テキスト→動画ツール
崑崙万維がSkyReels-A2をオープンソース化：商用グレードの動画生成フレームワーク崑崙万維が世界初の商用グレードの制御可能な動画生成フレームワークSkyReels-A2をリリース。デュアルブランチアーキテクチャにより複数要素の動画生成を実現し、Eコマース、映画制作などの分野に新たな可能性をもたらす
Open-Weights
ComfyUI ニュース＆オープンソース AI リリース
ComfyUI エコシステムの最新情報：オープンソースモデルのリリース、カスタムノード、ワークフロー、ツールのアップデート。
テキスト→動画
マルチモーダルツール
アリババの通義研究所がVACEをリリース：動画制作と編集が統合時代へアリババグループの通義研究所が、テキストから動画生成、動画編集、複雑なタスク組み合わせまでをカバーする世界初の統合フレームワークVACEを発表
Open-Weights
マルチモーダルベースモデル
StarVector: SVGコード生成のためのマルチモーダルモデルStarVectorプロジェクトは、画像やテキストからSVGベクターグラフィックスコードを自動生成する機能を実装し、デザイナーや開発者に新しいクリエイティブツールを提供します。
Open-Weights
テキスト→画像ツール
バイトダンス、InfiniteYouをリリース：ユーザーのアイデンティティを保持しながら柔軟な写真再構築が可能にバイトダンスが拡散トランスフォーマーに基づく革新的なフレームワークInfiniteYou（InfU）を発表。このフレームワークは、アイデンティティの類似性、テキスト画像の整合性、生成品質に関する既存手法の限界に対処しながら、ユーザーのアイデンティティを保持する柔軟な写真再構築を可能にします
MIT
画像→3D
Stability AIがStable Virtual Cameraをリリース：2D写真を3Dビデオに変換する技術
ベースモデル
Stability AIがStable Virtual Cameraをリリース：2D写真を3Dビデオに変換する技術Stability AIが新しいAIモデルStable Virtual Cameraを発表。通常の写真をリアルな奥行きと遠近感を持つ3Dビデオに変換し、クリエイターに直感的なカメラコントロールを提供
Open-Weights
画像→3D研究
StdGEN: 単一画像からの意味分解3Dキャラクター生成清華大学とテンセントAI研究所が共同でStdGENを発表、単一画像から体、衣服、髪などのコンポーネントが分離された高品質な意味分解3Dキャラクターを生成する革新的パイプライン
Open-Weights
画像→3Dベースモデル
テンセント、Hunyuan3D 2.0をリリース - 高品質な3D資産生成システムテンセントは、テキストと画像から高解像度の3D資産を生成するための二段階プロセスを備えたHunyuan3D 2.0システムを発表しました。複数のオープンソースモデルシリーズを特徴としています
Open-Weights
テキスト→動画
快手がReCamMaster単眼ビデオ再撮影技術を発表
ベースモデル
快手がReCamMaster単眼ビデオ再撮影技術を発表快手科技がReCamMasterを発表しました。この技術は、ユーザーが単一のビデオから新しいカメラ視点と動きの軌跡を生成できる生成型ビデオ技術です。
Open-Weights
テキスト→動画ベースモデル
Open-Sora 2.0のリリース：低コストで商業レベルのビデオ生成能力を実現hpcaitechがOpen-Sora 2.0オープンソースビデオ生成モデルを発表。20万ドルのトレーニングコストで、トップクラスの商業モデルに近い性能を実現
Open-Weights
テキスト→動画
アリ通義研究所がVACEを発表：統合ビデオ生成および編集モデル
ツール
アリ通義研究所がVACEを発表：統合ビデオ生成および編集モデルアリ通義研究所が多機能ビデオ生成および編集モデルVACEを発表し、さまざまなビデオ処理タスクを単一のフレームワークに統合し、ビデオ制作のハードルを下げました。
Open-Weights
テキスト→画像
マイクロソフト、ART多層透明画像生成技術を発表
研究
マイクロソフト、ART多層透明画像生成技術を発表マイクロソフトリサーチがグローバルテキストプロンプトに基づくインテリジェントレイヤー生成ソリューションを開発。50以上の独立レイヤーを含む透明画像の作成を可能に
Open-Weights
画像→動画LoRA
Tencentが画像から動画を生成するオープンソースモデルHunyuanVideo-I2Vを公開TencentのHunyuanチームが単一画像から5秒動画を生成可能なオープンソースモデルをリリース。スマートモーション生成とカスタムエフェクト機能を提供
Open-Weights
マルチモーダル
テキスト→画像ベースモデル
智譜AIチーム（THUDM）CogView4をオープンソース化 - 中国語ネイティブ対応のDiTテキスト画像生成モデル智譜AIチーム（THUDM）が日中バイリンガル入力と漢字生成可能なオープンソース画像生成モデルCogView4を公開、複数ベンチマークで首位を獲得
Open-Weights
マルチモーダル研究
Sesame、CSM音声モデルで自然な対話を実現SesameがデュアルTransformerアーキテクチャの会話型音声モデルCSMを公開、リアルタイム音声インタラクションとオープンソースコアを提供
Open-Weights
テキスト→動画
アリババの万相 Wan2.1 ビデオ生成モデルが正式にオープンソースに
ベースモデル
アリババの万相 Wan2.1 ビデオ生成モデルが正式にオープンソースにアリババが最新のビデオ生成モデルである Wan2.1 を正式にオープンソースにした。このモデルはわずか 8GB のビデオメモリで動作し、高画質ビデオ生成、動的字幕、多言語吹き替えをサポートし、VBench ランキングで Sora などを超える 86.22% の総スコアを記録した
Open-Weights
テキスト→画像
アリババが ComfyUI Copilot をオープンソース：AI によって駆動されるスマートワークフローアシスタント
ツール
アリババが ComfyUI Copilot をオープンソース：AI によって駆動されるスマートワークフローアシスタントアリババ国際デジタル商業グループ（AIDC-AI）は ComfyUI Copilot プラグインをリリースしました。これは、自然言語インタラクションと AI によって駆動される機能を通じて ComfyUI の使用体験を簡素化し、中国語インタラクションをサポートし、スマートノードの推奨機能などを提供します。
Open-Weights
テキスト→動画
アリババの万相2.1ビデオ生成モデルがオープンソースになる
ベースモデル
アリババの万相2.1ビデオ生成モデルがオープンソースになるアリババは、最新のビデオ生成モデルである万相2.1が2025年第二四半期にオープンソースになることを発表した。このモデルは、HDビデオ生成、動的字幕、多言語音声などをサポートし、VBenchランキングで84.7%の総スコアで首位に立っている
Open-Weights
マルチモーダルベースモデル
GoogleがPaliGemma 2 mixをリリース：多タスクをサポートするオープンソースの視覚言語モデルGoogleが新しいPaliGemma 2 mixモデルをリリースし、画像の説明、OCR、オブジェクト検出など多くの視覚タスクをサポートし、3B、10B、28Bの3つのスケールバージョンを提供
Open-Weights
画像→動画
SkyworkがSkyReels-V1をオープンソース：AI短編映画創作に特化したビデオ生成モデル
ベースモデル
SkyworkがSkyReels-V1をオープンソース：AI短編映画創作に特化したビデオ生成モデルSkyworkがオープンソースビデオ生成モデルSkyReels-V1をリリースし、文生ビデオと図生ビデオをサポートし、映画級の光影効果と自然な動作表現を実現し、商用も可能にした
Open-Weights