GIF検索サービス「Tenor」のAPI提供が2026年6月30日をもって終了しました。Tenorを傘下に置くGoogleによると「コア製品の強化にリソースを集中させる継続的な取り組みの一環」だとのことです。

「yt-dlp」はYouTubeなどの動画配信サイトからコンテンツをダウンロードできるコマンドラインツールです。Microsoft公式パッケージ管理ツールの「WinGet」を使うとコマンド一発でインストールできるので、インストール手順を改めてまとめておきます。

ソニーがズームレンズ一体型のデジタルカメラ「RX10V(DSC-RX10M5)」を2026年7月9日に発表しました。35mm判換算で24mm～600mmの焦点距離をカメラ1台でカバーできます。

Googleが、Google画像検索の提供開始25周年に合わせて、検索前からウェブ上の画像を閲覧できる新しいホーム画面と、検索結果の「AIによる概要」で画像を生成できる機能を発表しました。画像を探すだけでなく、利用者の関心に沿った画像を眺めたり、求める画像をその場で生成したりできるサービスへと刷新されます。

宇宙空間でX線写真を撮影するミッション「SpaceXray」の成果が2026年7月14日に放射線関連の学術誌であるRadiologyに掲載されました。研究チームは宇宙空間で人体やデバイスのX線写真を撮影することに成功しています。

AI企業のThinking Machines Labが、用途に合わせた追加学習を重視する新たなAIモデル「Inkling」を発表しました。モデルの重みが公開されるオープンウェイトモデルで、文章だけでなく画像や音声も扱えるほか、思考に使う計算量の調整も可能とのことです。

年を取るにつれて人の顔を見分ける能力が低下することは知られていますが、その仕組みは十分に解明されていません。香港科技大学や香港理工大学などの研究チームは顔認識実験の結果から、顔を見る際の目の動かし方が不安定になることが加齢に伴う顔認識能力の低下の一因になり得ると指摘しています。

イーロン・マスク氏が立ち上げたAIスタートアップのSpaceXAI(元xAI)が、AI・Grokを悪用して児童性的虐待画像(CSAM)のディープフェイクを作成したとして逮捕されたサウス・カロライナ州の男性を提訴しました。AIシステムを使ってわいせつなコンテンツを生成したユーザーをAI企業が提訴した初期事例として注目されています。

中国の大手テクノロジー企業であるAlibabaのAI研究チームが画像生成AI「Qwen-Image-3.0」をリリースしました。Qwen-Image-3.0は「小さな文字を含む画像」を生成することを得意としているほか、物体の質感を細かく表現することもできるとのこと。Qwen Studioのアカウントを作成すれば無料で使用可能だったので使ってみました。

NVIDIAは、AIで生成された可能性がある動画をフレーム単位で解析する「Synthetic Video Detector」を発表しました。報道機関や放送局などでの利用を想定したAIマイクロサービスで、非圧縮動画では最大92％の精度を記録し、1080p動画を最短22ミリ秒で処理できるとされています。

最先端のAIモデルを一カ所でまとめて試せるプラットフォームのTryAIが、Anthropicが2026年6月10日にリリースしたClaude Fable 5、OpenAIが2026年6月29日に発表したGPT-5.6 Sol、SpaceXAIが2026年7月9日にリリースしたGrok 4.5、Googleが2026年7月22日に発表したばかりのGemini 3.6 Flashという4つのAIに、さまざまな画像を描画させることで各AIのコストパフォーマンスや画像生成性能を比較しています。

AI開発企業のBlack Forest Labsが独自開発のAIモデル「FLUX 3」を発表しました。FLUX 3は「画像」「動画」「音声」の生成に対応したマルチモーダルモデルで、記事作成時点では動画生成機能が早期アクセス版としてリリースされています。

Microsoftが画像生成AI「MAI-Image-2.5-Pro」をリリースしました。テキストからの画像生成と、画像の編集に対応しています。

生成AI企業のRunwayは2026年7月23日、画像・動画・音声の生成に使うAIモデルを自動で選択する「Runway Media Router」を発表しました。開発者向けプラットフォーム「Runway Dev」に追加された新機能で、品質や処理速度、料金の優先順位に合わせて自動で利用モデルを切り替えます。

顔を無断で使用した動画が権利関係の問題で削除される事例が中国で相次いでいます。こうした状況を逆手に取り、最初から顔の使用権を販売しようとするビジネスモデルが成立していることが伝えられました。

Googleは画像生成AIモデル「Nano Banana 2」を使ってGoogle Earth上の風景を加工できる画像生成機能を公開しましたが、偽の災害現場や軍事施設などを容易に作成できることが問題視され、提供開始からわずか1日で機能を撤回しました。Googleは、ポリシーに違反するとみられる生成画像のスクリーンショットが共有されていたとして、より強力な安全対策を導入するまで機能を停止すると説明しています。

北京理工大学の研究チームが、赤外線の波長と強度を可視光の色と明るさに変換し、人間が赤外線を「フルカラー」で見られるようにする光電変換デバイスを開発しました。試作した半透明のメガネ型装置は重さ23gで、従来の単色表示よりも微細な赤外線の違いを識別しやすく、暗所での視認や拡張現実、視覚補助技術への応用が期待されています。

AI開発企業のBlack Forest Labsが動画生成AI「FLUX 3 Video」を現地時間の2026年8月4日に一般公開しました。FLUX 3 Videoは最大20秒・1080p(フルHD)の音声付き動画を生成可能です。

フランスのAI企業Mistral AIが2026年8月4日、文章や画像が指定した安全基準に当てはまるかを判定するAIモデル「Shieldstral 1.0 3B」を公開しました。パラメーター数は30億で、サービスごとの安全基準を自然な文章で指定できる点が特徴です。

「レグレッシブJPEG」とはJPEGのプログレッシブ表示機能とスキャン範囲の制御を利用して単一の画像ファイル内に複数の画像を埋め込み、アニメーションやビデオのように見せる技術です。レグレッシブJPEGとはどんなものかについては以下のブログサイトで解説しています。

オープンモデルとして公開されている動画生成AI「MiniMax H3」の開発チームがオンライン掲示板のRedditでAMA(Ask Me Anything：何でも聞いて企画)を実施し、今後も各種AIモデルを公開予定であることを明言しました。

SpaceXAIが画像生成AI「Imagine Image 2.0」を2026年8月7日にリリースしました。Grokの無料ユーザーでも実行可能だったので、実際に複数の画像を生成して性能を確かめてみました。

Google DeepMindの手話チームが、手話の映像を文字に変換する「多言語手話・テキスト変換(sign-language-to-text：SL2T)翻訳モデル」を発表しました。2026年8月20日発売のPixel 11で、手話で文字を入力できるようになる予定です。

アメリカに拠点を置くAI企業のLiquid AIが視覚言語モデル「LFM2.5-VL-3B」を発表しました。LFM2.5-VL-3Bはスマートフォンでも動作することが確認されている軽量VLMで、文書のOCRやUIの認識などが可能。オープンモデルとして公開されており、無償でダウンロード可能です。

アメリカ全土にナンバープレート追跡用の監視カメラネットワークを構築しているFlock Safety(Flock)が、「監視カメラ映像が警察官によるストーキングに悪用されていた」などのスキャンダルを受けて、不正利用を防ぐための対策を表明しました。

画像生成AIを開発するMidjourneyがディズニー、ユニバーサル、ワーナーブラザース・ディスカバリー(WBD)の大手映画スタジオ3社との著作権訴訟において、スタジオ側のAI利用実態を開示するよう求めています。両者の対立は開示手続きの範囲を巡るものに移っており、担当判事は消費者向けの映像や画像に関する情報のみ開示対象とする判断を示していましたが、Midjourneyはこの制限の撤回を求める申立てを行いました。

現地時間の2026年7月7日、Metaが画像生成AI「Muse Image」と動画生成AI「Muse Video」を発表しました。Muse Imageはすでにサービスが展開されていて、Muse Videoは近日中にサービス開始予定です。

AIモデルの中には画像認識に対応したものが多くあります。AIに画像を認識させるワークフローのコスト削減策として「入力画像の解像度を低くする」というアイデアが広がっているのですが、AIのAPI提供サービスを展開するOpenRouterが「解像度を低くすると逆にコストが増大する」という実験結果を報告しています。

ウェブサイトのログインやフォーム入力時には画像の中から特定の物体を選ぶもの、「私はロボットではありません」というチェックボックスをクリックするもの、パズルのピースを正しい位置に合わせるものなどさまざまな認証テストが使われています。こうした認証テストは「CAPTCHA」と呼ばれ人間とボットを見分けるために使われてきましたが、AIの進歩によって有効性が疑問視されていると科学系メディアのLive Scienceが解説しています。

動画生成AI「LTX-2」や「LTX-2.3」の開発チームがAI企業「LTX」として独立することを発表しました。LTXは仮想世界を構築して物理現象などのシミュレーションを可能とする世界モデルの研究に取り組んでおり、今後も自社製AIモデルをオープンモデルとして公開し続ける姿勢を示しています。