2026年9月下旬は、生成AIツールが単体の「画像・動画・音声モデル」から一歩進み、編集ワークフロー全体や物理世界の制御にまで踏み出した1週間だった。ElevenLabsは動画編集を丸ごとAIエージェントに任せる新エディタを公開し、Black Forest LabsはFLUX 3をロボットアームの動作予測にまで拡張。HeyGenはByteDanceの新世代動画モデルを取り込み、Midjourneyはコミュニティに次世代モデルの方向性を語った。
ElevenLabs「Studio 4.0」——生成と編集を1つのタイムラインに
ElevenLabsは9月21日、動画編集ツール「Studio 4.0」を公開した。これまで動画生成・音声合成・音楽生成・編集がバラバラのツールに分かれていた制作フローを、1つのプロジェクト内で完結できるようにしたのが最大の特徴だ。
- プロジェクト内で動画・画像・ボイス・音楽・効果音をそのまま生成できる
- 個々のショットを最初からやり直さずにその場で修正できる
- 字幕をタイムライン上のクリップとして直接編集できるほか、クリップ単位のコメント機能で共同編集が可能
- 「Studio Agent」が自然文の指示からタイムラインの初稿を組み立て、クリップを配置し、ボイスオーバーを生成し、映像に合わせて効果音を同期させる
Studio Agentはテキスト指示から映像を解析し、たとえば「ロゴが映った瞬間に音を鳴らす」といった指示もタイムスタンプなしで実行できる。エージェントに任せた後、手動編集に切り替えて再びエージェントへ戻すという使い方もできる。Web版限定でAPIはなく、チャットはトークン課金、生成物は別途クレジット課金となる。
出典: ElevenLabs公式ブログ
Black Forest Labs「FLUX 3」——動画からロボット制御まで一つのモデルで
ドイツのAIラボBlack Forest Labs(BFL)は、画像・動画・音声・行動予測を単一のアーキテクチャで学習したFLUX 3の展開を段階的に進めている。7月に早期アクセスが始まった「FLUX 3 Video」は最大20秒の動画をネイティブ音声付きで生成でき、9月24日には産業用ロボット向けの「FLUX 3 Action」がオープンウェイトで公開された。
FLUX 3 Actionは70億パラメータの「World Action Model」で、カメラ映像とロボットの状態、自然言語の指示から次の動作を予測する。ロボット行動予測ベンチマーク「RoboLab-120」で同分野トップスコアを記録したとBFLは説明しており、自動車メーカーAudiでの実運用テストにもすでに採用されているという。
FLUX 3 Videoの料金は用途別の秒課金制で、公式サイトの価格表は以下の通り。
| モード | HD (Draft) | HD | FHD | QHD | UHD(4K) |
|---|---|---|---|---|---|
| テキスト/画像→動画 | $0.06/秒 | $0.17/秒 | $0.29/秒 | $0.40/秒 | $0.80/秒 |
| 動画→動画 | $0.12/秒 | $0.41/秒 | $0.53/秒 | $0.65/秒 | $0.95/秒 |
音声生成(多言語セリフ・効果音・環境音)は追加課金なしで含まれる。BFL独自の比較テストでは、Luma Ray 3.2に対して93%、Runway Gen-4.5に対して77%の選好率を記録したとしている(自社発表の予備的な数値である点には留意したい)。
出典: Black Forest Labs公式サイト、Hugging Face公式ブログ、VentureBeat
HeyGen×Seedance 2.0——ByteDanceの映像モデルをアバター動画に統合
HeyGenは9月17日、ByteDanceの新しい動画生成モデル「Seedance 2.0」をプラットフォームに統合したと発表した。Seedance 2.0はキャラクターの外見・カメラフレーミング・演技スタイルを複数ショットにわたって一貫させる参照コントロールを備え、映像と音声を密に同期させる設計が特徴とされる。HeyGenはこれを取り込むことで、アバター動画により映画的な質感とマルチショットの一貫性を持たせることを狙う。
HeyGenは同時期に「Edit Look」(録り直さずにアバターの見た目を修正する機能)や不動産業界向けの専用機能など、8月以降も製品アップデートを重ねている。
出典: HeyGen公式ブログ
Midjourney、「美意識の特異点」——V9とその先のロードマップ
Midjourneyは9月のOffice Hoursで、現行モデルV8.2の次にあたる「V9」に加え、Edit Model(画像編集専用モデル)、カメラコントロール、実験段階の20K超解像アップスケーラー、新しいNijiモデル、モバイルアプリの刷新などを並行開発中であることを明らかにした。動画モデルについても、音声対応や全体的な品質向上を検討しているという。
注目すべきは、同社が開発の重心を「モデルを賢くすること」から「ユーザーがより良い美意識やスタイルを発見できるようにすること」へ移しつつあると説明した点だ。社内ではこの方向性を指して「Aesthetic Singularity(美意識の特異点)」という言葉が使われているという。開発の優先順位については、現在もコミュニティからの意見を募集しフォームやSNSで投票を行う形で決めているとしている。
いずれもOffice Hoursでの発言であり、正式なリリース日を約束するものではない点には注意したい。
主な情報源
- ElevenLabs公式ブログ: Introducing Studio 4.0
- Black Forest Labs: FLUX 3 公式ページ
- Hugging Face: FLUX 3 Action公式ブログ
- VentureBeat: Black Forest Labs debuts FLUX 3 Action
- HeyGen公式ブログ: Introducing Seedance 2.0 x HeyGen
- Medium: Midjourney Just Told Us What Comes After V9
各サービスは提供元の規約に従ってご利用ください。情報は各情報源の公開時点のものです。収集・要約はAI、公開判断は人が行っています。