Anthropicは、最新のClaude Fable 5.2が従来のAIモデルとは異なる方法で画像を生成すると発表した。このモデルはピクセルを直接計算するのではなく、Pythonコードを生成して、数万から数十万のブラシストロークを仮想キャンバスに適用することで画像を「描く」という。絵筆の質感や絵の具の乗せ方までシミュレートされ、写実的な駐車場シーンの生成には約70万のストロークが使われた事例もある。この革新的なアプローチは、AIによる画像生成の表現力とプロセスに新たな可能性をもたらすもので、より人間的で制御可能な創作手法への道を開くかもしれない。
ElevenLabsは、背景ノイズや会話の重なりの中でも高精度な文字起こしを可能にする音声認識モデル「Scribe v3」と「Scribe v3 Live」をリリースしました。Scribe v3 Liveは、会話コンテキストを利用して音声エージェントが話者の途中で遮るのを防ぐ機能を搭載しています。ベンチマークでは精度面で競合を上回るものの、処理速度とコストでは劣る点が課題とされています。
Adobeは、年次カンファレンスMaxで、実験的なAI新機能を多数発表しました。これには、静止画像を探索可能な3Dシーンに変換する機能や、AI生成キャラクターと対話して個性を形成する「Project Screen Test」、そして写真編集をコピー＆ペーストのように簡単にするツールなどが含まれます。これらの技術は、クリエイターのワークフローを根本から変え、新しい表現の可能性を広げることが期待されます。
OpenAIはChatGPTにGIFアニメーション生成機能を追加し、新しいImages 2.6モデルにより、テキストプロンプトや既存の写真からGIFを作成できるようになった。ユーザーはアニメーションの速度や個別フレームの調整も可能で、キャラクターの一貫性も維持される。これにより、ChatGPTは視覚コンテンツ生成能力を大幅に拡張し、ユーザーの創造性を刺激する新たなツールを提供する。