Luma AIは最近、Dream Machineという新しいビデオ生成ツールをリリースしました。これは、Soar、Veo、Cling、Pika、RunwayなどのAI駆動のビデオ制作プラットフォームと競合することを目的としています。このツールは特定のシナリオで有望な面があるものの、ユーザーが認識しておく必要のある一定の制限もあります。

Dream Machineの主な問題の1つは、特に需要が高い期間における、ビデオ生成の長い待ち時間です。初期の段階では、一部のリクエストが7時間以上の処理時間を要したため、ユーザーにとって非常に煩わしいものでした。Lumaはそれ以来インフラを拡張してきましたが、待ち時間はまだ相当長い可能性があります。

生成されたビデオの品質に関しては、Dream Machineはテキストからビデオへの変換に苦戦しています。トランスクリプトに示された例では、月に向かって遠吠えするオオカミや、ローラースケートに乗ったサルなどの要素を正確に描写することが難しいようです。生成されたビデオには、欠損した肢体や物体の位置が正しくないなどの不整合が見られます。

しかし、Dream Machineが優れているのは画像からビデオへの変換機能です。トランスクリプトには、カラフルな未来都市、ピクセル調のビデオゲームのオオカミの家、森の中のログハウスなどの例が示されていますが、これらの画像からビデオへの変換は、テキストからビデオへの変換よりも現実的で一貫性があるように見えます。

Dream Machineは現在研究プレビューの段階にあり、ユーザーは月間30本のビデオを無料で生成できます。それ以降は1本あたり約0.25ドルの料金体系になっています。このツールが今後進化していくにつれ、Lumaが現在の制限を解決し、生成されるビデオの全体的な品質と一貫性を向上させることができるかどうかが注目されます。

全体として、Dream Machineは有望ですが、特にテキストからビデオへの変換に関しては、ユーザーは現実的な期待を持つ必要があります。画像からビデオへの変換機能は、現時点でツールの強みであるように見えます。

ついに、人気のオープンソースAI画像生成モデルの最新バージョンであるStable Diffusion 3が一般に公開されました。この新しいバージョンが何をもたらすのかを詳しく見ていきましょう。

テキストから画像への機能の改善

Stable Diffusion 3の主な改善点の1つは、生成された画像にテキストを組み込む機能が強化されたことです。このモデルは今では、テキストベースのプロンプトをより整合性のある詳細な視覚表現に変換できるようになっています。提供された例では、テキストベースのプロンプトから、より正確で視覚的に魅力的な画像が生成されています。

プロンプトエンジニアリングが依然として必要

ただし、Stable Diffusion 3でも、最良の結果を得るにはある程度のプロンプトエンジニアリングが必要であることに注意が必要です。モデルは改善されましたが、特に複雑または詳細な画像の場合、ユーザーはより詳細で具体的なプロンプトを提供する必要があります。これは、より単純なプロンプトでも高品質な結果を生み出すことができる他のAI画像生成モデルとは対照的です。

品質の不安定さ

生成された画像の品質にも多少の不安定さがあります。このモデルは「ジャングルの中の宇宙飛行士」のような特定のシナリオで印象的な結果を出せますが、「ローラースケートに乗ったサル」のような単純なプロンプトでは依然として苦戦しています。これは、Stable Diffusion 3が全体的な画像の品質と一貫性の面で、一部の競合他社と同レベルに達していないことを示唆しています。

継続的な進化が必要

全体として、Stable Diffusion 3はAI画像生成の分野で前進を遂げましたが、まだ改善の余地があります。この技術が進化し続けるにつれ、テキストを高品質で一貫性のある画像に変換する能力が、プロンプトエンジニアリングを必要とせずに向上していくことが期待されます。Stable Diffusionの改良と強化に向けたコミュニティの継続的な取り組みが、この進化を推進する上で不可欠です。

まず断っておきますが、私はLeonardoのアドバイザーです。ただし、私が言うことについてLeonardoは一切関与していません。何か変なことがあれば、私は指摘します。彼らのアドバイザーであることは、私の発言内容に影響を与えません。

それはさておき、LeonardoはLeonardo Phoenixという新しいカスタムモデルをリリースしました。これは、安定拡散のバージョンではなく、独自の基盤モデルです。この新しいモデルの主な特徴は以下の通りです:

• プロンプトへの適合性の向上 - 提供されたプロンプトをより良く理解し、それに適合することができます。
• 画像内のテキストの一貫性 - テキストを画像に自然で一貫性のある方法で組み込むことができます。
• 優れた画質 - 生成された画像の品質が以前のモデルよりも高くなっています。
• より高度なクリエイティブコントロール - 画像の創造的な方向性をより多く制御できます。

ただし、イメージガイダンス、要素、写真リアルなバージョンなどの機能はまだ利用できません。これらの追加機能の実装に取り組んでいるところです。

このモデルの実際の動作を詳しく見ていきましょう。Leonardoのウェブサイトにアクセスし、Leonardo Phoenixのプリセットを選択して、「月に向かって遠吠えするオオカミ」という簡単なプロンプトを試してみます。

以下が生成された画像です:

[Image 1] [Image 2] [Image 3] [Image 4]

あなたはどう思いますか? これらは、私が先ほど見たStable Diffusion 3の出力よりもかなり印象的です。このモデルはプロンプトを理解し、一貫性のある高品質の画像を作成することができたようです。

もう1つ例を試してみましょう - 「Mr eowと書かれたプラカードを持っているペンギン」。

[Image 1] [Image 2] [Image 3] [Image 4]

テキストは全ての画像で正しくスペルされており、プラカードを持つペンギンもよく描かれています。モデルはテキストの統合を非常に上手に処理しました。

全体として、Leonardo Phoenixモデルは、Stable Diffusion 3よりも一歩進んでいるように感じられます。両方を試して、あなたのニーズに最適なものを見つけることをお勧めします。Leonardo Phoenixモデルのプロンプトへの適合性と、テキストの統合機能は特に印象的です。

Sonno、AIを活用した音楽制作プラットフォームが、ユーザー自身の音声録音を完全な楽曲に変換する革新的な機能を発表しました。このイノベーティブな機能は、Sonno Premiumサブスクライバーが利用できるもので、クリエイターがAIの力を活用して自身のミュージカルアイデアを高めることができます。

この機能の仕組みは以下の通りです:

1. 録音またはオーディオのアップロード: ユーザーはSonnoプラットフォーム内で直接オーディオを録音するか、既存のオーディオファイルをアップロードできます。これはギターのリフ、ボーカルメロディー、その他の音楽的なスニペットなどです。

2. 拡張と強化: オーディオがアップロードされると、ユーザーは「拡張」オプションを選択できます。SonnoのAI駆動のアルゴリズムがインプットを分析し、追加の楽器、ハーモニー、歌詞を含む、完全に制作された楽曲を自動的に生成します。

3. カスタマイズオプション: ユーザーは、ジャンル(アコースティックポップ、エレクトロニックなど)、ビートの有無、ランダムな歌詞の生成など、パラメーターを調整して生成された楽曲をさらに微調整することができます。

結果はしばしば驚くほど印象的で、SonnoのAIが、ユーザーの元のオーディオと独自の音楽作品を巧みに融合しています。生成された楽曲は、ユーザーの入力の本質を維持しつつ、プロフェッショナルレベルの仕上がりに高めています。

この機能は、ミュージシャン、ソングライター、趣味の音楽家にとって新しい創造的な可能性を開きます。ユーザーは様々なアイデアを試すことができ、スケッチを素早く完成した楽曲に変換したり、AIと協力して自身のミュージカルビジョンを具現化したりすることができます。

Sonnoが機能を洗練・拡張し続けるにつれ、このオーディオ拡張機能は、現代のミュージック・クリエイターにとって不可欠なツールになると期待されています。ユーザーが生のアイデアを完成した楽曲に変換できるようにすることで、Sonnoは音楽制作とコンポジションのアプローチを再定義しつつあります。

AppleはWWDCイベントで、デバイスやサービス全体にAI機能を統合するなど、AIに大きな注力をしました。以下が主なハイライトです:

iOS、iPadOS、macOSでのAI

• Appleは独自のAIを構築し、iOS、iPadOS、macOSに深く統合しています。これには以下のような機能が含まれます:
  • メモ、メール、その他のアプリでのテキストの校正、書き換え、要約
  • メモやCalculatorなどのアプリでのAIビジョン機能による画像や手書きの分析
  • AIを使ったメールや通知の優先順位付けと要約

Image Playground

• Appleの新しい画像生成機能「Image Playground」では、AIを使ってイラスト、アニメーション、スケッチを作成できます。
• 異なるコンテキストをAIがどのように組み合わせるかを確認できる独自のインターフェイスを備えています。
• AIは非現実的なスタイルに制限されており、ディープフェイクは避けられるようになっています。

GenEmoji

• ユーザーはAIを使ってカスタムのEmojを作成し、リアクションやスティッカーとして使用できます。

Siriの改善

• Siriは音声ではなく入力テキストでも使用できるようになりました。
• SiriはオンデバイスおよびiCloudベースのAIを活用し、OpenAIのChatGPTはより良い回答を提供できる場合にのみ使用されます。

Apple Cloud とOpenAIパートナーシップ

• Appleはセキュアな「Apple Cloud」を構築し、機密性の高いAI処理を行います。
• また、ユーザーの許可を得て、ChatGPTをSiriで活用するためOpenAIとパートナーシップを結んでいます。

全体として、Appleは自社の技術とパートナーシップを活用しながら、製品ラインナップ全体にAIを深く統合しています。これは、AIをApple体験の中核に据えるための大きな取り組みを示しています。