AIが1枚の絵から3Dも動画も作ってしまう週｜生成AIニュース

家事と子育てのスキマで経営する3方よしAI共創コンサルタントの田中啓之、ひろくん（@passion_tanaka）です。

いやー、日曜あさの積さんターンはやっぱり情報量がすごかった。3Dプリンターで動くフィギュアの話から始まって、AIエージェントがブラウザごと飲み込んでいく話、生成AIが画像も音楽も動画も一括で作ってしまう「カムイ」の話、そしてChatGPTの声がびっくりするほど自然になった話まで。ただっちも巻き込んで、1時間があっという間に終わりました。今日はその生成AIニュースを、私の目線でそのままお届けします。

▶ この話題を動画で見る（05:01〜）

最初のネタは、ジーニーさんの3Dプリンターの話でした。去年、こんな画像をたくさん作ってたんですよ、って画面を共有してくれたんですけど、フィギュアみたいにリアルな1枚の画像を、実際にプリンターで出力してみせてくれる。あ、そうだ。これ、去年の4月からずっとコツコツ試してたらしくて。

ジーニーさん（05:01〜）

「たくさん作ってたんですよ。100回ぐらい作らせてもらったんですけど、今は誰でも作れるようになったんです。結構当時は大変だったんですよ。この画像を作ったときに、これリアルなフィギュアなんですかって言われたことがいっぱいあってですね。」

100回。100回ですよ。それだけ試行錯誤したから、今の「誰でも作れる」があるんだなあと思うと、なんか胸が熱くなりました。いやー、これ地味にすごい話で。作るたびに「これリアルなフィギュアなんですか？」って聞かれてたっていうのは、つまり誰にも信じてもらえてなかったってことでしょ。信じてもらえないものを、それでも100回作り続ける。私、正直そっちのほうにグッときちゃいました。

使ったのはメッシというサービス。画像を1枚ポンと入れると、骨格（リグ）まで自動で入って、ちゃんと歩いたり動いたりするところまで作ってくれる。裏側なんて見えないはずなのに、ぐるっと回すと裏までちゃんとできてる。しかも動くところまでたった5分だったそうです。……5分。ちょっと待ってほしい。ひと昔前なら、モデラーさんが何日もかけてポリゴンを貼って、そこからさらにリグを入れて、やっと一歩あるかせられた世界なんですよ。それがコーヒー淹れてる間に終わる。そのままSTLで書き出せば、3Dプリンターにポンと投げられる。画面の中の絵が、手に持てるモノになるまで一直線なんです。

積さんとの掛け合いも面白くて、これは3Dの世界とAIの世界が繋がってきた話だよねという方向に発展していきました。

積さん（09:19〜）

「この職人技を。そいつをですね、3Dの世界とAIの世界って結構繋がってきたなって感じ。VRの世界って繋がってきたなって感じがしてて、これまさにポリゴンなんですけど、VRの世界で映画を撮れる。」

職人さんがずっと手作業でやってたことが、AIで数分。ここに来て一気に、って感じなんですよね。でね。積さんの「VRの世界で映画を撮れる」ってところ、私すごく引っかかったんです。ポリゴンで作った空間の中に自分が入っていって、そこでカメラを回す。……もう撮影所いらないじゃん、って。料理で言うと、食材を買いに行かなくても、冷蔵庫の中で食材そのものが生まれてる感じ。順番がひっくり返ってるんですよ、これ。

私も思わず「VR上でも出せるんじゃないですか」って聞いちゃったんですけど、ジーニーさん曰くそれも十分いける段階らしくて。1年後にはリアルタイムで目の前のものが3D空間にポンと転送される、なんて話まで飛び出しました。目の前のマグカップをスマホでかざしたら、そのまま向こう側に3Dで届く。そんなの、もう魔法でしょ。タダ、ではないですけど、それくらい身近になってきたんだなあと感じた冒頭でした。しかもこれ、今日いちばんすごい話ではないっていうのが、日曜あさの怖いところなんですよ。

▶ この話題を動画で見る（17:03〜）

続いて音声・音楽まわり。積さんが紹介してくれるツールの数がとにかく多くて、正直メモが追いつかないくらいでした。オーディオクリーナーAIっていうノイズ除去のサイトとか、音を触覚で感じるアプリとか……ぶっちゃけ、ここまで来るとAIというより五感の話だなと思いながら聞いてました。

積さん（17:03〜）

「アプリなんですけども、結構面白かったです。これからやっぱり五感を刺激するものね、結構大事だと思うんですよ。スマホと、スマホせっかくそういうものがついてるんで、触覚のものがついてるのでね、ボタンがついてるので、それを生かしていくっていうのはこれから生きていくんじゃないか。」

スマホって、触覚のセンサーもボタンも、実はもうずっと持ってるんですよね。それを生かせてなかっただけなんだなあと。言われてみれば、みんなポケットに高性能な楽器を1台入れて歩いてるようなもんですよ。画面をタップして情報を読むことにしか使ってないだけで。音が振動として指に返ってくる。それだけで、たぶん記憶への残り方が全然違う。ノイズ除去のオーディオクリーナーAIも地味だけど、これ、ラジオとか収録やってる人には効くやつなんです。エアコンの音、外の車の音、あれを消すためだけに私は昔どれだけ時間を溶かしたか……。

音楽生成のほうも負けてなくて、ムレカっていうサービスは6月4日に大型アップデートで曲がぐっと良くなったって話でした。あとはオーディオAIも便利という評判。声のほうでは、ElevenLabsのV3とConversational AI 2.0がほぼ同時にバージョンジャンプしてて、ここでみんなで思わずハモっちゃったくらい驚きが大きかったです。

積さん（21:25〜）

「11LABOのV3とそれとConversationAI2.0ですね、この2つバージャンプしたんで、多分今一番V3、昨日か一昨日ですよね。確かに2.0の方、こっちのConversationAI2.0っていうのは5月30日なんですよ。」

先週かと思ったら5月30日。もう感覚が完全にバグってますよね、これ。「昨日か一昨日」って積さんが言いかけて、いや5月30日だ、って自分で訂正する。その言い直しがもう、今のスピード感そのものなんですよ。人間の体感時間のほうが置いていかれてる。

しかもElevenLabsはMCPで繋がるようになったらしくて。ボタンひとつでいろんなAI同士がケーブルを挿すみたいに繋がっていく時代なんだなあと、しみじみ感じた15分間でした。でね。ここ、私はけっこう本気で注目してます。音声が単体のツールじゃなくなるってことだから。台本を書くAIと、喋るAIと、それを動画に乗せるAIが、全部裏で手を繋いじゃう。料理で言うと、キッチンの調理器具が勝手に相談し合って、お皿まで出してくる感じ。……便利。でも、味を決めるのは誰なんだろうな、っていうのは、聞きながらずっと頭の隅にありました。

▶ この話題を動画で見る（11:05〜）

積さんが一番長く語ってくれたのがこの話でした。今週は表向き静かに見えて、実は水面下でものすごいことが起きてたコーナーです。何か新しい技術ができても、いいなと思ったらすぐ大手がポンと実装してくる。そういうスタートアップの厳しさを、積さん自身が肌で感じてるみたいでした。

積さん（11:05〜）

「最近動画の一貫性みたいなものはすごく言われてますけど、この画像とかそういういわゆるデザインの一貫性っていうのがそれぞれのブランドにとっては大事になってくるんじゃないかなっていう思うんです。」

AIが作れば作るほど、逆に「らしさ」が大事になってくる。競争より共創じゃないですけど、そこがブランドの生き残る場所になっていくんだろうなと思いました。だって、キレイな画像なんてもう誰でも1分で出せるんですよ。となると、あとは「これ、あの人のやつだ」ってひと目で分かるかどうかしか残らない。量では勝負にならない。一貫性って、地味なのに、いちばん高くつく資産なんだよなあ。

そこから話は、ブラウザという概念そのものの話に飛びます。オペラネオンっていう新顔が出てきて、エージェントがブラウザの中で自律的にタスクをこなす。積さんいわく、これが次のトレンドなんじゃないかと。

積さん（16:03〜）

「次どこに向かっていくのかっていうと、多分、ブラウザを吸収していくっていうか、ブラウザ側が進化していくということと、ブラウザを吸収していくっていうふうに向いていくんじゃないかなって思うんですね。これが次のトレンドじゃないかなって思ってます。」

吸収。この言葉がすごく引っかかりました。ブラウザを「使う」んじゃなくて、AIがブラウザごと飲み込んでいく感覚なんですよね。今までは私たちが手でタブを開いて、検索して、比べて、コピーして……ってやってた。その一連の動きを、まるごとAIが中でやる。私たちはもう画面を見なくなるかもしれない。ちょっと待って、それってブラウザって呼ぶ意味ある？って話になってくるんですよ。積さんが「ブラウザ側が進化していく」と「吸収していく」を並べて言ったのも、たぶんそこがまだ分かれ道だからで。どっちに転ぶか、今まさに賭けの最中なんだと思います。

MCPの繋がり方も、この1週間でだいぶ変わったなと感じました。今までコードを書かないと繋がらなかったのが、トグるボタンひとつで済むようになってきてる。

ひろくん（22:18〜）

「カーソルもバージョン1に、ついに1になったらしいんですけど、今触ってるんですけど、MCPがポチポチ、いわゆるコード書かなきゃMCPも繋がらないですけど、トグるボタン1個でみたいな感じで。」

ケーブルを挿すみたいに繋がる感覚、私もまさに今、体感してるところです。ポチ。……はい、繋がりました。それだけ。ちょっと前まで、ここに半日かけてたのに。

▶ この話題を動画で見る（23:17〜）

ここからは私の出番でした。紹介したかったのが、本木さんという方が一人で開発している国産のクリエイティブAIツール「カムイ」です。正直、初めて画面を見た人はまず戸惑うと思います。メニューも機能も多すぎて、何ができるのか分からなくなるレベルなので。

ひろくん（23:17〜）

「カムイはね、もうあの本木さんが開発している、まあ国産のまさに一人で開発してる、覚えない超高機能なんですけど、いろんなことができて。いきなりこの画面出てきてもわかんないと思うんですけど、簡単なのがこのグリモワール図書館ってとこに行くと、いろんな有志の人たちが作ってるテンプレートみたいのがあって。」

一人で、ですよ。これだけの機能を一人で作ってるって、もうそれだけで尊敬しかないです。しかも名前がいちいち楽しい。グリモワール図書館ですよ、図書館。魔導書の棚から1冊選んでくる感じ。こういう遊び心が全部に染みてるから、触ってて疲れないんですよね。

テンプレートを選んでコードを入れれば、意味が分からなくてもとりあえず動く。ここ、大事なところで。中身を理解してから使う、じゃなくて、動かしてから「あ、これこういうことか」って後から分かるんです。順番が逆。しかも一括生成ボタンをポンと押すだけで、画像生成・音楽生成・動画生成をAIエージェントがまとめてやってくれる仕組みになっています。ボタン1個。画像と音楽と動画が、同時に立ち上がってくる。……最初にこれ見たとき、私、笑っちゃいました。だってさっきまで別々のサービスを3つ行ったり来たりしてたんですよ。それが1回のクリックに畳まれてる。料理で言うと、前菜とスープとメインが、同じ火口から同時に出てくる感じ。厨房の常識が壊れてるんです。

去年の大会では、私も昔ゾルトラークっていうツールを作って優勝したことがあるんですけど、今はそれがカムイという形に育っています。

ひろくん（27:42〜）

「去年はゾルトラークって作ってたんですけど、今カムイっていうツールになっていて、今箱庭って新しいなんかこのいろんなやつをまた作ってる。最近はこのね、クロードコード使ってこんな意味わかんない魔法使いなんですけど、このツール使ってできることっていうのがいっぱいここに載ってます。」

触ってるうちに、作ることより遊ぶほうが楽しくなっちゃうんですよね、これ。本業に落とし込むところまで、まだ私も落としきれてないです、正直。でね。これ、たぶん悪いことじゃないと思ってて。遊べてるうちは手が止まらないでしょ。手が止まらないうちに、勝手に指が覚えていく。仕事に使えるかどうかは、そのあとで考えればいい。悪いことこそ宝物じゃないですけど、「まだ本業に繋がってない」っていう今のこのフワフワした時間が、いちばん濃い原液なのかもしれないなあ、なんて思いながら画面を共有してました。

▶ この話題を動画で見る（39:52〜）

動画生成のクオリティも、この1〜2週間で一段上がった感じがします。積さんが見せてくれた杉山さんの作品を見て、思わず脇のシワとか、細かいところまでガン見しちゃいました。明らかに、今までと違う。粗を探そうとしてる自分がいて、で、見つからない。いやー、これ地味にショックなんですよ。今までは「あ、ここが崩れてる」って言えたから、まだ安心してられたわけで。

積さん（39:52〜）

「すごい量ですね。つまり、映画とかCMとか、そういう長さのものを作ろうと思うと、文字は短いのを繋いでいくんですけど、それを作ろうと思うと、きっちりとそういうことを表現しなきゃダメよというところなんですね。」

短い文章をきっちり積み重ねる。地道な作業なんだなあと、ちょっと意外でした。派手なボタン一発じゃないんですよ。短いカットを1つずつ言葉で指定して、それを丁寧に繋いでいく。プロンプトの量がとにかく多い。ここ、勘違いしてる人けっこういると思うんですけど、AI動画って「楽になった」んじゃなくて「別の労力に置き換わった」だけなんですよね。撮影に行かなくていい代わりに、書く。ひたすら書く。

Lumaの新機能「Modify」も、出たばかりなのにすごいクオリティだそうです。

積さん（41:12〜）

「ほぼね。今のベオ3です。これ言ってる、これ昨日かな、出たやつが。今回2日前に出た。Modifyですね。LumaのModifyが出たんですけど、こいつもすごいですよね。」

2日前に出たばかりのものが、もうこのクオリティ。技術というより、企画とアイディアの勝負になってきてるって積さんも言ってたのが、すごく納得でした。小学校の発表会で、このレベルの映像作品が出てくる時代……そう考えると、なんだかワクワクします。うちの子が「宿題で動画作った」って持ってきたものが、CMみたいな仕上がりだったら。私、たぶん普通に泣きますよ。

それにしても、この1〜2週間だけでこれだけ動く。ちょっと前まで指がどうかな、ぐらいが唯一の粗探しポイントだったのに、今はもうそこすら怪しくなってきてる。積さんが「全米が泣くぐらい」って冗談っぽく言ってましたけど、あながち冗談でもない気がしてます。企画とアイディア、そこだけが人間に残った最後の仕事なんだよなあと、あらためて感じました。

マナスも動画を作ってくれるって話も出てましたね。何々の動画って頼んだら、それだけで作ってくれる。ショート広告みたいな短尺なら、これがいちばん向いてるって積さんも太鼓判を押してました。商品の写真を1枚入れるだけで、そのまま動画にしてくれる。固定した商品を、いろんな角度から見せてくれる感じ。……あ、そうだ。これ、地味だけど中小のお店にはめちゃくちゃ効くやつですよ。撮影スタジオも、カメラマンさんも、回転台もいらない。手元の1枚で済む。この地味な便利さ、私はけっこう好きです。

▶ この話題を動画で見る（59:50〜）

最後は、ジーニーさんのライブデモから。ChatGPTの高度な音声モードが急にスムーズになったという噂を確かめるために、その場で無料版と有料版を実際に喋らせて比べてくれました。無料版はまだ対応前、有料版のほうは「うーん」とか考えながら喋ってる感じがすごく自然で、その場にいた私たちも思わず「これ見抜けなくなってきますね」って口を揃えてしまいました。

いやー、あの「うーん」がズルいんですよ。だって、内容は一瞬で分かってるはずでしょ。分かってるのに、わざわざ考えるフリをする。人間くささって、実は間なんだなあと。あそこで一拍あるだけで、こっちは勝手に「あ、この人いま考えてるんだ」って思っちゃう。……怖くないですか、これ。ただ、以前あった元気いっぱいの声のモードがなくなったのは、ちょっと寂しかったです。あれは伝説でした。テンション高すぎて笑っちゃうやつ。ああいう振り切った変なやつ、なくなると意外と恋しいんですよね。

積さん（59:50〜）

「最後にニュースです。マイナンバーカードがiPhoneに実装されます。6月24日です。皆さんお待たせしましたね。このマイナンバーカードで、例えば保険証なんか便利なんだけど、マイナンバーカードを持ってないとログインできないですよね。」

保険証の代わりに使えるはずなのに、カード本体がないとログインできない。この矛盾、ずっとモヤモヤしてたので、これでやっと解消されそうです。6月24日。もうすぐじゃないですか。財布からあの硬いカードを引っ張り出す動作、たぶん一生忘れないと思うんですけど、それが要らなくなる。生成AIの話とは毛色が違うけど、こういう「日常の小さいストレスが1個消える」ニュース、私はけっこう好きなんですよ。

1時間があっという間でした。最後にただっちがまとめてくれた一言が、今日のすべてを物語ってる気がします。

ただっち（61:00〜）

「いかがだったでしょうかね。もうこの1時間だけでも相当濃い情報というか、多分触れきれない。僕も全部触れきれないと思いますが、一つでも面白そうだなと思ったらぜひぜひ試して、一回停止して調べて。」

本当にそう思います。全部を追おうとしなくていい。気になったものだけ、1個ずつ触ってみる。それでいいんだよなあ、と改めて思いました。ただっちが「僕も全部触れきれない」ってはっきり言っちゃうの、すごくいいでしょ。毎週これだけの情報を扱ってる人ですら、全部は無理なんです。だったら私たちが追いつけないのは当たり前で。焦る必要、まったくない。

今日だけでも、3Dモデル、音楽、ブラウザ、カムイ、動画、音声、マイナンバーカードって、話題が右から左にどんどん流れていった感じがします。それでも不思議と疲れなくて、むしろ聞いてるだけで元気が出てくる1時間なんですよね、日曜あさは。たぶん、誰も「これを覚えろ」って言ってこないからだと思います。ただ、面白がってる人たちが喋ってるだけ。だから聞いてるこっちも、勝手に面白がっていい。……そういう場所、意外とないんですよ。

関連記事