AI-summarized latest information and tool trends in image, video, speech and music generation AI.
Products, companies and technologies most covered in this category's articles.
Googleが動画生成AI「Gemini Omni 1.1 Flash」を発表。直前10秒の文脈を参照して最長40秒までシーンを延長可能で、360pから4Kへのアップスケールも対応した。
Googleが音声認識特化のモデル「Gemini 3.5 Transcribe」を公開し、高精度な音声テキスト変換を提供する
オーストラリアの音楽業界が、生成AIで作られた楽曲を公式チャートの集計対象から除外する方針を決定した。これはAI生成コンテンツの商業的評価に対する規制の先駆けとなる。
生成動画モデルの学習効率を向上させるために、データフィルタリング技術を用いて学習データを最適化する方法について解説している
LAIONが公開した大規模動画データセットにより、動画生成AIの学習基盤が強化され、多様な視覚コンテンツの合成が可能になる。
GoogleはGemini Audioの文字起こし機能をアップデートし、85言語以上に対応し専門用語の検出や、言葉の詰まりを自動で除去する機能を追加した
分散型SNSのBlueskyが10分間の動画アップロード機能を導入。アップロード速度の向上も伴い、動画コンテンツの共有体験を改善するアップデートを行った。
インドのRinggはPeak XVからシリーズA延長として1000万ドルを調達し、音声AI技術を従来の電話通話の範囲を超えた領域へ展開する計画である
Android環境におけるC2PA（コンテンツ原産性および整合性同盟）カメラ実装の問題点を検証し、実際の使用環境では期待通りに機能しないケースがあることを指摘する
InstagramがReels作成時の編集負担を軽減する新機能「First Draft」を発表。AIが動画クリップを自動でトリミングし、無音区間を削除して最高の瞬間を組み合わせた初期カットを生成する。