ミッドジャーニー、今後数ヶ月でテキストからビデオへのモデルを導入予定

Decryptによると、ジェネレーティブ画像作成ツールのMidjourney社は、今後数ヶ月以内にテキストから動画へのモデルを導入する計画を発表した。オフィス・アワー」のDiscordセッションでCEOのDavid Holz氏が語ったところによると、同社は1月から動画モデルのトレーニングを開始する予定だという。この動きは、成熟した画像モデルをベースに、ジェネレーティブ・ビデオ業界の競争力学をかき立てるという、このプラットフォームにとって自然な進展である。 Discordセッションのメモには、Midjourneyの漫画/アニメジェネレーターモデルであるV6 Nijiの調整計画や、来たるMidjourney V6の正式リリースに向けた一貫性の修正が含まれていた。同社はまた、ToDoリストに「新しいビデオモデルのトレーニングを開始する」と書いており、「数ヶ月以内に」準備が整う可能性があるという。このモデルに関する詳しい情報は、ホルツ氏からもMidjourneyチームからも共有されていない。 Midjourneyのビデオへのベンチャーは、Stability AIのStable Video Diffusion、MetaのEMUビデオジェネレーター、PikaやRunway MLなどの既存のモデルなど、競合他社からのリリースを受けたものだ。さらに、Leonardo AIのような他の画像ジェネレーターもすでに動画生成機能を実装しており、競争はさらに激化している。Midjourneyの最近のv6アップデートは、改良されたプロンプトフォローとよりリアルな画像を誇っており、関連性と競争力を維持するための同社の最も最近の努力である。ミッドジャーニーのモデルがある程度まとまりを見せれば、まだ完璧とは言い難いモデルであっても、このような黎明期の分野で確固たる地歩を築くことができるだろう。クリエイティブ業界とメディア業界は、変革の時代の瀬戸際に立っている。AIによって映像コンテンツを生成し、操作し、相互作用する能力は、エンターテイナーや広告主にとって物事を容易にすることから、私たちが現実を認識する方法を再構築する可能性まで、多くの可能性を開く。