今週の画像・動画・音声生成AIは、ElevenLabsの新音声モデルv4、Midjourneyの編集モデル、ChatGPT Images 2.5、そしてSora終了後の動画生成の勢力図が焦点です。
ElevenLabs「Eleven v4」「v4 Turbo」——表現力と低遅延を両立
ElevenLabsは9月28日、音声合成モデルEleven v4とv4 Turboを公開しました。新アーキテクチャで感情・間・文脈を捉えた「演技する」読み上げを狙っています。
- 90以上の言語に対応し、IPA指定で発音も制御可能
- Instant Voice Cloneは約10秒の音声から作成
- LLMの出力開始と同時に音声生成を始められ、音声エージェント向けに遅延を抑制
- ElevenAgents・ElevenCreative・ElevenAPIで提供
出典: ElevenLabs公式ブログ / TechCrunch
Midjourney V8.2と編集モデル
Midjourney V8.2は7月24日にデフォルトモデルとなり、ネイティブ2K生成を継続しています。8月27日には、指示ベースの編集、最大4枚の参照画像、インペイント／アウトペイントに対応する編集モデルが追加されました。公開APIはなく、自動化パイプラインには向きません。
出典: Teamday
ChatGPT Images 2.5と画像モデルの比較
OpenAIのChatGPT Images 2.5は9月8日にリリースされたと報じられています。照明の自然さ、被写体の再現、部分編集、画像内文字の精度が向上し、遅延は最大50%短縮とされています。API向けにはGPT-Image-2.5系モデルがあります（二次情報のため詳細は公式を確認してください）。
| モデル | 提供元 | 特徴 |
|---|---|---|
| Midjourney V8.2 | Midjourney | 美的品質、編集モデル、API無し |
| Nano Banana Pro | Google DeepMind | Gemini 3 Pro Imageベース、2025年11月GA |
| FLUX.2 / FLUX 3 | Black Forest Labs | FLUX 3は7月に発表 |
| ChatGPT Images 2.5 | OpenAI | 9月8日公開、低遅延・精密編集 |
| Hy Image 3.5 Preview | Tencent | 9月22日の新顔、マルチターン編集 |
出典: Pexo / Tech Insider / Teamday
Sora後の動画生成：Veo 3.1・Kling 3.0・Seedance 2.5・Runway
OpenAIのSoraはWeb／アプリが4月26日に終了し、APIも9月24日に廃止されました。現在の主力は次のとおりです。
- Veo 3.1：プロンプト追従と同期音声で総合評価が高い
- Kling 3.0：マルチショット、ネイティブ音声、最大15秒・4K対応、動きのリアルさが強み
- Seedance 2.5：ByteDanceのモデル。Dreaminaで提供開始
- Runway：Gen-4.5を軸に、編集・カメラ制御が充実
- Pika 2.5は5秒クリップ中心、LumaはHDRとキーフレーム指定が特徴
出典: Kling公式ブログ / Dreamina / Top5Apps
主な情報源
- ElevenLabs: Eleven v4
- TechCrunch: ElevenLabs v4
- Teamday: Best AI Image Models
- Pexo: ChatGPT Images 2.5
- Tech Insider: 画像モデル比較
- Kling: Sora alternatives
- Dreamina: 動画生成比較
- Top5Apps: AI動画ジェネレーター
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。