画資産検索のRecall@1を85.3%に向上させ、Sparkonomy社はLLM推論を排除することでレイテンシを最大70%削減、テキスト・画像間の意味的類似度スコアを0.4から0.8へほぼ2倍に改善した。

同モデルはLangChain・LlamaIndex・Haystack・Weaviate・Qdrant・ChromaDB・Vector Searchなど主要なフレームワークおよびベクターデータベースと統合可能であり、既存ワークフローへの最小限の変更での導入が可能だ。

米国とイスラエルによる2026年2月28日のイラン攻撃開始後、X（旧Twitter）ではAI生成の偽画像・偽動画が急増し、ディスインフォメーション専門家らが深刻な懸念を表明しています。

イーロン・マスク氏のAIチャットボットGrokは、イランのミサイルがテルアビブに着弾したとされるXの投稿を検証するよう求められた際、場所と日付を誤って特定した上、自らAI生成画像を提示するという失態を犯しました。

イラン当局や国営メディアはAI生成コンテンツを積極的に活用しており、米B-2爆撃機が撃墜される偽画像は削除前に100万回以上、デルタフォース隊員がイランに拘束される偽画像は500万回以上閲覧されました。

戦略対話研究所（ISD）の分析によると、親イラン政権のプロパガンダネットワークはAIを使った反ユダヤ的コンテンツも拡散しており、トランプ大統領を絡めた偽動画は680万回以上再生されたとされています。

Metaの監視委員会はAIコンテンツへのラベル付け対応を「危機時に対応できる規模でも包括性でもない」と批判し、AI検出ツールの信頼性の低さとあわせて、規制の早急な整備を求める声が高まっています。

Amazonが2025年に刷新した音声アシスタントAlexa+について、米メディアWIREDの記者が約1カ月間にわたるEcho Show 15での使用体験を報告しました。生成AIを中核に据えた新バージョンは、現在全米のPrime会員に提供されています。

最大の問題は音楽再生の精度です。Charli XCXをリクエストすると別アーティストの楽曲が再生され、The Black Keysの代わりにAlabama Shakesが流れるなど、基本的な楽曲検索が正常に機能しない事例が多発しています。

生成AIの売りである自然言語理解も期待を下回りました。「Lucy Dacusの曲をかけて」という簡潔な指示は失敗し、アーティスト名・曲名・プラットフォームを冗長に指定して初めて成功するなど、従来のコマンド型より使い勝手が悪化しています。

動画アプリとの連携にも深刻な不具合があります。HBO Maxでの番組再生を依頼すると「誰が見ていますか」画面で停止し、AIは実際には再生していないにもかかわらず再生中だと虚偽の応答を繰り返すなど、信頼性を損なう挙動が確認されました。

Google、Anthropic、OpenAIなど競合各社がアプリ操作やウェブ自動化で着実に進歩する中、AmazonのAlexa+は大きく後れを取っている状況です。記者は「お金を払う価値のないサービス」と結論づけ、Echo Show 15の壁掛け撤去を決めたと報じています。

Replitは、開発環境内でモーションスタイルの製品紹介動画を自然言語の指示だけで生成できる新機能「Replit Animation」を正式に公開しました。従来は専門のモーショングラフィックス制作会社に依頼していた作業を、開発者自身が数分で完了できるようになります。

この機能はプロダクトデザイナーのSamuel氏による社内実験から生まれました。Replit Design上でサイトやスライドを生成する仕組みをアニメーションに応用できないかと試したところ、わずか30分でスタジオ品質の動画が完成したといいます。

その直後、Fast Modeのローンチ動画が急遽必要になり、Samuel氏が実験的に作成した動画をそのまま公開したところ、オーガニックで100万インプレッションを超える反響を得ました。モーションデザイナーでない同氏がわずか数ドルのコストで制作した動画がこの成果を上げたことで、社内での活用が本格化しました。

Replit AnimationはVeoやSoraのようなAI動画生成とは異なり、モーショングラフィックススタジオを開発環境に組み込んだような位置づけです。ユーザーはローンチ対象や想定顧客、雰囲気を自然言語で伝えるだけで、絵コンテやコードを書く必要がありません。従来は数千ドルと数週間を要していた工程を大幅に短縮できます。

実践的なワークフローとしては、ビルドタイプをanimationに設定し、プロンプト最適化機能でシーン構成を自動生成した後、複数タブで並行生成して最良の要素を組み合わせる手法が推奨されています。特定シーンの修正も「イントロを変更」「トランジションを強く」といった対話的な指示で調整でき、ゼロからやり直す必要はありません。

GoogleのシニアAIプロダクトマネージャーShubham Saboo氏が、エージェントの永続メモリ問題に取り組むオープンソースプロジェクト「Always On Memory Agent」をGoogle Cloud PlatformのGitHubにMITライセンスで公開しました。従来のベクトルデータベースに依存しない新しいアプローチが注目を集めています。

このエージェントはGoogle ADK（Agent Development Kit）と低コストモデルGemini 3.1 Flash-Liteを基盤に構築されています。常時稼働で情報を取り込み、SQLiteに構造化メモリとして保存し、30分ごとにバックグラウンドでメモリ統合を実行します。ベクトル検索の代わりにLLM自体がメモリの整理・更新を担う設計です。

Flash-Liteは入力100万トークンあたり0.25ドル、出力100万トークンあたり1.50ドルという低価格で、Gemini 2.5 Flashと比較して初回トークン生成速度が2.5倍、出力速度が45%向上しています。24時間稼働するメモリエージェントの経済的実現可能性を支える重要な要素となっています。

一方で、エンタープライズ導入に向けたガバナンス面の課題が識者から指摘されています。エージェントがバックグラウンドでメモリを統合・交差させる仕組みは「コンプライアンス上の悪夢」になりうるとの警告や、常時稼働エージェントの真のコストはトークンではなく「ドリフトとループ」だという意見が寄せられています。

現時点では、決定論的なポリシー境界、保持保証、監査ワークフローといった企業向けコンプライアンス制御は未実装です。しかし、単発アシスタントから長期記憶を持つシステムへの移行が進む中、このプロジェクトは次世代エージェント基盤の具体的なリファレンス実装として位置づけられます。記憶能力そのものより、記憶を安全に管理できるかが企業採用の鍵となるでしょう。

Descriptは、OpenAIの推論モデルを活用して多言語動画吹替パイプラインを刷新しました。導入から30日間で吹替動画の書き出しが15%増加し、尺遵守率が言語により13〜43ポイント改善されています。

吹替における最大の課題は、言語ごとに同じ内容を表現する時間が異なる点でした。例えばドイツ語は英語より長くなる傾向があり、固定の映像区間に収めるため音声を不自然に加速・減速させる必要がありました。AI製品責任者のミストラトフ氏は「チップマンクか眠そうな巨人のような音声になっていた」と振り返ります。

従来のアプローチでは意味の忠実度を最優先し、タイミングは事後補正していました。しかし以前のモデルでは音節数の正確な計算ができず、尺制約を満たせないケースが頻発していました。GPT-5シリーズの推論一貫性の向上により、音節計算と制約追跡が信頼できる水準に達しました。

新パイプラインでは、トランスクリプトを文境界や自然な間でチャンク分割し、各チャンクの音節数から目標尺を算出します。モデルは尺遵守と意味保持の両方を同時に最適化し、前後のチャンクも文脈として参照します。その結果、許容範囲内の尺に収まるセグメントが従来の40〜60%から73〜83%に向上しました。

今後は音声・映像・テキストを統合したマルチモーダル処理により、声のトーンや強調といった非言語的特徴の保持を目指します。CEOのバークハウザー氏は、企業向けに動画ライブラリ全体を一括翻訳・リップシンクする機能を構築中であると述べています。

Luma AIは2026年3月、テキスト・画像・動画・音声を横断して創作業務を一気通貫で担うLuma Agentsを公開しました。同社独自の統合知能モデル「Uni-1」を基盤とし、広告代理店やマーケティングチーム、デザインスタジオ向けに提供されます。

Uni-1モデルは音声・動画・画像・言語・空間推論を単一のマルチモーダル推論システムで学習しています。CEOのAmit Jain氏は「言語で思考し、ピクセルで想像・描画する」と表現し、この能力をピクセルの知能と呼んでいます。今後のリリースで音声・動画の出力にも対応予定です。

Luma Agentsの最大の強みは、アセットや協力者、クリエイティブの反復にわたって持続的なコンテキストを維持できる点です。自己批評による反復改善ループを備え、コーディングエージェントと同様に自らの成果物を評価・修正する能力を持ちます。

実際の導入事例では、あるブランドの1500万ドル規模・1年がかりの広告キャンペーンを、複数国向けのローカライズ広告として40時間・2万ドル未満で制作し、社内品質管理を通過しました。200語のブリーフと製品画像1枚から、ロケーション・モデル・配色の多様なアイデアを自動生成するデモも披露されています。

Luma AgentsはAPI経由で一般公開されていますが、ワークフローの安定性を確保するため段階的にアクセスを拡大する方針です。Google Veo 3やElevenLabsの音声モデルなど外部AIモデルとも連携し、エンドツーエンドの創作ワークフローを実現します。

Hugging Faceは、画像生成ライブラリDiffusersの新機能「Modular Diffusers」を公開しました。従来の固定的なDiffusionPipelineクラスに代わり、テキストエンコード・デノイズ・デコードなどの処理を独立したブロックとして組み合わせる設計を導入しています。

各ブロックは入出力が明確に定義されており、パイプラインから任意のブロックを抜き出して単独実行したり、別のブロックと差し替えたりすることが可能です。たとえば深度推定ブロックを作成し、ControlNetワークフローの先頭に挿入するといった柔軟な構成が数行のコードで実現できます。

カスタムブロックはHugging Face Hubに公開でき、他のユーザーがtrust_remote_codeオプションで即座に読み込めます。公式テンプレートも用意されており、コンポーネント定義・入出力宣言・処理ロジックの3要素を記述するだけでブロックを作成できます。

すでにコミュニティでの活用が始まっており、KreaはB200 GPU1枚で11fpsのリアルタイム動画生成パイプラインを構築しました。またOverworldのWaypoint-1はインタラクティブなワールド生成をモジュラーブロックで実装しています。

ノードベースのビジュアルインターフェース「Mellon」との統合も進んでおり、ブロックのAPI定義からUIを自動生成する仕組みを備えています。ComfyUIに似た操作感ながら、モデルに応じてノードが動的に変化する点や、パイプライン全体を1ノードに集約できる点が特徴です。

Googleは2026年2月に行った主要なAI関連発表を公式ブログで総まとめしました。モデル刷新からクリエイティブツール、グローバル投資まで多岐にわたる内容で、同社のAI戦略の全体像が示されています。

Gemini 3.1 Proは、前世代の3 Proと比較して推論性能が2倍以上に向上した基盤モデルです。複雑な問題解決やデータ統合に特化しており、開発者・企業・一般ユーザーに広く提供が開始されました。科学技術向けのDeep Thinkも大幅に改良されています。

クリエイティブ分野では、Nano Banana 2がPro品質の画像生成をFlash並みの速度で実現し、Geminiアプリや検索で利用可能になりました。音楽生成のLyria 3はテキストや画像から30秒の楽曲を自動作成でき、ProducerAIもGoogle Labsに加わっています。

インドのニューデリーで開催されたAI Impact Summitでは、CEOのサンダー・ピチャイ氏が基調講演を行い、大規模インフラ投資やAIスキル研修プログラムを発表しました。科学振興や政府向けイノベーション支援の新たな助成制度も始動しています。

スポーツ分野では、Google CloudとDeepMindが冬季五輪に向けてアメリカチームのスキー選手向けにAI動画分析ツールを開発しました。2D映像から選手の動きを空間的にマッピングし、ほぼリアルタイムでフィードバックを提供する仕組みで、競技パフォーマンスの向上を支援しています。

ByteDanceは2025年2月、動画生成AI「Seedance 2.0」を発表しました。中国のゲーム開発者や映像クリエイターから「監督のように考える」と高い評価を受け、AI動画の品質に懐疑的だった層にも衝撃を与えています。

しかし現時点では計算資源の深刻な不足が普及の障壁となっています。利用者によると、5秒の動画生成に約9万人待ちの行列が発生し、数時間の待機が必要です。月額70ドル超の有料会員でも長時間待たされる状況で、深夜に生成リクエストを送るなどの裏技が共有されています。

Disney、Netflix、Paramountなど大手映画スタジオがByteDanceに著作権侵害を主張する差止め書簡を送付しました。ユーザーがウルヴァリンやトム・クルーズなど著名キャラクターの映像を生成・拡散しており、グローバル展開時の法的リスクが急速に高まっています。

中国のエンタメ業界はハリウッドとは対照的にAI動画を積極的に受容しています。カンヌ受賞の賈樟柯監督がSeedance 2.0で作品を制作し公開するなど、著名クリエイターの参入が相次いでいます。春節晩会の背景映像にも採用され、政府の後押しも見られます。

米中AI分野の棲み分けも鮮明になっています。動画AIではKling AIを含む中国勢が世界をリードする一方、コーディングAIでは中国の開発者もClaude CodeやCodexに依存しています。Seedance 2.0のAPI価格は15秒動画で約2ドルと公表されており、今後のサードパーティ開放が注目されます。

Appleは音楽ストリーミングサービスApple Musicにおいて、AIを使用して制作された楽曲やビジュアルに任意で付与できる「Transparency Tags」メタデータシステムを発表しました。業界パートナー向けニュースレターで公開されたものです。

新タグは楽曲・作曲・アートワーク・ミュージックビデオの4カテゴリーで構成されています。楽曲タグはAIで生成された音源の相当部分がある場合に、作曲タグは歌詞などAI生成の作曲要素がある場合に適用されます。アートワークタグはアルバム単位での静止画・動画が対象です。

Appleはこの取り組みを業界全体のAI透明性実現に向けた「具体的な第一歩」と位置づけています。レーベルやディストリビューターに対し、AI生成コンテンツの報告で積極的な役割を果たすよう求めていますが、タグ付けはあくまで任意です。

競合他社ではSpotifyが音楽標準化団体DDEXと新たなAI開示メタデータ基準を策定中です。Deezerは昨年開発したAI楽曲検出ツールを他プラットフォームにも提供開始し、Qobuzも独自のAI検出システムを導入するなど、能動的な検出への動きが広がっています。

ただし、Apple Musicのタグは完全任意であり、未タグ作品にはAI使用が推定されません。AI生成の定義もレーベル側の裁量に委ねられるため、実効性への疑問も指摘されています。他のAIラベリング施策でも正直な申告が機能していない前例があり、強制力のない制度の限界が課題です。

Googleは、AIノートツール「NotebookLM」に映画風の動画生成機能「Cinematic Video Overviews」を追加したと発表しました。ユーザーのリサーチやノートを基に、完全にアニメーション化された没入型の動画を自動生成します。

従来のVideo Overviews機能はナレーション付きスライドショーの生成に限られていましたが、新機能ではGemini 3、Nano Banana Pro、Veo 3など複数のAIモデルを組み合わせることで、滑らかなアニメーションと豊かな視覚表現を実現しています。

Geminiは「クリエイティブディレクター」として機能し、最適なナラティブ構成、ビジュアルスタイル、フォーマットの決定から、一貫性を確保するための自己修正まで、数百に及ぶ構造的・様式的判断を自動的に行います。

本機能は現在、Google AI Ultraサブスクリプション契約者（18歳以上）に限定して英語版のみ提供されています。1日あたりの生成上限は20本に設定されており、Web版とモバイル版の両方で利用可能です。

Googleは近月、Veo AIモデルのアップグレードや動画生成ツールFlowのアクセス拡大、ゲーム風映像を生成する「Project Genie」のデモなど、AI動画分野への投資を加速させており、今回の機能追加もその一環に位置づけられます。

独Black Forest Labsは、生成AIモデルの訓練において外部の意味理解モデルに依存しない新手法「Self-Flow」を発表しました。従来のStable DiffusionやFLUXなどの拡散モデルはCLIPやDINOv2といった凍結エンコーダに頼っていましたが、この制約を根本から解消する技術です。

Self-Flowの核心は「二重タイムステップスケジューリング」と呼ばれる仕組みです。入力データに異なるレベルのノイズを適用し、生徒モデルには強く劣化させたデータを、教師モデル（自身のEMA版）にはより鮮明なデータを与えます。生徒が教師の見ている内容を予測する自己蒸留により、生成と意味理解を同時に学習します。

実用面での成果は顕著です。Self-Flowは現行標準のREPA手法と比較して約2.8倍高速に収束し、従来のバニラ訓練と比べると必要ステップ数は約50分の1に削減されました。40億パラメータのマルチモーダルモデルでは、画像FID 3.61、動画FVD 47.81とREPAを上回るスコアを記録しています。

特筆すべきはマルチモーダル対応力です。AIが苦手としてきたテキスト描画の精度が大幅に向上し、動画生成では手足が消える幻覚アーティファクトが解消されました。さらに映像と音声の同期生成も単一プロンプトから可能になり、外部エンコーダでは困難だった領域を克服しています。

企業にとっての戦略的価値も大きく、計算予算を約3分の1に圧縮しつつ最先端性能を達成できます。ロボティクス分野では675Mパラメータ版をRT-1データセットで微調整し、複雑な多段階タスクで高い成功率を実現しました。外部エンコーダへの依存排除により、技術負債の削減とスケーラビリティの確保が可能となり、自社データに特化した独自モデル開発の現実性が大きく高まっています。

X（旧Twitter）は、武力紛争に関するAI生成動画をAIであると開示せずに投稿したクリエイターを、収益分配プログラムから90日間停止する新方針を発表しました。プロダクト責任者のニキータ・ビア氏が3月に公表しています。

新ルールでは、停止期間終了後も誤解を招くAIコンテンツの投稿を続けた場合、収益プログラムからの永久追放となります。ビア氏は「戦時において、現地の正確な情報へのアクセスは極めて重要だ」と述べています。

違反投稿の特定には、生成AI検知ツールとクラウドソース型ファクトチェック機能「Community Notes」の組み合わせが用いられます。AIが生成した動画や画像を自動的に検出する技術と、ユーザーの集合知を併用する仕組みです。

Xのクリエイター収益分配プログラムは、投稿の人気度に応じて広告収益を分配する制度ですが、批判者からはクリックベイトや炎上を狙った扇情的コンテンツを助長していると指摘されています。コンテンツ管理の甘さも問題視されています。

一方で今回の措置は限定的な対応にとどまるとの見方もあります。武力紛争以外の場面で使われる政治的なAI偽情報や、インフルエンサー経済における詐欺的コンテンツは引き続き規制の対象外であり、包括的な対策には至っていません。

米国とイスラエルによるイラン軍事攻撃の直後、SNS上には戦争を記録したとされる大量の画像や動画が出回りました。しかしその多くは過去の紛争映像やAI生成コンテンツ、さらにはゲーム映像であることが判明しています。

NYタイムズのVisual Investigationsチームは、ベネズエラのマドゥロ大統領に関する未確認画像を精査した際、航空機の窓の不自然さなど視覚的矛盾を詳細に分析しました。出所不明の画像は掲載基準を満たさないと判断し、報道の信頼性を最優先にしています。

調査報道機関Bellingcatは、GoogleやYandexの逆画像検索、ExifToolによるメタデータ抽出などを駆使して検証を行います。同機関のヒギンズ氏は「出所と文脈に焦点を当てる手法は今も有効だが、ノイズは格段に増えた」と語っています。

専門家は衛星画像やGoogleマップとの照合、SunCalcによる撮影時刻の推定、近隣の防犯カメラ映像との突合など、多角的な検証手段を組み合わせています。画像の切り抜きやコントラスト調整は許容範囲とする一方、AIによる要素の追加や除去は「報道写真ではない」と明確に線引きしています。

OSINT専門家のシルバーマン氏は「現在の情報環境は操作と欺瞞に傾いている」と警告し、一般ユーザーにも感情的な投稿を共有する前に立ち止まることを推奨しています。無料で利用できる検証ツールを活用し、複数の独立情報源で裏取りすることが、偽情報の拡散防止に不可欠だと訴えています。

Googleは2026年2月末のMWCバルセロナにおいて、Androidエコシステム全体にわたるAI活用の最新成果を発表しました。来場者向けにハンズオンデモを多数用意し、AI技術の実用性を訴求しています。

注目の体験として、Nano Bananaを使い80年代雑誌の表紙風に自分を再現できる画像生成デモや、Veoによる音声付き没入型動画の生成機能が紹介されました。生成AIの創造的な活用例として注目を集めています。

XRヘッドセットとプロトタイプグラスを用いた都市のバーチャル探索も出展されました。周囲の環境に合わせた音楽再生機能も搭載され、空間コンピューティング分野への本格参入を示しています。

Circle to Searchには新機能が追加され、見つけた服装から直接衣類を検索しバーチャル試着できるようになりました。視覚的な検索体験がショッピング領域へ大きく拡張されています。

さらにPixel 10aをはじめとする最新デバイスでGeminiの新機能を体験できるブースも設置されました。会場のAndroid Avenueでは20社のパートナー企業も出展し、エコシステムの広がりを印象づけています。

Alibaba傘下のQwenチームは2026年3月、小型オープンソースモデル「Qwen3.5 Small Model Series」を公開しました。0.8B、2B、4B、9Bの4モデルで構成され、Apache 2.0ライセンスのもとHugging FaceとModelScopeで即日提供が開始されています。

最大の注目点はQwen3.5-9Bの性能です。GPQAベンチマークで81.7を記録し、13.5倍の規模を持つOpenAIのgpt-oss-120B（80.1）を上回りました。MMMU-Proでも70.1を達成し、Gemini 2.5 Flash-Liteの59.7を大幅に超えています。

技術面では従来のTransformerアーキテクチャから脱却し、Gated Delta NetworksとスパースMixture-of-Expertsを組み合わせたハイブリッド構造を採用しています。これにより推論時のスループット向上と低レイテンシを実現し、小型モデルの「メモリの壁」問題を解消しています。

開発者コミュニティからは強い関心が寄せられています。「M1 MacBook Airで無料で動く」との報告や、ブラウザ上での動画解析が可能との検証結果が共有されました。Baseモデルも同時公開され、企業独自のファインチューニングが容易になった点も高く評価されています。

企業活用の観点では、エッジデバイス上でのUI自動操作、文書解析、コードリファクタリング、モバイルでのオフライン動画要約など幅広い用途が想定されます。クラウドAPIへの依存を減らしコスト削減とデータ主権の確保を両立できる点が、企業導入の大きな推進力となりそうです。

Replitのエンジニアブログは、ブラウザに「現在時刻」を虚偽報告することでビデオレンダリングエンジンを構築したという技術記事を公開しました。標準的なアプローチを覆す創造的解決策です。

AIコーディングツールを使ったユニークな問題解決の事例として技術者コミュニティで注目されています。Replitプラットフォームの可能性を示すショーケース記事です。

Adobe FireflyのAI動画エディターに「Quick Cut」という新機能が追加されました。ユーザーが映像クリップとB-rollをアップロードして指示を出すと、AIが自動的にトランジションを含む動画の初稿を生成します。

これまで動画編集は素材のインポートから始まりタイムラインへの手動配置、トランジション設定など多くの手順が必要でした。Quick Cutにより編集の第一段階が大幅に短縮され、クリエイターはより高次の表現に集中できます。

動画コンテンツの重要性が高まる中、Adobe Fireflyの動画編集機能の強化はAdobe Premiere ProやCanvaとの競争においても重要な位置づけです。

VercelのAI Gatewayに、Grok Imagine Video、Kling、Google Veo、Wan（Alibaba）の4つの動画生成モデルが一斉に追加されました。

一つのAPIエンドポイントから複数の動画生成モデルを呼び出せるようになり、動画AI開発のハードルが大幅に低下します。

動画顔交換アプリRefaceと写真フィルターアプリPrismaの共同創設者たちが、オンデバイスAIモデルの性能向上に特化した新スタートアップを設立しました。

スマートフォンやエッジデバイスで動作するAIモデルの高速化・軽量化技術を開発しており、クラウドへの依存を減らしながら高度なAI機能を実現することを目指しています。

Andreessen Horowitzが「生成メディア2026年の現状」レポートを公開しました。AI生成コンテンツ（動画・音楽・画像・テキスト）の市場が急速に成熟していることを示しています。

動画・音楽・画像生成の品質が急向上し、プロクリエイターの制作ツールとして定着し始めています。消費者向け生成AIアプリの成長が特に顕著です。

エンターテイメント産業では制作コストの大幅削減が実現し始めており、コンテンツの民主化と競争激化が同時に進行しています。

日本のメディア・エンタメ産業でも生成AIの活用が急増しており、競争優位性を保つためのAI戦略立案が急務となっています。

ByteDanceのAI動画生成モデル「Seedance 2.0」に対し、DisneyとParamount Skydanceが差し止め請求書を送付しました。これを受けByeDanceは著名キャラクターや有名人の動画生成をブロックするためのガードレール改修作業を開始しました。

Hollywood業界団体は「AIによるクリップアート化」と批判し、Seedance 2.0が著作権保護されたコンテンツを自由に複製・変形できる状態であることを問題視しています。

技術的には、AIモデルが著作権のある対象を完全にブロックするのは困難です。ガードレールはキーワードベースのフィルタやファインチューニングによる制約によって実装されますが、回避手法も存在します。

この問題はByteDanceだけでなく、Runway、Sora、Klingなど他のAI動画生成ツールにも同様の法的リスクが存在することを示しています。コンテンツライセンスの業界標準整備が急務です。

長期的には、ハリウッドとAI企業の間で、コンテンツ学習データや生成物に対するライセンス料・使用許諾の枠組みが構築される方向に向かうと見られており、Getty Imagesのアプローチが一つのモデルとなっています。

ByteDanceが発表したAI動画生成モデル「Seedance 2.0」に対し、DisneyやParamountを含むハリウッドの大手映画スタジオや業界団体が著作権侵害を訴えて抗議声明を発表しました。

問題となっているのは、ユーザーがSeedance 2.0を使って映画キャラクターや有名人の動画を高精度に生成できてしまうことです。業界団体は「あからさまな著作権侵害のツール」と非難しました。

ByteDanceはすでにガードレールの改修作業に着手したと表明していますが、AI動画生成モデルにおいて著作権のある対象物を完全にブロックすることは技術的に困難な課題です。

この問題は、中国発のAI企業が米国・欧州市場に進出する際に直面する知的財産権の壁を改めて浮き彫りにしました。Stability AI等のケースに続く事例として注目されています。

ハリウッドとAI企業の関係は今後も緊張が続くとみられており、コンテンツライセンスや使用制限をめぐる法的・ビジネス的枠組みの整備が急務です。

ByteDanceはテキスト、画像、音声、既存動画の任意の組み合わせを入力として動画クリップを生成できる新世代AIモデルを発表しました。RunwayやSoraと競合するマルチモーダル動画生成の最前線を争います。

TikTokの親会社として膨大な動画データを持つByteDanceにとって、動画生成AIは戦略的な中核技術です。クリエイター向けツールから広告制作まで幅広い応用が見込まれます。

Soraとの比較では、入力の柔軟性において優位性があるとされています。既存の映像素材を入力として新しいコンテンツを生成する映像編集AIとしての活用が注目されます。

xAI-SpaceX合併が発表されて以来、複数のxAI共同創業者が同社を去りました。今回の離脱は合併の余波として、組織構造と指揮系統の変化に伴う人材流出を示しています。

Musk氏はxAIの全社ミーティングをX上で公開するという異例の対応を取り、社内の懸念払拭を図りました。会議では月面AIデータセンター構想など野心的な計画が語られましたが、現実性への疑問の声も上がっています。

xAIはGrokモデルを中心に急成長してきましたが、主要創業者の退社は研究・開発の継続性に影響を与える可能性があります。OpenAIやAnthropicとの競争においても、人材の安定が重要な要素です。

月面AI構想はMusk氏が掲げる壮大なビジョンの一部ですが、現実的な近期の課題はxAIがトップ人材をつなぎとめ、Grokの競争力を維持できるかどうかです。

日本の投資家や技術者にとっては、xAIの今後の動向、特にオープンソース戦略と製品ロードマップがどう変化するかを注視する必要があります。

AI動画生成スタートアップRunwayがシリーズEで3億1500万ドルを調達し、評価額は53億ドルとほぼ倍増しました。

調達資金はより高度な世界モデルの開発に充てられます。物理法則を理解し、現実世界をシミュレーションできるAIの構築が目標です。

Runwayは映画やテレビなどエンターテインメント業界での採用が進んでおり、プロフェッショナル向けツールとしての地位を確立しています。

Sora、Pika、Klingなどの競合がひしめくAI動画生成市場で、世界モデルへの投資は差別化戦略として注目されます。

AI動画生成市場は急成長中であり、大型調達が相次ぐ状況です。Runwayの資金力強化は業界の競争をさらに激化させるでしょう。

Facebookは、AIを活用した新しいクリエイティブ機能を発表しました。静止画のプロフィール写真をアニメーションに変換できるほか、ストーリーやメモリーズのリスタイルも可能です。

テキスト投稿には動的な背景を追加でき、フィード上での視認性が高まります。Meta AIを使った画像生成機能も併せて強化されています。

これらの機能はユーザーの自己表現を支援し、プラットフォームのエンゲージメント向上を狙ったものです。SNS競争が激化する中、AIによる差別化を加速させています。

プリセットのアニメーションを選ぶだけで手軽に利用でき、技術的な知識は不要です。クリエイター経済の活性化にも寄与する可能性があります。

MetaはAI機能の拡充を通じて、TikTokやInstagramとの差別化を進めており、今回の更新もその戦略の一環と位置づけられます。

3Dデザインソフト大手のAutodeskが、GoogleのAI動画制作ツール「Flow」の名称が自社商標を侵害しているとして提訴しました。

Reutersが最初に報じたこの訴訟は、AI製品の命名を巡る紛争が増加している状況を反映しています。AutodeskはFlowの名称を自社製品群で使用しています。

GoogleのFlow AIは動画生成ツールとして開発されたものですが、既存ブランドとの衝突により製品展開に影響が出る可能性があります。

OpenAIの「io」ブランド断念と同日の報道であり、AI企業が商標の壁に直面するケースが目立っています。ブランド戦略の見直しが求められます。

AI市場の急拡大に伴い、知的財産権を巡る法的紛争は今後も増加する見通しです。企業は製品命名時の事前調査を徹底する必要があります。

MITの研究者Jerry Lu氏が開発したOOFSkateは、AIを用いてフィギュアスケートのジャンプ動画を解析し、改善点を提案する光学追跡システムです。

同システムはNBC Sportsと連携し、2026年ミラノ五輪の中継で視聴者に採点の複雑さを解説する役割を担います。姿勢推定技術がスケートに最適な理由も明らかにされました。

MIT Sports LabのHosoi教授は、AIが美的評価を行う際の推論過程を研究中です。5回転ジャンプの実現可能性についても計算上は可能と結論づけています。

一方、チェコのアイスダンスペアは五輪デビュー戦でAI生成音楽を使用しました。公式ルールには抵触しませんが、芸術性における人間の創造性の意味が問われています。

スポーツへのAI活用は、パフォーマンス最適化からコンテンツ生成まで広がりを見せています。人間の能力の限界とAIの役割の境界が議論の焦点になっています。

スーパーボウル60で溢れかえったAI広告に対し、批評家からは「期待外れ」という声が相次ぎました。生成AIで制作された広告は、技術が進化したとはいえ、人間が制作したコンテンツと比べると質的な劣勢は明らかとされています。

複数のブランドがAI生成コンテンツをスーパーボウルという世界最大の広告舞台で公開したことは、AIの実力を過大評価しているとの批判を招きました。視聴者のAI疲れが進む中、かえってブランドイメージを損ねるリスクを示しています。

一方、イヤーバッドと光る球体を映した偽のOpenAI広告がソーシャルメディアで拡散し、多くのユーザーが本物のCMだと思い込みました。実際にOpenAIはスーパーボウルへの広告出稿を行っておらず、AI生成コンテンツの識別の難しさを示す事例となりました。

この事件は、AI技術の進化と共にフェイクコンテンツの品質も向上しており、従来のファクトチェックの手法では対処が困難になっていることを浮き彫りにしています。NY FAIR News Actなどコンテンツ表示義務に向けた動きとも連動しています。

AI広告の氾濫と偽コンテンツの拡散という二つの課題は、生成AIが商業・情報領域に深く浸透する中で、企業・メディア・消費者が共に取り組むべきリテラシーの問題を提起しています。

Nvidiaを中心とする研究チームは、4万4000時間の人間の動画データで訓練したロボット用「ワールドモデル」DreamDojoを公開しました。UC Berkeley、Stanford大学、テキサス大学オースティン校などが参加した共同研究成果です。

DreamDojoは、ロボットが物理的な世界でどのように物体と相互作用するかを学習するために、人間の行動映像を直接活用します。従来の合成データや手作業によるデモンストレーションに頼る手法と比べ、現実の動作パターンをより豊富に学習できます。

研究チームは「多様な物体への強い汎化能力を実証した初のロボットワールドモデル」と位置付けており、特定のタスク向けに設計されたロボットではなく、汎用的な物理的インタラクションを習得できる点が画期的です。

この技術は次世代のヒューマノイドロボット訓練の時間とコストを大幅に削減する可能性を持っています。物理AIの急速な発展の中で、Nvidiaが研究フロントでの主導権を確立しようとする戦略的意図も読み取れます。

ロボット訓練の民主化は、製造・物流・医療などの現場で使えるロボットの普及を加速させます。DreamDojoは人間の知識をロボットへ転移する効率的な経路として、今後の産業界に大きな影響を与えそうです。

TechCrunchは2026年2月5日、MetaがAI生成動画「Vibes」専用のスタンドアロンアプリをテストしていると報じた。

Vibesアプリはユーザーがテキストプロンプトや簡単な入力から短編AIビデオを生成し共有できる仕組みで、Instagramのreels機能とは別プロダクトとして展開される。

MetaはOpenAIのSoraやRunway、Pika Labsなどと競合するAI動画生成市場に本格参入する意向を示しており、Vibesはその先鋒となる。

Metaの既存の30億人超のSNSユーザー基盤を活かし、AI動画の民主化を大規模に推進できる体制を持つことが強みだ。

SNSでのAI生成動画の普及はコンテンツ制作の敷居を下げる一方、偽情報・著作権問題を複雑化させる課題も伴う。

AIが生成したアンチICE動画がファンフィクション的な加工を受けてソーシャルメディアで拡散しています。AIと政治的コンテンツの融合が新しい情報エコシステムを生み出しています。

AIを使った政治的プロパガンダ生成は民主主義への脅威となりえ、メディアリテラシーの向上と政治AIへの適切な規制が社会課題として浮上しています。

YouTubeがAI生成の低品質コンテンツ「AIスロップ」を量産するチャンネルの削除を進めています。AI生成コンテンツの急増がプラットフォームの品質問題を深刻化させています。

この動きはプラットフォームがAIコンテンツの品質管理に本腰を入れ始めたことを示しており、AI生成コンテンツの扱いに関する業界標準の策定を急がせています。

Google Photosに自然言語で変換スタイルを指定して画像をビデオ化する機能が追加されました。「波が揺れる」「桜が舞い散る」などのプロンプトで動画を生成できます。

この機能はAI動画生成を日常的な写真管理に組み込む革新的な取り組みで、SoraやRunwayなどの動画生成ツールへの対抗でもあります。

AIビデオ生成企業のSynthesiaが評価額40億ドルに達し、従業員が保有株式を現金化できる流動性イベントを実施しました。

Synthesiaは企業向けのAIアバター動画生成ツールを提供しており、この評価額はエンタープライズAIビデオ市場の急成長を示しています。

a16zの分析によると、AIによる誰でもソフトウェアを作れる時代の到来は、YouTube登場時に素人が動画コンテンツを爆発的に生み出したことに匹敵する変革だとしています。「ソフトウェアのYouTubeモーメント」がまさに今起きているという主張です。

YouTubeが登場する前はプロ制作の動画が主流でしたが、誰でも投稿できる環境が整ったことで膨大なコンテンツが生まれました。同様にAIコーディングツールが非エンジニアによるアプリ開発を可能にしています。

この変化はSaaS企業に大きな脅威をもたらす可能性があります。特にニッチな問題を解決するアプリは、ユーザー自身が自作するようになるかもしれません。

一方でプラットフォーム事業者（Vercel、Replit、GitHub）にとっては大きな機会であり、ユーザー生成コンテンツ・アプリの配布と発見を支えるインフラへの投資が重要になります。

OverworldはWaypoint-1という新しいリアルタイムインタラクティブ動画拡散モデルをリリースしました。ユーザーの操作に反応しながらリアルタイムで動画を生成できる点が革新的です。

従来の動画生成AIは事前生成型でしたが、インタラクティブ性を加えることでゲームエンジンの代替やリアルタイム映像制作への応用が広がります。

ゲーム産業での応用が最も期待されており、NPCの行動や環境をリアルタイムで動画として生成する新しいゲームエンジンアーキテクチャへの道が開けます。

動画生成AIのリアルタイム化は研究の最前線テーマであり、Overworld以外にも複数の研究グループが同様の目標に向けて競争しています。

GoogleはAI動画生成ツール「Flow」をGoogle Workspaceユーザーに提供開始しました。2025年5月にローンチして以来、アクセスを段階的に拡大しています。

Flowはテキストや画像から高品質な動画を生成できるツールで、Workspaceとの統合によりビジネスユーザーが日常業務で活用しやすくなります。

マーケティング部門や研修コンテンツ、プレゼン資料など企業の動画ニーズに応えるもので、専門のビデオ制作会社への外注コストを削減できる可能性があります。

OpenAIのSoraなど競合製品と比べ、Google Workspaceエコシステムとの親和性が差別化のポイントです。

元Snap幹部が設立したAI動画生成スタートアップHiggsfieldが13億ドルの評価額を達成しました。OpenAIのSora、Runway、Kling、Google Veoとの競合が激化するAI動画市場において、ソーシャルメディア向けのクリエイティブ機能に特化した差別化戦略を取っています。

AI動画生成市場は急速に拡大しており、複数の有力スタートアップが高い評価額を獲得しています。ユニークな創作表現と使いやすさで差別化を図るHiggsfieldのアプローチは、一般消費者とプロクリエイター双方への展開を狙っています。

Googleは動画生成AIモデルVeo 3.1の強化版を発表しました。最大の新機能は縦向き（ポートレート）動画の生成対応で、TikTokやInstagram Reelsなどモバイル向けコンテンツ制作に直接対応しています。また参照画像からAI動画を生成できる機能も追加され、ブランドの視覚的一貫性を保ちながらコンテンツ制作できます。

Veo 3.1はGemini APIを通じて開発者が利用でき、食材の写真から料理手順動画を自動生成するデモも公開されました。より高い一貫性とクリエイティブコントロールが実現され、商業的なコンテンツ制作パイプラインへの組み込みが容易になっています。

OpenAIのSoraやRunwayとの競争が激化する動画生成AI市場において、縦型フォーマット対応はGoogleが実用的なユースケースで差別化を図る戦略的判断です。SNSコンテンツ制作の現場では縦型動画が主流となっており、この対応は多くのクリエイターやマーケターにとって直接的な価値を持ちます。

GoogleはGemini APIにおけるファイルサイズ上限の引き上げと、対応する入力形式の拡張を実施しました。この更新により開発者はより大きなマルチモーダルファイルをAPIに直接送信できるようになり、動画解析、長時間音声処理、大容量ドキュメント処理などのユースケースが実現しやすくなります。

この機能強化はGeminiをエンタープライズアプリケーションに組み込む際の制約を緩和し、実業務への適用範囲を広げる効果があります。特に法務文書、医療記録、メディア制作などの分野で活用が期待されます。

Nvidiaは今年のCES 2026で複数の重要発表を行いました。DLSS 4.5は新しい動的マルチフレーム生成技術と6倍マルチフレームモードを導入し、ゲームのフレームレートと画質を同時に向上させます。第2世代のトランスフォーマーモデルを採用し、従来のCNNベースのDLSSから大きく進化しています。

GeForce NOWはLinux PCとAmazon Fire TVへの対応を新たに追加し、クラウドゲーミングのアクセス可能なデバイスを拡大しました。またRTX AI動画生成では、LTX-2モデルとComfyUIの連携により、PC上での4K品質の動画生成が可能になっています。

SiemensのEDAツールとNvidiaのGPUを組み合わせる提携は、半導体設計の電子シミュレーションを劇的に高速化することを目指しています。AIチップの需要拡大とともに、設計ツールの高速化が業界全体の競争力に直結する重要な取り組みです。

GoogleはCES 2026でGoogle TV向けのGemini AI機能を大幅に拡張すると発表した。最も注目される新機能は画像・動画生成で、リビングルームのテレビから直接AIコンテンツを作成できるようになる。

「Nano Banana」という開発コードで呼ばれる新しいGeminiモデルがGoogle TVに組み込まれ、音声コマンドでテレビの設定（字幕・音量・画質など）を直接操作できる。リモコン不要の音声制御が完全な形で実現する。

コンテンツ推薦機能もGeminiの自然言語理解により大幅に向上する。「先週見た映画みたいなアクション映画で、主人公が女性のもの」といった自然言語での要求に応じた精密な推薦が可能になる。

対応範囲はGoogle TV Streamer（従来のChromecast後継）を起点に、Sony・TCL・Hisenseなどのパートナーメーカー製TVやプロジェクターにも広がる予定だ。このエコシステム拡大により、数億台の家庭用TVにGeminiが搭載される可能性がある。

将来的にはGoogle Homeのスマートホームデバイスとの統合制御も予定されており、テレビを通じて照明・温度・セキュリティカメラなどを音声制御できる「スマートホームのハブ」としての機能強化が計画されている。