DeepBeepMeepチームがGitHub上で、ローエンドGPUユーザー向けに最適化されたビデオ生成モデルWan2.1GPを公開しました。このモデルはアリババのWan2.1をベースにしており、高性能GPUリソースにアクセスできないユーザーに強力なビデオ生成能力を提供することを目指しています。Wan2.1GPの登場は、特にオープンソースの分野において、ビデオ生成技術の重要な進歩を示しています。画像出典：AI生成画像、画像ライセンスプロバイダーMidjourney

最近、腾讯混元ビデオモデル（Hunyuan Video）がXプラットフォームで正式にテストパートナーを募集し、この最先端のAIビデオ生成技術が重要なテスト段階に入ったことを示しています。公式によると、テスト終了後、このモデルは高い確率でオープンソース化され、世界のAIコミュニティにその技術成果が貢献される予定です。混元ビデオモデルは、テンセントのAIビデオ生成分野における重要なイノベーションであり、13B以上のパラメータを持ち、現在のオープンソースモデルの中で最大規模のビデオ生成モデルの一つです。その中核技術には、

2025年2月21日（北京時間）：著名なクリエイティブプラットフォームFreepikは、Google DeepMindが開発した最新のAIビデオ生成モデルVeo 2をプラットフォーム上で正式に発表した。この取り組みにより、Freepikは世界初のVeo 2を統合したプラットフォームとなり、地域の制限を打破し、アメリカ以外の居住者もこの最先端技術を利用できるようになった。Freepikの公式情報によれば、Veo 2は比類のない性能を持つ。

昆侖万維は本日、Matrix-Zero世界モデルの正式発表をいたしました。これにより、国内で初めて3Dシーン生成とインタラクティブビデオ生成の両方の機能を備えたAI企業となり、空間知能分野における重要な一歩を踏み出しました。Matrix-Zeroの最大の特徴は、その強力な3Dシーン生成機能です。この機能は、ユーザーが入力した画像を、グローバルに一貫性があり、自由に探索できるリアルな3Dシーンに変換できます。この画期的な技術は、以下の重要な特性を備えています。グローバルな一貫性: Matri

革新的なビデオ生成技術であるFlashVideoが先日オープンソースとして公開されました。このフレームワークは独自の二段階設計により、AIビデオ生成における速度と品質のバランス問題を巧みに解決しています。FlashVideoは、WebフロントエンドのLQIP（低画質画像プレースホルダー）に似たアプローチを採用し、ビデオ生成プロセスをプレビューと品質向上という2つの段階に分けています。プレビュー段階では、システムは極めて低い計算コストでビデオの下書きを迅速に生成し、ユーザーに即時のフィードバックを提供することで、ユーザーエクスペリエンスと商業的な応用可能性を大幅に向上させます。

豆包大模型チームの公式アカウントによると、北京交通大学と中国科学技術大学の共同研究により、豆包大模型チームが提案したビデオ生成実験モデル「VideoWorld」が近日、正式にオープンソース化されました。このモデルの最大のハイライトは、従来の言語モデルに依存せず、視覚情報のみで世界を認知・理解できる点です。この画期的な研究は、李飛飛教授がTED講演で述べた「幼児は言語に頼らずに現実世界を理解できる」という考えから着想を得ています。「Vide」

2025年1月22日、上海階躍星辰智能科技有限公司は、ビデオ生成モデルStep-Videoが正式にV2版にアップグレードされたことを発表しました。今回のアップグレードにより、技術的なブレークスルーと機能強化が実現し、現実世界のシミュレーションにおいてより強力になりました。

北京TuSimple未来科技有限公司は、2024年12月17日、同社初の画像からビデオを生成する大規模言語モデル「如意」を発表し、Ruyi-Mini-7Bバージョンをオープンソース化しました。ユーザーはhuggingfaceプラットフォームからダウンロードして使用できます。2015年設立のTuSimpleは、カリフォルニア州サンディエゴに本社を置く企業で、アニメーションゲームや交通運輸業界など、複数の業界におけるAI技術の応用を専門としています。

かつて、ビデオ生成モデルが1フレームずつレンダリングされるのを辛抱強く待っていた時代を覚えていますか？もう、ノロノロ速度とはお別れです！AdobeとMITが強力タッグを組み、CausVidという「因果関係に基づく」ビデオ生成モデルを発表しました。毎秒9.4フレームの速度で高品質なビデオをリアルタイムで生成し、最初のフレームの遅延はわずか1.3秒！この画期的な技術は、ビデオコンテンツ制作の方法を根本から変え、ゲーム、仮想現実、ストリーミングなどの分野に無限の可能性をもたらします！従来のビデオ生成モデルは、まるでゆっくりと丁寧に作業を進める職人さんのようでした。

Google Cloud部門は先日、最新のビデオおよび画像生成モデルであるVeoとImagen 3をVertex AIプラットフォームで公開したと発表し、マーケティングと広告におけるAIの応用をさらに推進しました。Google I/O開発者会議で初公開されたVeoモデルは、RunwayのGen-3やOpenAIのSoraなど、競合他社の製品に対するGoogle DeepMindからの回答です。このモデルは、テキストまたは画像のプロンプトを最大60秒の長さのHD映画スタイルのビデオに変換できます。

アマゾンは先日、AWS re:Inventカンファレンスで、新しいAI基盤モデルシリーズを発表しました。新しい「Nova」ブランドを採用したこれらのモデルは、アマゾンのBedrockモデルライブラリの一部として提供され、アマゾンのAI分野におけるさらなる発展を示しています。アマゾンはブログ記事で、現在3つの「理解」モデルが利用可能であると述べています。Nova Microは速度とコストの最適化を目的としたテキストモデルです。Nova Liteは、

階躍星辰は、ビデオ生成大規模モデルStep-Videoのクローズドβテスト開始を発表しました。ユーザーは躍問ビデオの公式ウェブサイトでテスト参加を申請できます。Step-Videoモデルは現在、テキストからビデオを生成する機能（テキストビデオ生成）をサポートしており、最大1080Pの高解像度、最長10秒の高画質ビデオを生成できます。ビデオ1本の生成には平均2.5分かかりますが、プロンプトの自動最適化、美的スタイルの表現、モーションコントロールにおいて顕著な優位性を示しています。

AIチャットツールKimiが、革新的な機能であるKimi創作空間の内測を開始しました。このAIビデオ生成サービスは業界で大きな注目を集めています。新浪科技の報道によると、この機能は現在グレーテスト段階にあり、ユーザーに新しい創造的な表現方法を提供しています。内部関係者によると、Kimi創作空間はKimi公式サイトのフッター部分に掲載される予定です。ユーザーは12種類のプリセットスタイルテンプレートとカスタム作成機能を使用して、個性的なミュージックビデオを作成できます。さらに注目すべきは、ユーザーが毎日100秒のビデオを無料で生成できる権限が与えられることです。

この度、即夢AIは、バイトダンスが独自開発したビデオ生成モデルSeaweedを、本日よりプラットフォームユーザー向けに正式公開することを発表しました。ユーザーはログイン後、「ビデオ生成」機能で、ビデオモデルに「ビデオS2.0」を選択することで体験できます。Seaweedビデオ生成モデルは、Doubaoモデルファミリーの一部であり、プロレベルの光の配置と色彩調整を備え、視覚的に美しく現実的な映像を実現しています。DiTアーキテクチャに基づいており、Seaweedビデオ生成モデルは大幅な動きのあるシーンでも滑らかで自然な映像を実現します。テストによると、このモデルは…

多くのAIビデオ生成モデルの中でも、Pikaは特にメインストリームのクリエイターや視聴者の間で最も人気のあるものの1つです。カリフォルニア州パロアルトに拠点を置くこのスタートアップ企業は、スタンフォード大学のAI博士課程を中退した2人の学生によって設立され、これまでに1億3500万ドルの資金調達を実現しています。今月初め、Pikaはテキストからビデオ、画像からビデオへのAI生成モデルのバージョン1.5をリリースし、6つの驚くべき特殊効果（「爆発」、「圧縮」、「溶解」、「扁平化」など）を追加しました。

快手、北京大学、北京郵電大学の研究チームが共同で、画期的なテクノロジー成果である超高解像度ビデオモデルPyramid-Flowを発表しました。このオープンソースプロジェクトは、人工知能によるビデオ生成分野で著しい進歩を遂げ、業界に新たな可能性をもたらします。Pyramid-Flowモデルは驚くべき能力を示し、テキスト入力のみで最大10秒間、解像度1280x768、フレームレート24fpsの高画質ビデオを生成できます。光と影の効果、動作の滑らかさ、全体的な画質、テキストとの整合性など、あらゆる点で高いクオリティを実現しています。

2024年9月4日、北京智源人工知能研究院（BAAI）は、テキストからビデオ生成を含むモデルの対抗評価サービス「FlagEval大規模モデル闘技場」の世界初の提供を発表しました。このサービスはユーザー向けに公開されており、国内外の約40種類のLLMを網羅し、言語応答、マルチモーダル画像テキスト理解、テキストから画像生成、テキストからビデオ生成の4つのタスクに対応した、オンラインまたはオフラインでのカスタム評価をサポートしています。

中国産のオープンソースビデオ生成モデルCogVideoX-5BがModelScopeコミュニティで正式にオープンソース化されました。ビデオ生成の質と視覚効果が大幅に向上しています。大規模DiTモデルをベースとし、3D因果変分オートエンコーダー、エキスパートTransformer技術を採用し、3D-RoPE位置エンコーディングと3D全アテンション機構により時空間の統合モデリングを実現しています。漸進的学習技術の活用により、顕著な動き、一貫性があり高品質な長時間のビデオ生成が可能になりました。