Multimodal · トピック · NeuralWire (β)

PikaがAPI Club会員Secret Levelの制作を紹介

PikaはAPI Clubの会員である制作会社Secret Levelを紹介した。同社は生成AIと従来手法のハイブリッド制作を事業の土台にし、独自の映像基盤Liquid EngineのなかでPika APIを使っていると、作品例とともに説明している。

新着動画 Multimodal

RunwayがElevenLabs v4の音声生成に対応

Runwayは9月29日朝、ElevenLabs v4を自社アプリで提供開始した。ナレーションとキャラクター対話で表現力と自然な抑揚が上がったとし、既存の画像・動画モデルと同じ画面からすぐ試せると案内している。

新着動画オーディオ Multimodal

GMI CloudがHy Image 3.5 previewを無制限に

GMI Cloudは画像モデルHy Image 3.5 previewの上限をリセットし、現在は無制限だと発表した。引用した直前の案内では7日間無料で、最大2Kの生成と編集、参照画像5枚までを掲げていた枠の緩和にあたる。

新着基盤画像 Multimodal

Foundryの音声エージェントがWebも電話も同じ実行系

Microsoft AzureはMicrosoft Foundryの音声エージェントを紹介した。音声を別ベンダーのパイプラインではなく、既存と同じランタイムとガバナンスのエージェント種別として扱い、Web、Teams、電話へ基盤を作り直さず出せると説明している。

新着基盤 Multimodal

MotionがSonnet 5.5で動画を一発生成と公開

MotionはClaude Sonnet 5.5に短い指示を渡し、モーショングラフィックスの動画を一発で生成した実例を公開した。Opus 5.5との優劣を問いかける比較で、同社のMotion上での設計品質を見せるデモだと投稿している。

新着動画 Anthropic Frontier Multimodal

falでEleven v4とv4 Turboの提供開始

falはElevenLabsのEleven v4とv4 Turboを自社で提供開始した。文中の音声タグで感情を文の途中から切り替え、100言語のキャラクター音声に対応する。Turboは同じ声を低遅延で使い、リアルタイムエージェント向けだと説明している。

動画 Multimodal

Fish AudioのASRが話者・感情ラベルに対応

Fish Audioは音声認識を更新し、話者の区別、感情の理解、laughterやsurprisedなどの感情ラベル付き書き起こしに対応した。83言語をカバーし、同社は最も精度の高い音声認識モデルだと述べ、文書へのリンクを付けた。

オーディオ Multimodal

Kling 4.0は10月公開、Flashは年額向けに開始

Kling AIはKling 4.0を10月に公開すると発表し、Ultra年額会員向けにKling 4.0 Flashの提供を始めた。最大4Kと10bit HDR、参照15点、キーフレーム10個までのネイティブ30秒生成、リップシンクと多言語音声を掲げている。

動画 Multimodal

LTX.ioがVFX Weekを開始し毎日機能を出す

LTX.ioはVFX Weekを翌日から始め、今週は毎日新しいVFX機能を出すと9月29日未明に発表した。合成、グレーディング、最終納品の工程に組み込み、追加ツールではなく制作パイプラインの一部として使うと説明している。

動画 Multimodal

Kling AI公式がTHE BEATを投稿

Kling AI公式のオリジナル投稿。THE BEAT。ドラマーが舞台に戻る短編THE BEATをKling 4.0で制作したと同時に公開した。同一スレの返信に追加の説明があるが、この投稿自体が公式の一次発信である。

動画 Multimodal

Metaが過去6カ月のMuse系モデルをまとめて列挙

AI at Metaは9月28日23時30分（JST）、過去6カ月の投入としてMuse Sparkと1.1、1.2、1.3、Image、Video、Glimmer、Code、Meta Model API、Museを列挙し、まだ始まったばかりだと約59秒の動画で投稿した。個別の新規仕様や提供日は本文にない。

Open Frontier Multimodal