Midjourneyは、ユーザーがスタイルの一貫した画像を生成するのを支援するスタイル調整アルゴリズム「スタイル参照」のテストを発表しました。
この機能は画像プロンプトと似ており、ユーザーは必要な統一スタイルを説明するために、1つまたは複数の画像のリンクを提供できます。
現在、この機能はV6とNiji V6に対応しており、今後数週間でアップデートされる予定です。
【AIデイリー】へようこそ！ここは、毎日人工知能の世界を探求するためのガイドです。毎日、開発者に焦点を当て、技術トレンドを洞察し、革新的なAI製品アプリケーションを理解するのに役立つ、AI分野のホットなコンテンツをお届けします。
最新情報によると、Midjourneyのビデオ機能は今月リリース予定です。同時に、V7.1およびV8モデルの開発も加速しています。本記事では、Midjourneyの最新動向を詳しく解説し、ビデオ機能の突破、サーバーのアップグレード、スタイル参照（sref）の最適化、そして将来のモデル計画について取り上げ、AI画像生成の最先端の進展をお届けします。ビデオ機能が間もなくリリースされ、来週には評価パーティーが開始されます。AIbaseによれば、Midjourneyのビデオ生成機能は最終段階に達しています。
OpenAIはその画像生成API（Responses API）で大きなアップデートを発表しました。新機能として、ストリーミング伝送、複数の編集機能、Model Context Protocol(MCP)ツールとの統合、そしてリアルタイムウェブデータ検索を備えています。これらの新しい特徴により、画像生成の効率が向上し、開発者たちにさらに柔軟なクリエイティブな方法を提供しています。この進化はAIドライブによる視覚コンテンツ作成が新たなステージに突入することを意味します。AIbaseから今回のアップデートの主なポイントと業界への長期的な影響についてまとめられています。
字節跳動は最近、その最新のオープンソースマルチモーダルベースモデル——BAGEL（ビッグアドバンスドジェネラレイトドイミテッドリーナー）を正式にリリースしました。これは70億もの有効パラメーターの規模であり、マルチモーダルAIモデルの新段階を切り開きました。BAGELは画像理解、生成、編集などの重要なタスクで優れたパフォーマンスを発揮し、すでにQwen2.5-VLやInternVL-2.5など、現在の主流のオープンソース視覚言語モデル（VLM）を複数の標準評価で上回っています。
腾讯は正式に「混元ゲームビジュアル生成プラットフォーム」を発表しました。これは、混元宝モデルを活用したAIコンテンツエンジンで、ゲームの工業レベルのコンテンツ制作に特化しています。このプラットフォームの登場により、ゲーム美術デザイン業界は新たな高効率なクリエイティブ時代に入ることになります。創作効率は数十倍向上することが見込まれています。過去には、ゲーム美術デザイナーがキャラクター図版を作成する際、複数のソフトウェアを頻繁に切り替える必要がありました。参考図の選定からラフスケッチ、3面図の作成、さらに動的デモのレンダリングまで、プロセスは分散しており煩雑であり、ファイルは反復的にインポート/エクスポートする必要がありました。
【AIデイリーニュース】へようこそ! ここではあなたをAIの世界に案内します。毎日、当欄ではAI領域のホットなトピックをお届けし、開発者向けに技術トレンドや革新的なAI製品のアプリケーションについてお伝えします。新しいAI製品についてはこちら: https://top.aibase.com/ 1、Tencentの混元画像2.0がリリースされました: ミリ秒単位でのリアルタイム画像生成と超リアルな画質、Tencentは混元画像2.0モデルを公開しました。これにより、AI画像生成の速度と品質が大幅に向上し、さらにリアルタイム描画機能が新しく追加されました。
皆様、今日はぜひお聞きいただきたい研究界の画期的な新成果があるんです——Flow-GRPO！これはもう、画像生成モデルに「スーパー進化剤」を注射したようなもので、モデルが「ブロンズ」から「王者」へとジャンプアップするんです。それがどうやって実現するのか、しっかり腰を据えて聞いてください！画像生成モデルの「成長の悩み」現在の画像生成モデル、流マッチング（Flow matching）に基づくものなどは理論ベースが非常に強固で、高品質の生成物を作り出していますが...
