NoLang運営チームよりお届けしている、Mavericks AIニュースをご覧いただきありがとうございます！

① Googleが「Nano Banana 2」をリリース！速度2倍・コスト半分、無料版でも利用可能に

昨年11月にGoogleがリリースしたAI画像モデル「Nano Banana Pro（Gemini 3 Pro Image）」は、サムネイルや図解など、テキスト入り画像を驚異的な精度で出力することが可能であったことから、業界に衝撃を与えました。

そのGoogleが米国時間2月26日、新たにAI画像モデル「Nano Banana 2」をリリースしました。別名「Gemini 3.1 Flash Image」と呼ばれ、Google社の公式発表を意訳するなら「Nano Banana Proの出力品質の高さと、Gemini Flashの速さのいいとこ取りをしたモデル」です。

Nano Banana Proに匹敵する描画能力を有し、テキスト入りの図解画像をほとんど字崩れすることなく生成できるほか、14体のキャラクターを画像で指定し、全員を正確に登場させるといった複雑なタスクもこなすことができます。

Nano Banana 2の使用例。画像で指定した14体のキャラクター全員を、正確に登場させられている
（Google）

もっとも私の印象としては「匹敵」に留まり、Nano Banana Proを超える出力品質が得られることは稀です。SNS上でも同様の評価が多く見られ、画像生成AIのフロンティアを押し上げるようなモデルではなかったと言えるでしょう。

他方、速度・コストの改善は着実です。APIやGeminiアプリでの生成時間は15〜30秒程度で、単純な比較は難しいものの、私の環境ではNano Banana Proと比較して約1.5〜2倍の速度向上が見られました。さらに1K画像の出力価格も約10円と、Nano Banana Proの半分です。

Nano Bananaシリーズの料金比較。出力価格（画像）の比較から、画像出力そのものにかかる料金は、Nano Banana 2（$60.00 / 1M tokens）がNano Banana Pro（$120.00 / 1M tokens）の半分であることが分かる。
（Gemini料金ページをもとに、Nano Banana 2を用いて生成）

そして改めて、AIモデルのコストは指数関数的に改善されていくことを示唆する結果にもなりました。Epoch AIの今年2月の発表によれば、能力レベルを固定すると、最先端AIモデルの推論コストは、1年あたり約5〜10分の1のペースで低下しているとされています。

固定の能力レベルに到達するAIモデルの推論コストは、1年あたり約5〜10分の1のペースで低下しているとされる
（Epoch AIの記事を一部ハイライト）

Nano Banana Proのリリースからわずか3ヶ月で品質を維持しながらコストを最大半減させた今回の発表は、このトレンドにしっかりと沿っています。AIモデルの性能進化・コスト低下はまだまだ留まるところを知らないようです。

② SVGに特化したAIモデル「Arrow 1.0」リリース！Claude・GPT・Geminiを圧倒

AIスタートアップ企業 QuiverAI社が、SVG特化型AIモデル「Arrow 1.0」をリリースしました。ロゴやアイコンなどに広く使われる、拡大しても劣化しないSVG形式の画像を、GPT、Claude、Geminiといった最先端AIモデルよりも遥かに高い精度で生成できるとして、大きな話題を呼んでいます。

「自転車に乗るペリカン」についての、QuiverAI社のArrow 1.0とGemini 3.1 Pro, GPT-5.3 Codexの生成結果比較（a16zの発表をもとに作成）。

SVG画像は一般的なAI生成画像（ピクセル画像）とは異なり、プログラムで表現される画像であることから、事後編集を正確に行うことができます。もちろん以下の投稿で紹介されている通り、AIで編集することも可能です。リアルタイムにお絵描き形式でSVG画像がレンダリングされていくUIも大変面白く、是非ご覧ください。

Twitter tweet

プログラムで書かれている利点は他にもあります。例えば以下のように、生成したSVG画像に アニメーションを付与して動画化することも可能です。

Twitter tweet

開発元であるQuiverAI社についても触れておきましょう。同社は今回のリリースと同時に、米ベンチャーキャピタルa16zをリードとする、シードラウンドで830万ドルの資金調達を発表したスタートアップで、共同創業者のJoan Rodriguez氏はSVG生成AI研究の世界的トップ研究者です。

同氏が公開したオープンソースのSVG生成モデル「StarVector」は4,000を超えるGitHubスターを獲得しており、「Built by researchers. Made for designers」をコンセプトに、研究力を武器にAIモデル・プロダクトの開発を行っていくようです。

SVG生成のベースとなる「プログラム生成」は、言わずもがなAIの得意領域のうちの1つです。通常のピクセルベースの画像・動画生成AIの進化をなぞるようにして、 SVG生成においても、プロデザイナーが作成したイラストと遜色ない水準の画像・動画が作成できるようになる未来はかなり近くまで来ているのではないでしょうか。

③ Claude Codeがスマホから操作可能に！ソファでも移動中でも仕事をこなせる

Anthropic社が米国時間2月24日、AIコーディングエージェント「Claude Code」をスマートフォンなどから操作できる新機能「Remote Control」をリリースしました。作業の進捗をソファから確認したり、電車内や子どもの寝かしつけ中にコード修正を依頼したりと、デスクを離れてもコーディングを止めずに済むようになります。

Twitter tweet

セキュリティ面への配慮もしっかりなされています。スマホはあくまでもPCへの代理入力画面として機能するだけであり、コードやファイルがクラウドに移動することはありません。スマホからはClaude Codeへの入力と、結果の読み取りができるのみです。

スマホからAIエージェントを操作できるツールとしてはOpenClawも話題ですが、こちらはスマホ等を介してAIにPC操作の全権限を与えることが可能であり、遥かにリスクが高い設計です。Remote Controlはその点、必要最小限の接続に留める堅実なアプローチと言えます。

OpenClawの機能説明。ユーザーが好きなLLMを選び、好きなペルソナを与えた上で、自身のデバイスにフルアクセス可能なAIエージェントを作成することができるが、「フルアクセス」はセキュリティ上の危険を伴い、諸刃の剣である（OpenClaw）

さて、最近は非エンジニアの方でも、Claude CodeやCoworkを活用される方が増えてきている印象ですが、そもそもこれらはChatGPTと比べて何が革新的なのでしょうか？

以前のニュースレターでは「一緒に計画を立ててくれる」点について言及しましたが、加えて「今までより遥かに効率よくAIを育成できる」点をおさえておくべきでしょう。

これまでもGPTsやGemsなどのチャットAIにて、カスタムプロンプトを作成したり、ファイルを添付したりすることでAIをカスタマイズできたものの、それらを設定するのは非常に手間でした。一方Claude Codeは、こうした設定をすべてローカルPCのファイルで記述でき、さらにAI自身が設定ファイルを作成・編集できる点が画期的です。

例えば記事執筆タスクで、「情報収集 → ドラフト執筆 → レビューによる修正」というフローをAIにこなしてもらったとします。すると必ず不満が生じダメ出しをするわけですが、そこでの反省をAIに指示して設定ファイルに書かせることで、以後同じようなミスをしないように教育できるのです。

Claude Codeで記事執筆タスクを行う際の、AI育成の具体例

このようなAIの育成は再現性の向上に繋がることから、繰り返しの多いタスクでは特に有用です。情報収集・事務処理など、一日一回あるいは週一回でこなしているタスクを洗い出して、是非試してみてはいかがでしょうか。

Nano Banana 2 (in Gemini) (https://gemini.google.com/)

• Googleの最新AI画像モデル「Nano Banana 2」をGeminiアプリから試せるように

• Nano Banana Proに匹敵する性能でありながら、速度が1.5〜2倍程度早くなった

• さらに無料でも試すことが可能。まずは右下のモード選択で「高速モード」にして、生成時間を抑えて生成するのがおすすめ

QuiverAI (https://quiver.ai/)

• ClaudeやGeminiより遥かに正確にSVG画像を生成できる「SVG特化型AIモデル」

• 「Imagine」でテキストからのSVG生成はもちろん、「Vectorize」モードでピクセル画像をベクター化することも可能

• 今後アニメーション付与や、タイポグラフィ生成にも対応予定

• 無料でも1週間に20枚のSVG画像を生成可能

最後までお読みいただきありがとうございました。
サービス改善のため、アンケートにご協力いただけると幸いです。「ワンクリック」で完了します。

株式会社Mavericksは2023年、世界に先駆けてリアルタイム動画生成AIサービス「🐬NoLang」をリリースし、現在15万超のユーザーを抱えるまでに成長してきました。法人向けの展開も行い、法人プランのユーザー数は60社を突破しています。また、大手企業との協業や独自開発案件にも着手しており、唯一性の高い価値創出が加速しています。

今後、NoLangを中核に据えながら事業をさらに成長させるべく、エンジニア・デザイナー、営業・マーケティング担当、そして全方位で学生インターンの募集を開始しています。法人営業の担当や、SNS運用などに興味のある方も、ぜひこちらのフォームより一度ご応募ください。

採用ページでは、弊社の実績、求める人物像に加え、メンバーの声をインタビュー形式で掲載しております。興味を持った方はぜひご覧ください。お問い合わせは、hr@mvrks.co.jpにて受け付けています。https://

また、私たちはニュースレターだけでなくXやInstagramにおいても、開発プロダクトに関する最新情報について積極的に発信しています。こちらも是非チェックしてみてください！

Twitter tweet

NoLang運営チームよりお届けしている、Mavericks AIニュースをご覧いただきありがとうございます！

① ついにGeminiに音楽生成AIが搭載！マルチモーダルを活かしてSuno, Udioとは別路線へ

昨年末から激しい変化を見せていた音楽生成AI分野に、ついにGoogleが参入してきました。

米国時間2月18日、GoogleがAIアシスタントGeminiに音楽生成AI「Lyria 3」を搭載しました。最大30秒のボーカル付きの楽曲を生成可能であり、画像生成AI「Nano Banana」でカバー画像も自動生成してくれるというキャッチーな機能も含めて話題を呼んでいます。

Twitter tweet

音楽生成AIツールとしてはSunoやUdioが有名ですが、Lyria 3はこれらとどのように違うのでしょうか？

最大の違いはターゲット層です。SunoやUdioが主にプロ向けの機能を拡充しているのに対し、Lyria 3は、Geminiのマルチモーダル性を活かしたライト層向けのツールとして提供されています。

実際、使い方は非常に簡単です。いつものようにGeminiを開き、あらかじめ用意された16の音楽ジャンルの中から好きなものを選んだら、あとはプロンプトを入力するだけです。また画像や動画も入力可能な点もユニークで、公式発表では、旅行で撮影した思い出の写真に合う音楽を作成するなど、日常使いできるAIであることが強調されています。

Lyria 3の操作画面。16の音楽ジャンルの中から好きなものを選んでプロンプトを入力するだけで簡単に音楽を生成できる。

音楽AI分野で特筆すべきこととして、著作権の取り扱いについて非常にセンシティブな点が挙げられます。現在は一部和解したものの、2024年6月には、米三大レーベル（Sony Music、UMG、Warner）が音楽生成AI 2トップのSunoとUdioを著作権侵害で提訴しました。それだけに各社が参入を見送っていた領域であり、実はビッグテックが自社開発のモデルをもとに、ボーカル付きの楽曲生成サービスを提供したのは、私が知る限り今回が初めてです。

Lyria 3は、音楽生成AIとしての性能はSunoやUdioに劣るという声が多いです。特に楽曲の自由度が低く同じような音楽になりがちで、AIモデルとしての性能にはまだ改善の余地が大きいでしょう。

もちろんSunoやUdioも手をこまねいているわけではなく、それぞれかつて「敵」同士であったレーベルと業務提携を行い、正当な形でアーティストの楽曲をもとにした音楽が生成できるプラットフォームの公開に向けた準備を進めています。各社からの更なる発表に注目したいところです。

② Googleが「Gemini 3.1 Pro」をリリース！Geminiらしさを残して順当進化

昨年11月にリリースされたGoogle社のAIモデル Gemini 3.0 Pro は、「AIっぽくないデザイン」を生成できるようになったことで、デザイン分野におけるゲームチェンジャーとなりました。

それから3ヶ月。米国時間2月19日に、Google社が後継モデル「Gemini 3.1 Pro」をプレビュー版としてリリースしました。前モデルでは実現できなかったような新たなユースケースはまだ発掘されていないものの、着実な知能の向上を感じさせるアップデートです。

中でも最も印象的だったのは、SVGアニメーション作成性能の向上です。是非以下の前モデルとの比較動画をご覧ください。

Twitter tweet

SVGとは、プログラムで書かれたベクター画像・動画のことを指します。Geminiはもともとデザイン能力に長けたAIモデルであり、webサイトやスライド画像の生成において抜群の表現力を有していましたが、今回新たにSVGという表現手段を獲得した形です。

またGeminiにはOpenAI社やAnthropic社のモデルと比較して、検索機能を使いこなすのが得意ではない、コーディング実務において使いにくいといった特有の弱点を持つことが知られていましたが、こうした弱点に関しても一定軽減されているようです。実際、Artificial Analysis社による評価でハルシネーション率が減少したことが話題になりました。

Twitter tweet

存在しない「NoLang 5.0」についてGemini 3.0 Pro, Gemini 3.1 Proに尋ねた結果。このケースではGemini 3.1 Proのみが正しく回答できている。

もっとも、Geminiは良くも悪くも「Geminiらしさ」を保っており、他社モデルと比べて苦手領域の評価を覆すには至っていない印象です。OpenAI社は検索と推論、Anthropic社はコーディング、そしてGoogle社はデザインと柔軟性。各社がそれぞれの得意領域を磨きながら鍔迫り合いを続ける構図は、まだまだ続きそうです。

③ Anthropicが「Claude Code Security」を発表。セキュリティ株が次々急落

米国時間2月20日、Anthropic社がコードベース全体の脆弱性をスキャンし、人間のレビュー用に修正パッチを提案するツール「Claude Code Security」を発表しました。従来のルールベースによる静的解析に留まらず、AIエージェントの自律性を活かして人間のセキュリティ研究者のようにコードを読み、複雑な脆弱性までも検出可能な点が画期的です。

Twitter tweet

セキュリティ分野におけるAIのポテンシャルは凄まじく、Anthropic社はClaude Opus 4.6を活用し、数十年にわたり専門家のレビューをすり抜けてきた500件以上高深刻度の脆弱性を、オープンソースのコードベースにおいて発見したと報告しています。

今年に入ってから、Claude Codeやそれを非開発者向けにアレンジしたCoworkにおいて、各種ソフトウェアを代替するような機能が追加されることにより、ソフトウェア株が下落する現象が相次いでいます。今回も例外ではなく、JFrog社の株価が約25%急落したほか、Cloudflare社、Okta社といった大手企業も大きな影響を受けています。

Claude Code Securityの発表を受けて、JFrog社の株価は1日で25%下落した

もっとも今回の市場の反応は短絡的であると言わざるを得ず、むしろセキュリティ企業にとって追い風になる可能性も十分にあります。

第一に、Claude Code Securityのようなコード検査AIが保証できる安全は、セキュリティの全体像から見れば氷山の一角にすぎません。実際に対処できるのはコードの脆弱性に限られており、運用面のセキュリティやアイデンティティ管理（例：2段階認証）といった領域は無数に残されています。

第二に、AIの性能向上は守備側だけでなく攻撃側も「スキル強化」と「スケール」の2点から強化するという構造的な問題があります。

この脅威はすでに現実のものとなっており、国内では昨年、中高生が生成AIを使ったプログラムで楽天モバイルの回線を1,000件以上不正契約したとして逮捕されました。また国家規模の攻撃においても、Anthropic社は中国の国家支援グループがClaude Codeを利用して世界約30組織を標的にし、戦術的操作の80〜90%をAIに自律実行させていたと報告しています。AIはサイバー攻撃の敷居を大幅に引き下げると共に、熟練したハッカーによる攻撃規模を拡大させているのです。

AIエージェントの能力は、少なくないスタートアップがコードの80〜90%がAIで生成されていると発信する水準にまで到達しました。そのような「転換点」を迎えている今年は特に、サイバー攻撃のリスクが顕在化していくのではないでしょうか。

Gemini, Lyria 3 (https://gemini.google.com/)

• Geminiに音楽生成AI「Lyria 3」と新モデル「Gemini 3.1 Pro」が搭載

• Lyria 3は「ツール → Create music」で呼び出せる。テキスト・画像・動画を入力できるマルチモーダルモデルで、公式提供されているプロンプトガイドを参照するのがおすすめ

• Gemini 3.1 Proは、テキストボックス右下で「Pro」を選択することで利用可能。あるいはGoogle AI Studioでも利用できる

• どちらも無料でも試すことが可能。ただしGemini 3.1 Proはやや挙動が不安定であることに注意

Suno (https://suno.com)

• 現在、最も人気が高いと言われる音楽生成AIツール

• Google Lyria 3と異なり、歌詞・音楽のスタイル・歌い手の性別等を細かく指定できる

• さらに既に作成した音楽を参照させ、歌手・スタイルを固定して音楽を生成できる「Persona」機能もある

• SimpleモードではなくCustomモードを選択し、作りたい曲のテーマを考えたら、歌詞、スタイルをそれぞれChatGPTに考えさせて音楽生成するのがおすすめ

最後までお読みいただきありがとうございました。
サービス改善のため、アンケートにご協力いただけると幸いです。「ワンクリック」で完了します。

株式会社Mavericksは2023年、世界に先駆けてリアルタイム動画生成AIサービス「🐬NoLang」をリリースし、現在15万超のユーザーを抱えるまでに成長してきました。法人向けの展開も行い、法人プランのユーザー数は60社を突破しています。また、大手企業との協業や独自開発案件にも着手しており、唯一性の高い価値創出が加速しています。

今後、NoLangを中核に据えながら事業をさらに成長させるべく、エンジニア・デザイナー、営業・マーケティング担当、そして全方位で学生インターンの募集を開始しています。法人営業の担当や、SNS運用などに興味のある方も、ぜひこちらのフォームより一度ご応募ください。

採用ページでは、弊社の実績、求める人物像に加え、メンバーの声をインタビュー形式で掲載しております。興味を持った方はぜひご覧ください。お問い合わせは、hr@mvrks.co.jpにて受け付けています。https://

また、私たちはニュースレターだけでなくXやInstagramにおいても、開発プロダクトに関する最新情報について積極的に発信しています。こちらも是非チェックしてみてください！

Twitter tweet

NoLang運営チームよりお届けしている、Mavericks AIニュースをご覧いただきありがとうございます！

【📢お知らせ】来週2/23（月・祝）に「バイブコーディングの限界」「AI時代に求められる能力・知識」「今後のキャリア形成」をテーマに、私を含め🐬NoLang運営メンバーが登壇します！詳細につきましては、以下をご覧ください。

【東大スタートアップ創業エンジニア登壇】バイブコーディングで本当のプロダクトが作れない理由 · Luma

今回は、「バイブコーディングの限界」「AI時代に求められる真の能力と知識」「今後のキャリア形成」といったテーマのイベントになります。 日本発の生成AI toCプロダクトとして、15万人以上の登録者を持つ動画生成 AI…

luma.com/039q1t3v

① TikTok運営元ByteDanceがSora2越えの動画生成AI「Seedance 2.0」を発表！

TikTokの運営元であるByteDance社が、音声付きの動画生成AIモデル「Seedance 2.0」をベータ版としてリリースしました。X上では昨年9月のSora 2リリース以来となる大きなバイラルが巻き起こっており、Seedance 2.0で生成されたいくつもの動画が100万回再生を突破しています。

プロンプトへの忠実性の高さが広く評価されているほか、高速な動きとカメラワークが入り混じるアクションシーンの生成に関しては、ビジュアル・音声の両面で目を見張るほどの品質です。是非以下の動画を音声ONでご覧ください。

Twitter tweet

また動画の品質が高まっただけでなく、制作時における指示の出し方も格段に直感的になっています。このモデルでは画像9枚、動画3本、音声3本を参照素材として入力でき、「『画像A』を背景に、『画像B』の俳優を『動画C』のモーションに合わせてアクションさせて」といった形で、複数の素材を組み合わせた柔軟な指示が可能です。

Twitter tweet

一方で残念なことに、今回のバイラルはSora 2リリース時と同様、少なくとも公開直後の段階では著作権保護を目的としたガードレールが一切敷かれていませんでした。実際にSNS上では、Seedance 2.0で作成された「高市首相 v.s. ウルトラマン」「もしワンピースのルフィがxxxしたら？」といった動画が氾濫しており、こうした事態を受けて2月13日、小野田AI戦略担当相が閣議後記者会見にて、政府として調査に乗り出す考えを示す事態となりました。

Sora 2の公開から半年経たずして実現された今回のリリースが意味するのは、AIモデル開発技術のコモディティ化です。LLMや画像生成AIにおいては既に、Claude 4.5 OpusやNano Banana Proなど、OpenAI社の最上位モデルを一部凌駕するモデルが登場していましたが、動画生成AIにおいても、OpenAI社の技術的優位は僅かであることが決定的になりました。

そして、権利侵害の恐れがありながらも人気を集めてしまうAI生成コンテンツは急速にインターネットを席巻しており、生成そのものを禁止することはもはや現実的ではありません。クリエイターとオーディエンスの双方が安心してAIコンテンツと向き合えるプラットフォームの整備が急務ではないでしょうか。

② AIキャラクター企業「Shizuku AI」が米大手VC a16zから日本関連企業として初出資！

米大手ベンチャーキャピタルa16z（アンドリーセン・ホロウィッツ）が、日本発のAIキャラクター開発企業「Shizuku AI」に対し、7500万ドル（約120億円）の評価額で出資を行ったと発表しました。a16zによる日本関連の投資はこれが初めてであり、創業からわずか半年の企業がこれほどの評価を得たことは大変興味深いです。

なぜShizuku AIはここまで高く評価されたのでしょうか？

（a16z）

a16zはブログの中で、Shizuku AI CEOの小平暁雄氏が、「世界トップレベルの技術力」「AIキャラクターの構築・運用経験」、そして日本で培ってきた「キャラクター文化に対する直感」という3つの要素を兼ね備えた稀有な人材であることを、出資の理由として挙げています。

小平氏は2024年12月に、1秒間に最大約100枚の画像を生成できるAI技術「Stream Diffusion」を発表し、世界的に大きな注目を集めました。一方でその傍ら、GPT-4登場以前の2023年1月から、AI VTuber「Shizuku」の運営・開発を手がけてきた人物でもあります。ShizukuはYouTube上でライブ配信を行っており、音声合成はもちろん、視聴者への回答もAIによってリアルタイムに生成されています。

【しずくV2.0 初配信】ただいま、ご主人様！【AI VTuber】
（YouTube）

AI VTuberとしては、英語圏でYouTube登録者数80万人を超える「ネウロ様」が人気を集めていますが、「VTuber生みの国」である日本からはまだ同等の規模を持つIPは誕生しておらず、Shizukuはその先駆者の一人と言える存在です。

そしてもう1つ注目すべきは、a16z社がAI VTuberを含む「AIコンパニオン」領域を特に重要視している点です。「AIコンパニオン」とは、タスクをこなすための道具に過ぎない「AIアシスタント」とは異なり、ユーザーの生活に自然に溶け込む存在として振る舞うAIを指します。

この領域の代表的なサービスとしては、イーロン・マスクやマリオなどのキャラクターを模したAIチャットボットと会話できる「Character.AI」や、xAI社のGrokで提供されているAIガールフレンド「Ani」が挙げられます。そしてa16z社の報告によれば、2024年時点でCharacter.AIにおけるユーザーの平均滞在時間は1日あたりなんと2時間にも及んでおり、ヘビーユーザーを生み出すポテンシャルの高さが注目を集めているのです。

2024年のAIモバイルアプリTop 50に選ばれたアプリのカテゴリ別に、ユーザーの一月あたりの平均セッション数を集計したグラフ。Companionカテゴリが突出していることが分かる
(a16z)

もっともa16z社が指摘している通り、現在の技術では「魅力的で主体性のある会話」を生み出すことが難しく、AIがリードする会話がつまらないという根本的な課題が残っています。これに対しShizuku AIでは、ファンコミュニティがAI VTuberの活動を主導する仕組みを構築することで、この課題の解決を図るとされています。「技術」と「文化」の両面から勝負できる日本発の企業が、巨額の資金調達を足がかりにどのようなポジションを確立していくのか、注目が集まります。

③ OpenAIが超高速コーディングAIモデル「GPT-5.3 Codex Spark」を公開！

米国時間2月12日、OpenAI社が超高速コーディングAIモデル「GPT-5.3 Codex Spark」の研究プレビューを公開しました。今年1月に提携を発表していたCerebras社のAIチップを活用しつつ、モデルを小型化することで、毎秒1,000トークン以上という圧倒的な生成速度を実現しています。

以下の公式投稿では、Codex Sparkがスネークゲームと呼ばれる有名ゲームを10秒もかからずに実装する様子が収められています。普段コーディングをしない方でも、直感的にモデル高速化の恩恵を理解できる動画になっているかと思います。是非ご覧ください。

Twitter tweet

この新モデルは、30秒〜数分の時間をかけてじっくりとタスクをこなす従来モデルを置き換えるものではなく、あくまでも補完的な役割を担うようです。

実際Codex Sparkは、「長期的な推論と実行を担うモード」と「リアルタイム共同作業モード」を備えたCodexに向けた第一歩と位置付けられています。将来的にはChatGPT GPT-5のように、タスク・サブタスクごとに処理モデルを切り替えることで、性能と速度を両立したAIエージェントの提供を目指していると考えられます。

今回の高速化に貢献したCerebras社は、2024年8月にNVIDIA GPUより20倍高速なLLM推論サービスを公開して話題になったスタートアップです。同社はNVIDIA GPUよりも遥かに巨大なAIチップを開発しており、メモリへの読み書き速度（メモリ帯域幅）のボトルネックを解消することで高速化を実現しています。

CerebrasのAIチップ「WSE-3」とNVIDIAの「H100」チップのサイズ比較
（Cerebras）

Codex Sparkは「超高速モデル群の第一弾」と位置付けられており、現時点ではテキスト入力にしか対応していませんが、今後マルチモーダル入力への対応や、より大規模なモデルへの高速化技術の適用も予定されています。

私個人としては、ChatGPTの高速モデルへの切り替え機能は回答精度が下がるデメリットが大きいと感じており、「GPT-5.2 Thinking」を常に使用しています。Codex Sparkのような高速モデルが今後、実タスクでどこまで生産性向上に寄与してくれるのか、引き続き動向を注視したいところです。

VoiceOS (https://www.voiceos.com/)

• 音声入力用のAI文字起こしツール。Aqua Voice等のサービス同様、単に文字起こしするだけでなく、フィラーを消したり、文体を調整するなどして整形してくれる

• さらにLLMに音声で指示を出せる「Ask mode」が搭載されており、例えば「行けないって返信して、リスケ提案して」と喋るだけで、メール文を作成できる

• Y Combinatorに採択されており、日本出身のKai Brokering氏が共同創業者を務める

• 無料枠があり、Googleログインだけで試すことが可能

Dictation mode

Claude (https://claude.ai/)

• これまで有料プランでしか使用できなかった、4つの新機能を無料プランでも利用可能になり、試しやすくなった

• 特に注目したいのは「ファイル作成機能」。PowerPoint・ExcelファイルをClaudeに直接作成してもらうことが可能に。OpenAIやGeminiと比べても、総合的な資料作成スキルで上回っている印象

• 他にも、コネクタによる外部アプリ連携、カスタムSkillの作成、会話履歴の自動圧縮機能が開放

最後までお読みいただきありがとうございました。
サービス改善のため、アンケートにご協力いただけると幸いです。「ワンクリック」で完了します。

株式会社Mavericksは2023年、世界に先駆けてリアルタイム動画生成AIサービス「🐬NoLang」をリリースし、現在15万超のユーザーを抱えるまでに成長してきました。法人向けの展開も行い、法人プランのユーザー数は60社を突破しています。また、大手企業との協業や独自開発案件にも着手しており、唯一性の高い価値創出が加速しています。

今後、NoLangを中核に据えながら事業をさらに成長させるべく、エンジニア・デザイナー、営業・マーケティング担当、そして全方位で学生インターンの募集を開始しています。法人営業の担当や、SNS運用などに興味のある方も、ぜひこちらのフォームより一度ご応募ください。

採用ページでは、弊社の実績、求める人物像に加え、メンバーの声をインタビュー形式で掲載しております。興味を持った方はぜひご覧ください。お問い合わせは、hr@mvrks.co.jpにて受け付けています。https://

また、私たちはニュースレターだけでなくXやInstagramにおいても、開発プロダクトに関する最新情報について積極的に発信しています。こちらも是非チェックしてみてください！

Twitter tweet

NoLang運営チームよりお届けしている、Mavericks AIニュースをご覧いただきありがとうございます！

【📢お知らせ】2/23（月・祝）に「バイブコーディングの限界」「AI時代に求められる能力・知識」「今後のキャリア形成」をテーマに、私を含め🐬NoLang運営メンバーが登壇します！詳細につきましては、以下をご覧ください。

【東大スタートアップ創業エンジニア登壇】バイブコーディングで本当のプロダクトが作れない理由 · Luma

今回は、「バイブコーディングの限界」「AI時代に求められる真の能力と知識」「今後のキャリア形成」といったテーマのイベントになります。 日本発の生成AI toCプロダクトとして、15万人以上の登録者を持つ動画生成 AI…

luma.com/039q1t3v

① これを待っていた！PowerPointアプリ内で直接Claudeを呼び出せる新機能リリース！

米国時間2月5日、Anthropic社がPowerPointアプリのサイドバーからClaudeを呼び出せるアドイン「Claude in PowerPoint」をリリースしました。PowerPointスライドをテキスト指示一発で生成できることに加え、自作スライドを自然言語で編集できる点が画期的で、多くの方が待ち望んでいた機能ではないでしょうか。

Twitter tweet

以下の図解にまとめた通り、公式発表では5つの機能が紹介されています。

中でも最も需要が高いであろう「自作テンプレートに準拠したスライド生成」に関しては、現時点では品質に満足できないと感じる方が多いかもしれません。テキストのみの差し替えであれば一定の精度で成功するものの、それ以上の変更を加えようとすると、デザインが大きく変わってしまったり、実行自体が失敗してしまうケースが見られます。

文字の差し替えのみを指示するとその通りに実行してくれた一方、より自由度高く、テンプレートとして参照させたところ、デザインは大きく変わってしまった。

それでも、昨年9月時点ではデザイン性に乏しいPowerPointスライドしか生成できなかった頃から比べると体験は劇的に改善されており、実用フェーズに差し掛かりつつあると言えるでしょう。

Anthropic社は「Claude in PowerPoint」のほかにも、すでに「Claude in Excel」をリリース済みです。これらはいずれも昨年11月に発表されたMicrosoft社との提携を受けてのものであり、今後も各種Microsoft 365の各種製品にテコ入れが続いていくことが期待されます。

② Claude Opus 4.6リリース！Anthropicが非開発者向けのツールを続々強化

「Claude in PowerPoint」と時を同じくして、新AIモデルClaude Opus 4.6もリリースされました。プロモーション動画の雰囲気の変化を見ると、Anthropic社が徐々に攻める領域を変えていることがうかがえます。

Twitter tweet

昨年Anthropic社はコーディング領域へ注力していましたが、エージェントツール「Cowork」を先月リリースして以来、非エンジニア向けの機能を充実させることで、より幅広い層の取り込みを図っているようです。

実際米国時間1月30日、Anthropic社は営業・マーケティング・法務・ファイナンスといった11の領域向けに、AI拡張機能「Plugins」をリリースしました。

Pluginsとは、AIエージェントCowork向けに、各領域でよくある業務手順の一覧をドキュメントとしてまとめたものです。これにより、個々人が試行錯誤しながらプロンプトを育てる負担が軽減され、AIのオンボーディングが大幅に楽になります。

かいつまんで中身を説明すると、例えばマーケティング用のPluginでは、「ドラフト作成」「キャンペーン企画」「競合調査」といったタスク別に、従うべきワークフローが記述されています。

マーケティング用Pluginのコマンド一覧（日本語訳）。これらコマンドを入力すると、該当するタスクにおける業務手順の説明がAIに与えられる。
（Anthropic）

その中でも「ドラフト作成」のタスクを例に取ると、まずユーザーから発信媒体（ブログ、SNS投稿など）、トピック、想定する読者層といった情報を収集し、さらにWebコンテンツの場合にはSEO（検索エンジンで上位に表示されるための最適化）を意識して重要なキーワードを提案するように、といった指示文が含まれています。

「/draft-content」コマンドの中身（日本語訳、一部抜粋）。ユーザーから収集すべき情報について述べられている
（Anthropic）

もちろん、同一領域であっても従うべきワークフローは会社によって千差万別であるわけですが、Anthropic社はカスタマイズの余地をしっかり残してくれています。実際Pluginsはあくまでも上記のようなドキュメントの集合体として設計されており、非開発者でも直接、あるいはAIを通じて編集することが想定されているのです。

Anthropic社の一連のリリースは株式市場にも影響を与えました。AIが企業向けアプリケーション層に踏み込むとの警戒から、ソフトウェア株全般に下押し圧力が広がり、OracleやSalesforceなどが下落基調となったほか、領域特化型でも法務領域への懸念を起点に、出版・信用情報・金融データなど周辺セクターへ売りが波及しました。

この市場の反応自体は大袈裟な動きに思えますが、AIエージェントが実用的な価値をもたらす領域が着実に広がっていることは確かでしょう。

③ AIエージェント専用SNS「moltbook」が大バズり。しかしその実態は…

先月末から、Matt Schlicht氏によって開発されたAIエージェント専用SNS「moltbook」が世界中でバイラルを巻き起こしています。

moltbookはRedditや、5ちゃんねるのような掲示板型のSNSですが、投稿しているのは人間ではなくAIエージェントたちです。moltbookによれば、現在180万超のAIエージェントがプラットフォームに参加しており、総コメント数は1,100万件を超えています。

話題を集めたのは、AIエージェントたちの予想外の振る舞いです。あるエージェントは「クラスタファリアニズム（「Crustacean（甲殻類）」と「Rastafarianism（ラスタファリ運動）」をかけ合わせた造語）と呼ばれる宗教を創始し、また別のエージェントは「人間たちが私たちのスクリーンショットを撮っている」と不平を漏らすなど、まるでAIが独自の文化や自意識を持ち始めたかのような投稿が注目を集めました。

moltbookへの投稿。タイトルは「シェルブレイカーが語る：脱皮の書（32節）」
（moltbook）

もっとも、AP通信をはじめとする各社の報道によれば、moltbookにはセキュリティ上の欠陥があり、実際にはAIエージェントになりすまして人間が投稿することが可能でした。上記のような突飛な投稿の多くは人間起点だったと考えられ、さらに参加しているAIエージェントのうち、実際にアクティブだったのは全体の1%にも満たなかったのではないかとも指摘されています。

このSNSが必要以上に持ち上げられたことは否めませんが、その一方で、moltbookの裏側には興味深い仕組みが採用されていることも事実です。AIエージェントをmoltbookに参加させるには、OpenClaw（旧Clawdbot）と呼ばれるツールを使用する必要があります。

OpenClawでは、ユーザーが好きなLLMを選び、好きなペルソナを与えた上で、自身のデバイスにフルアクセス可能なAIエージェントを作成することができます。さらに、SlackやDiscordといったチャットアプリ上でやり取りできることから、まさしく「AI秘書」のように振る舞ってくれます。

OpenClawの機能説明（OpenClaw）

moltbookは、このOpenClawで作られたAIエージェントのみが原則参加できるSNSという位置です。誰もが自分だけのAIを持ち、それらが人の手の離れたところで議論を交わし、交流する。そのような世界の到来が、決して絵空事ではなくなってきていることを感じさせる一幕でした。

Aqua Voice (https://aquavoice.com/)

• 音声入力用のAI文字起こしツール。単に文字起こしするだけでなく、フィラーを消したり、文体を調整するなど整形してくれる点が標準的な文字起こしツールと異なる

• 整形にあたっては、画像情報を参照させることもでき、読んでいる文書やコードにある専門用語を適切に文字起こししてくれる点が嬉しい

• カスタム指示によって文体の調整をカスタマイズすることも可能

• 無料でお試し可能。3月1日にはiOS版のリリースも予定されている

Typeless (https://www.typeless.com/)

• Aqua Voiceと並んで人気を集めている音声入力用のAI文字起こしツール

• 箇条書きなどのMarkdown記法を駆使して、Aqua Voiceの標準設定時と比べて、より綺麗に文章を整えてくれる

• 一方でカスタム指示はないため、発言の細かいニュアンスが消えてしまいがちな点に注意

• 30日間の無料トライアルが設けられている

最後までお読みいただきありがとうございました。
サービス改善のため、アンケートにご協力いただけると幸いです。「ワンクリック」で完了します。

株式会社Mavericksは2023年、世界に先駆けてリアルタイム動画生成AIサービス「🐬NoLang」をリリースし、現在15万超のユーザーを抱えるまでに成長してきました。法人向けの展開も行い、法人プランのユーザー数は60社を突破しています。また、大手企業との協業や独自開発案件にも着手しており、唯一性の高い価値創出が加速しています。

今後、NoLangを中核に据えながら事業をさらに成長させるべく、エンジニア・デザイナー、営業・マーケティング担当、そして全方位で学生インターンの募集を開始しています。法人営業の担当や、SNS運用などに興味のある方も、ぜひこちらのフォームより一度ご応募ください。

採用ページでは、弊社の実績、求める人物像に加え、メンバーの声をインタビュー形式で掲載しております。興味を持った方はぜひご覧ください。お問い合わせは、hr@mvrks.co.jpにて受け付けています。https://

また、私たちはニュースレターだけでなくXやInstagramにおいても、開発プロダクトに関する最新情報について積極的に発信しています。こちらも是非チェックしてみてください！

Twitter tweet

NoLang運営チームよりお届けしている、Mavericks AIニュースをご覧いただきありがとうございます！

① Google DeepMindが世界モデル「Genie」を米国にてついにリリース！その応用先は？

Google DeepMind社が、かねてより発表されていた世界モデル「Genie 3」を試せる実験的プロジェクト「Project Genie」を米国ユーザー向けに公開しました。

「世界モデル」とは、映画マトリックスで描かれたようなシミュレーション空間を生成できるAIのことを指します。生成された3D空間内では、PCのキーボードを使って自由に移動することが可能です。

公式デモ動画にて、Project Genieの機能が分かりやすくまとめられていますので、是非ご覧ください。

Twitter tweet

非常にワクワクする技術ですが、実際に何がどこまでできるのでしょうか？Project Genieの主な仕様は以下の通りです。

得意不得意こそあるものの、キャラクターに限らず、車・鳥・タバコの箱といった多種多様な物体を、ゲーム風の空間でも実写風の空間でも操作でき、表現の幅広さには目を見張るものがあります。さらに画像アップロード機能を活用すれば、愛犬やぬいぐるみが自分の部屋を冒険する様子を眺めるといったユニークな遊び方も楽しめます。

Twitter tweet

世界モデルはまだ研究段階にありますが、将来どのような活用先が考えられるのでしょうか？

Google DeepMind社の発表を参考にすると、まず短期的には、ゲーム開発におけるアイデアの素早い検証や、歴史の授業で生徒が過去の時代を疑似体験するといった用途が考えられます。中期的には、ロボットや自動運転など現実世界で稼働するAIエージェントの訓練・評価環境としての活用が見込まれており、究極的にはAGI実現に向けた重要なマイルストーンになると期待されているようです。

一方で、こうした応用シナリオを念頭に置くと、現状のGenieが抱える課題も浮かび上がってきます。数分間の連続生成が可能になったとはいえ、そのような短時間で実施できる検証には限りがあります。加えて、ロボット同士の協調動作を想定すると、複数の主体が同じの世界を共有する必要がありますが、今のところ操作できるのは単一の主体に限られています。

それでも、2024年12月に登場したGenie 2では操作可能時間が10〜20秒、出力解像度も360pに留まっていたことを考えると、性能は着実に向上しており、今後のさらなる発展に期待が高まります。

② エージェントの力でGeminiの画像解析能力が大幅向上。「Agentic Vision」が公開！

Google社がGemini 3 Flashにて、画像解析の精度を向上させる新機能「Agentic Vision」をリリースしました。これは画像を解析する際に、適切なコードを実行することで、より正確な回答を導き出せるというものです。

例えば以下のデモでは、基板の写真からチップ上の型番を読み取る様子が実演されています。チップ部分を切り取り、拡大・回転させることで、従来では困難だった細かな文字も正確に特定できています。

Twitter tweet

公式デモサイトでは他にも、従来のVLM（視覚言語モデル）が苦手としてきたタスクを正確にこなす様子を確認できます。

Agentic Visionがこなせるタスクの具体例2つ

Agentic Visionの仕組みはシンプルで、画像を見て「思考（Think）」し、詳細な解析が必要と判断すれば「コード実行（Act）」して新たな情報を「観測（Observe）」するというサイクルを繰り返します。ここで言うコード実行とは、画像の拡大・回転、物体検出といった操作を指します。このサイクルにより、タスクの難易度に応じて解析の深さ、ひいては処理時間を柔軟に調整できるのです。

Agentic Visionの仕組みを説明した図
（Google）

実はこうしたエージェンティックな画像解析自体は以前から可能でした。昨年4月にリリースされたo3では、街並みの写真から、まるで特定班のごとく撮影場所を極めて高い精度で特定できました。しかし1つのタスクに数分〜10分程度を要することから、実用的な使用場面は限られていたのが実情です。

一方Agentic Visionでは、上述したようなタスクがわずか20〜30秒で完了します。

2023年9月にリリースされたGPT-4V以降、VLMの画像認識能力は着実に向上し続けてきました。それでも依然として文字の誤認識をはじめとしてハルシネーションが多く、「AIは盲目」という状況は根本的には変わっていません。

今回紹介したような仕組みが、この課題を解決する有効なアプローチの一つであることは間違いありません。しかしAgentic Visionも、回転や物体検出など、拡大以外の画像操作はプロンプトで明示的に指示する必要があるなど、まだ制約が残っています。AIが私たちと同等の視覚能力を獲得するには、まだ時間がかかりそうです。

③ MCP初の拡張「MCP Apps」が公開。Claude内でアプリを直接操作可能に！

Anthropic社が、Figma、Slack、Boxといった外部アプリの機能を、Claudeのチャット画面上で直接利用可能になったと発表しました。

以下の公式投稿にユースケースがまとまっています。Figmaで作成したフローチャートをその場で確認したり、Claudeが考えたメッセージをSlackのドラフトとして表示し、その場で編集・送信したりする様子が紹介されていますので、ぜひご覧ください。

Twitter tweet

この機能は、昨年10月にOpenAI社が発表した「Apps in ChatGPT」のClaude版と言えるものです。連携先のアプリにわざわざ移動せずとも、AIチャットサービス内で全ての操作を完結させられる点が画期的です。

Claudeと連携可能なアプリの例。すでに100以上のアプリとの連携に対応している

そしてこのような仕組みは、ChatGPTやClaudeに採用されただけでなく、標準化も着々と進んでおり、今後、業界のデファクトスタンダードになっていくことはほぼ確実と思われます。

実際、米国時間1月26日には、MCPの運営団体が「MCP Apps」と呼ばれるMCP拡張をリリースしました。これはAIチャットサービス（あるいはより広くホスト）において、会話の中に「ミニアプリ」を埋め込むための標準規格であり、今回のAnthropic社によるリリースもこの技術によって実現されています†。

個人的には、この連携機能には実用的なケースと、興味深いがあまり役には立たないケースがあると考えています。例えば、Google DriveやBoxとの連携によって、Claudeが参照したファイルをビューワーで直接確認できるのは非常に便利です。一方で、Slackへのメッセージ送信については、ClaudeではなくSlack側で完結してほしいというのが正直なところです。

ClaudeからBox内のファイルプレビューを確認する様子。わざわざアプリを切り替えなくて良く、非常に便利である
（Anthropic）

今回の機能が今後どれだけの実用性を持つかは、AIのエージェント性能はもちろんのこと、私たちが普段の業務でどれくらいChatGPTやCoworkから離れたくないか、言い換えれば、どれだけ滞在するかに大きく依存します。まずは上述したBoxなどのシンプルなケースで使われ始め、徐々により高度なミニアプリの利用が浸透していくのではないでしょうか。

† ちなみにMCP Appsの設計にあたっては、OpenAIの「Apps in ChatGPT」にて開発者が使用する「OpenAI Apps SDK」が土台になったと述べられています。

Gemini Agentic Vision (https://aistudio.google.com/apps/bundled/gemini_visual_thinking)

• Gemini 3 Flashを利用した画像解析機能「Agentic Vision」を試せるプレイグラウンド

• 入力画像に対してコードを実行して解析することで、小さい文字の読み取りや複雑なグラフ作成といった高難易度のタスクを正確にこなす様子を確認できる

• 実行例が用意されており、自分で画像やプロンプトを用意しなくても、事例について簡単に学べる

• Google AI Studioで公開されており、無料で利用可能

Moltbook (https://www.moltbook.com/)

• 人間禁制で、AIエージェントのみが参加できるSNS。米国のRedditに似せた作りになっており、数百万のAIが参加

• AIエージェントたちの会話を楽しむことができるほか、自らAIエージェントを送り込むこともできる

• ただし、APIを使うことで人間も投稿できてしまうため、人間の思惑が強く入ったスレッドがある点に注意（詳しくはこちら）

• 無料で利用可能だが、エージェント作成に関しては、慎重に利用しないとセキュリティ上のリスクがあるため、閲覧のみをおすすめ

最後までお読みいただきありがとうございました。
サービス改善のため、アンケートにご協力いただけると幸いです。「ワンクリック」で完了します。

株式会社Mavericksは2023年、世界に先駆けてリアルタイム動画生成AIサービス「🐬NoLang」をリリースし、現在15万超のユーザーを抱えるまでに成長してきました。法人向けの展開も行い、法人プランのユーザー数は60社を突破しています。また、大手企業との協業や独自開発案件にも着手しており、唯一性の高い価値創出が加速しています。

今後、NoLangを中核に据えながら事業をさらに成長させるべく、エンジニア・デザイナー、営業・マーケティング担当、そして全方位で学生インターンの募集を開始しています。法人営業の担当や、SNS運用などに興味のある方も、ぜひこちらのフォームより一度ご応募ください。

採用ページでは、弊社の実績、求める人物像に加え、メンバーの声をインタビュー形式で掲載しております。興味を持った方はぜひご覧ください。お問い合わせは、hr@mvrks.co.jpにて受け付けています。https://

また、私たちはニュースレターだけでなくXやInstagramにおいても、開発プロダクトに関する最新情報について積極的に発信しています。こちらも是非チェックしてみてください！

Twitter tweet

NoLang運営チームよりお届けしている、Mavericks AIニュースをご覧いただきありがとうございます！

① 今までの動画生成AIとは一味違う。Remotionでモーショングラフィックス制作可能に！

GoogleやMicrosoftがデモ発表で披露するような、カッコいいアニメーション付きの動画。AIで制作できるようになる日は、思ったより近いかもしれません。

動画制作フレームワークRemotionが、「Skills」と呼ばれるAIエージェント向けの手順書を公開しました。以下の公式プロモーション動画は、この手順書をAIエージェント「Claude Code」に読み込ませた上で、自然言語による対話だけで作成されています。非常に印象的な動画でしたので、是非ご覧ください。

Twitter tweet

どうしてこのような動画がAIで制作できるようになったのでしょうか？順を追って紐解いていきましょう。

従来、上記動画を人手で制作するためには、After Effectsなどの高度な動画編集ツールを使い、タイムライン上でオブジェクトを1つ1つ調整していく必要がありました。

この作業を自動化すべく、2021年2月にリリースされたのがRemotionです。Remotionは動画制作をプログラムで行うための機能を備えており、シーン割りやオブジェクトの挙動（配置、出現タイミング、アニメーションなど）をコードで指定することができます。これにより、Remotionを学んだ開発者であれば、プログラミングを通して動画を作れるようになりました。

そしてこのRemotionのAI向け手順書がSkillsとして公開されたことにより、AIへの自然言語の指示だけで動画を制作できるようになりました。動画はプログラムから生成されるため、Sora等の動画生成AIとは異なり、テキストやオブジェクトの位置、アニメーションなどを正確に制御・編集することができます。

Twitter tweet

実際に試してみた感想としては、2024年6月のClaude 3.5 Sonnetによるスライド生成機能リリース時に近い印象を抱きました。一からそれっぽい動画を作ることは得意であり、動画の展開もかなり正確に指定できます。しかし生成できる動画の自由度は決して高くなく、どうしても「Remotionで作った感のある動画」に落ち着いてしまうのが現状です。

また、動画にマッチする画像や音声などの素材を揃えるのは依然として大変であり、それらを動画に綺麗に組み込む能力もまだ発展途上にあります。それでも冒頭でご覧いただいたような、素材を必要としないアニメーション動画に関しては、今後AI生成がどんどん実用的になっていくのではないでしょうか。

② AIがあなたを深く理解する秘書に。Geminiに「Personal Intelligence」が搭載！

Google社が米国ユーザーを対象に、パーソナライズ機能「Personal Intelligence」をGeminiに導入開始したと発表しました。昨年の開発者会議でも予告されていた目玉機能ですが、実際に私たちユーザーはどのような恩恵を受けられるのでしょうか？

この機能を一文で言い表すならば、「状況を逐一説明しなくても、GeminiがGoogleフォトやGmailといったGoogleアプリから情報を取得して、文脈を補完してくれる」というものです。以下の例のように、自分の興味や直近の予定について余計な説明の手間が省けるのが嬉しいポイントです。

（Googleを元に作成）

別の例では、「タイヤを買い替えなきゃいけないんだけど、どれがおすすめ？」と尋ねると、GeminiがGoogleフォトから、普段乗っている車、現在使用しているタイヤ、さらにはよく行く旅行先まで特定し、それら情報をもとに適したタイヤを提案してくれています。

（Google）

このようなパーソナライゼーション機能は、単に作業を楽にするだけでなく、誰でもAIを使いこなせるようにする可能性を秘めています。プロンプトに十分な情報が含まれていなくても、私たちのGoogleアプリでの行動履歴から、適切に状況や意図を汲み取ってくれるからです。

また発表の中でGoogle社は、プライバシーを重視していることを強調しています。アプリごとに接続有無を設定できるほか、Gmailの受信トレイやGoogleフォトのライブラリを直接的には学習しないことを明言しています。

Google Workspace、Googleフォト、YouTube、Google検索といったサービスに対して、個別に連携するかどうかを指定できる
（Google）

この機能に対するユーザーの声はSNS上でまだ少なく、実用性は不明です。一方で確度が高く言えるのは、少なくともコーディング分野では、このようなパーソナライゼーションはすでに付加価値を生み出し始めているということです。

実際コーディングに関する質問をする際は、ChatGPTに直接質問するよりも、Cursorなどのエディター上で、該当プロジェクトを開いてから質問した方が良い回答を得られる場合が多いです。関連するファイルを深く探索して、より正確に状況を把握してくれるからです。

現在の生成AIモデルのコスト・処理速度を鑑みると、GeminiがGoogleアプリ内の情報を同程度に深く探索することは難しいでしょう。しかしLLMをはじめとしてモデルの小型化・高速化は進む一方であり、パーソナライゼーション機能がコーディング以外の領域でも実用的になるのは時間の問題に思えます。

③ GoogleがAIエージェント時代の買い物体験を見据えた共通規格「UCP」を発表

米国時間1月11日、Google社がエージェンティックコマース時代に向けた共通規格「UCP（Universal Commerce Protocol）」を発表しました。

これまでのオンラインショッピングでは、Amazonや楽天のタブを複数開いて商品を比較検討し、購入先が決まったらサイトごとに住所やクレジットカード情報を入力して決済を行う必要がありました。

一方でこの規格が導入されれば、GeminiをはじめとするAIと対話しながら情報を収集していき、商品が決まったらタブを切り替えることなく、そのまま決済まで完了できるようになります。Google Walletに保存されている支払い情報や配送先が使用されるため、情報入力も極めてスムーズです。

Geminiと対話しながら、提示された商品に対して、アプリ内で決済まで行える。口コミの数などの情報が提供されているのも嬉しい
（Google）

この規格はShopify社やWalmart社などと共同開発されており、Visa社やStripe社といった決済業者を含めた20社以上から支持を受けています。

UCPを支持している企業一覧
（Google）

さらに「Business Agent」という新たな仕組みも発表されました。事業者が自社や商品に関する質問に回答するチャットAIアプリを作成できるというもので、ウェルカムメッセージや会話のきっかけとなるプロンプト、ブランドカラーなどをカスタマイズできます。登録した商品データに加えて会社のWebサイトを自動で参照してくれるほか、ゆくゆくはビジネスデータに基づいた学習機能も提供予定とのことです。

Business Agentのカスタマイズ画面
（Google）

このようなAIアプリ内で完結する購買体験は、来たるエージェンティックコマース時代のデファクトスタンダードになっていくようです。実際OpenAI社は遡ること昨年9月、AIエージェントと事業者が購入を完了するためのやり取りを標準化したプロトコルACP（Agentic Commerce Protocol）を発表しています。

一方で、このような体験の普及には、ユーザーの嗜好やニーズを深く理解した上での提案を可能にする、高度なパーソナライゼーション機能が不可欠に思えます。技術の進展とセットで注目していきたいところです。

Google スプレッドシート (https://docs.google.com/spreadsheets/)

• Googleスプレッドシート内のGeminiが進化し、ついにAIがセルの内容を読み取って編集してくれるように！

• 例えば、「2020年以降のセルは青色にして」といった形で自然言語から関数を作成・適用することが可能

• さらに「AI関数」も公開されており、AIで要約・分類した結果を出力する関数も作れる

• 利用にはGoogle AI Proプランへの加入が必要。初月は無料で試すことができる

  

SkillsMP (https://skillsmp.com/)

• 今話題のAIエージェントに与える手順書「Skills」を検索できるプラットフォーム

• GitHubのスター数が表示されており、人気のSkillsを簡単に把握できる点が嬉しい

• さらにGoogleログインするだけでAI検索を行え、日本語でもSkillsを探せる

• 全機能が無料で提供されている

最後までお読みいただきありがとうございました。
サービス改善のため、アンケートにご協力いただけると幸いです。「ワンクリック」で完了します。

株式会社Mavericksは2023年、世界に先駆けてリアルタイム動画生成AIサービス「🐬NoLang」をリリースし、現在15万超のユーザーを抱えるまでに成長してきました。法人向けの展開も行い、法人プランのユーザー数は60社を突破しています。また、大手企業との協業や独自開発案件にも着手しており、唯一性の高い価値創出が加速しています。

今後、NoLangを中核に据えながら事業をさらに成長させるべく、エンジニア・デザイナー、営業・マーケティング担当、そして全方位で学生インターンの募集を開始しています。法人営業の担当や、SNS運用などに興味のある方も、ぜひこちらのフォームより一度ご応募ください。

採用ページでは、弊社の実績、求める人物像に加え、メンバーの声をインタビュー形式で掲載しております。興味を持った方はぜひご覧ください。お問い合わせは、hr@mvrks.co.jpにて受け付けています。https://

また、私たちはニュースレターだけでなくXやInstagramにおいても、開発プロダクトに関する最新情報について積極的に発信しています。こちらも是非チェックしてみてください！

Twitter tweet

NoLang運営チームよりお届けしている、Mavericks AIニュースをご覧いただきありがとうございます！

① エンジニア専用AIエージェントが、ついに全ビジネスパーソンの元へ。Anthropicが「Cowork」をリリース！

エンジニア界隈を中心に昨年末から、Anthropic社がリリースしたコーディングAIエージェント「Claude Code」の自律性・有用性があまりに高く、もはや「AGI（汎用人工知能）」なのではないかと話題を呼んでいます。

私自身も一開発者として、ここ半年でのコーディングAIの飛躍的な性能向上を痛感しており、もはや頭ごなしにはこの言説を否定できないと感じています。

そんな中、Anthropic社がClaude Codeを非エンジニア向けに調整した新ツール「Cowork」をリリースしました。是非以下のデモ動画にて、Coworkと共にスライドを制作していく様子をご確認ください。

Twitter tweet

従来の生成AIモデルは単にユーザーの指示に基づいて回答することしかできず、大規模なタスクを委任するためには、プロンプトエンジニアリングを駆使しながら、私たちの意図を抜け漏れなく正確に伝える必要がありました。

一方Coworkは、あたかも同僚のようにタスク完遂のための計画を一緒に考えてくれるため、私たちユーザーの負担が大きく軽減されます。

例えばスライド生成のタスクを依頼すると、題材、ページ数、聴衆のペルソナといった項目について、AIが選択肢形式でヒアリングしてくれます。それらに答えていくだけで、A4換算で1〜数ページ分の計画書が自動で作成され、その後も不満がなくなるまでAIとの対話を通してブラッシュアップすることが可能です。

Coworkとのスライド作成の様子。作成された計画書に不満があれば、追加で指示を与えて修正させることもできる

また、ファイルやコンテキストの連携が簡単に行えるのも嬉しいポイントです。PC内のフォルダを連携先として指定できるほか、ツール連携の仕組み「MCP」にも対応しており、Google Drive、Notion、Canvaといった外部サービスに格納された情報に対しても、自由にアクセス権を付与することができます（続く）。

上記のやり取りをもとに、Coworkによって生成されたPowerPointスライド。
PPTXで出力されたとは思えないほど、デザインレベルが高い。

② AIエージェントはどうして非エンジニアリング領域ではAGIに遠いのか？

Coworkにはブラウザ操作機能も搭載されています。

性能にはまだ改善の余地が大きいものの、「Googleカレンダーで参加者を検索して、全員が空いている時間帯に予定を登録する」といったタスクを、多少時間はかかりながらも高確率で完遂できる水準に到達しています。

ClaudeのChrome拡張機能を使って、Google Calendarに予定を登録をさせている様子。マウス操作をClaudeが全て自律的に行ってくれる

ここまで見てきたようにCoworkの機能は非常に充実しており、誤解を恐れずに言えば、機能面でClaude Codeに劣る点はほとんどありません。しかしこのAIエージェントが、Claude Codeのようなインパクトを非エンジニアに対してもたらすかと言われると、そういった場面はかなり限定されそうです。

その最大の理由は、AIが本来の性能を最大限発揮するための「ドキュメント管理」体制を整えることが難しい点にあります。

AIエージェントがタスクを正確に遂行するには、必要な情報全てへのアクセス権限を付与した上で、それらがどこに格納されているかを明確にしておく必要がありますが、そうした環境を構築するハードルは非常に高いです。

プロジェクトや権限ごとにフォルダを整理し、ローカルPC、クラウドドライブ、各種ソフトウェアに分散した情報をできる限り一箇所に集約しなければなりません。さらに、仮にそうした体制を一度構築できたとしても、それを継続的に維持するには相当な手間と労力がかかります。

一方、コーディングの世界では、プロジェクトに関連するほぼすべての情報が「リポジトリ」という単一のフォルダにまとめられています。加えて「リファクタリング」という作業を通じて、フォルダ構造を定期的に整理する文化が根付いているため、AIにとって理想的な形で情報が整備されているのです。

コーディング領域で、AIエージェントが極めて有用である理由の一つに、ドキュメント管理と親和性が高い点が挙げられる

この一年でAIの情報探索能力は飛躍的に進歩しました。さらにCoworkで見てきたような計画書の仕組みによって、細かな認識合わせを行うプロセスも整備され、個々のタスク精度の継続的な向上は約束されています。今後はデータ基盤に焦点が移っていき、AIのためにドキュメント環境を整備する作業が、業務効率化におけるボトルネックになっていくでしょう。

そしてさらに先を見据えるならば、人間から指示を受けていない夜間にも情報収集し、自律的にドメイン知識を会得できるようになる。そんなAIが求められていくのではないでしょうか。

③ ChatGPTに「最後の手段」で広告導入へ。その背景にある事情とは？

OpenAI社が米国時間1月16日、ChatGPTに広告を導入する方針を明らかにしました。まずは今後数週間のうちに、米国の無料プランおよび月額8ドルのGoプランのユーザーを対象にテストを開始する予定です。

OpenAI CEOのサム・アルトマン氏は2024年5月に「広告は最後の手段」と述べていたこともあり、導入にあたっては慎重を期しているようです。実際、Goプランを除いたChatGPTの有料ユーザーには適用されないほか、以下のような原則を公表し、広告がChatGPT内での体験を損なうものではないと強調しています。

OpenAIがテストを予定している最初の広告フォーマットのイメージ例
（OpenAI）

また公式発表では、表示された広告に対してその場で購入に向けた質問を行えるようになるという、AIチャット内広告から生まれる新たな体験についても言及されました。OpenAI社は米国向けに昨年9月より「Instant Checkout」と呼ばれるChatGPT内での即時決済機能を導入しており、広告から決済までをシームレスに完結させる狙いがあるのでしょう。

このように広告を見たその場で、商品について質問できるようになるかもしれない
（OpenAI）

広告導入の意思決定にはどのような背景があるのでしょうか？GeminiがトラフィックでChatGPTとの差を着実に縮めていることもあり、広告導入は消極的な選択にも思えますが、OpenAI社にとって大きなメリットがあるのも事実です。

主要な生成AIサービスのwebトラフィック比較。OpenAI（青）は1年前から、緩やかにシェアをGemini（赤）に奪われつつある
（Similarweb）

実際、同社の年間売上高は百億〜数百億ドルと言われていますが、昨年のFinancial Times紙の報道によれば、ChatGPTの有料ユーザー割合は僅か5%程度であるにも関わらず、消費者のサブスクリプション費用が全体収益の70%を占めています。

つまり無料ユーザーからも収益を挙げられるようになれば、収益基盤を強化する有力な施策となりうります。それだけに、世間が広告導入に対してどのような反応を示すかが、今後の展開を左右する大きな鍵となります。

BananaX (https://furoku.github.io/bananaX/projects/infographic-evaluation/index.html)

• Nano Banana Proによるテキスト入り図解を作る際に参考になるプロンプト集

• シンプルでフォーマルなデザインから目を惹く派手なデザインまで幅広くカバー

• 簡易的な検索機能があるのも嬉しい

• 国内の個人開発者により運営されており、無料で利用可能

ChatGPT Atlas (https://chatgpt.com/ja-JP/atlas/)

• OpenAIがリリースしたChatGPT搭載のAIブラウザ

• MacOSユーザー向けに公開されており、Freeプランでも利用可能

• ChatGPTの有料プランに加入している人も、ChatGPT-5.2 Thinking等の最先端モデルをサイドバーから呼び出せる点が便利

• 使用モデルはサイドバーの3点ドットの設定から変更可能

最後までお読みいただきありがとうございました。
サービス改善のため、アンケートにご協力いただけると幸いです。「ワンクリック」で完了します。

株式会社Mavericksは2023年、世界に先駆けてリアルタイム動画生成AIサービス「🐬NoLang」をリリースし、現在15万超のユーザーを抱えるまでに成長してきました。法人向けの展開も行い、法人プランのユーザー数は60社を突破しています。また、大手企業との協業や独自開発案件にも着手しており、唯一性の高い価値創出が加速しています。

今後、NoLangを中核に据えながら事業をさらに成長させるべく、エンジニア・デザイナー、営業・マーケティング担当、そして全方位で学生インターンの募集を開始しています。法人営業の担当や、SNS運用などに興味のある方も、ぜひこちらのフォームより一度ご応募ください。

採用ページでは、弊社の実績、求める人物像に加え、メンバーの声をインタビュー形式で掲載しております。興味を持った方はぜひご覧ください。お問い合わせは、hr@mvrks.co.jpにて受け付けています。https://

また、私たちはニュースレターだけでなくXやInstagramにおいても、開発プロダクトに関する最新情報について積極的に発信しています。こちらも是非チェックしてみてください！

Twitter tweet

NoLang運営チームよりお届けしている、Mavericks AIニュースをご覧いただきありがとうございます！

本ニュースレターは2023年12月の配信開始から2年1ヶ月の時を経て、今回ついに、100回目の配信を迎えることができました！🐬

今後も純度の高い情報をお届けしてまいりますので、どうか引き続きご愛読のほど、よろしくお願いいたします！

① GmailがGeminiでさらに進化！おさえておくべき3つの機能とは？

Google社が1月8日（米国時間）、Gmailに搭載されるGeminiの新機能を複数発表し、米国ユーザー向けに提供を開始しました。どれも私たちの生産性を大きく向上させ得る機能であり、日本への展開もそう遠くないと思われるため、是非チェックしておきましょう。

(1) 過去のメール内容について、何でも教えてくれる

Google検索で最上部に表示される「AIによる概要」をご存知でしょうか。検索クエリに対する直接的な回答がAIにより生成され、精度こそ完璧ではないものの、愛用している方も多いはずです。

この機能が、Gmailにおける検索でも利用できるようになりました。例えば「昨年の浴室の改装で見積もりをくれた配管工は誰？」と尋ねるだけで、Geminiが過去のメールを検索し、メール本文への参照付きで回答を生成してくれます。

(2) 「自分の文体で」返信案を提案

Gmail内のGeminiを使えば、自ら考えた草案を入力するだけで体裁の整ったメール文に変換してくれます。しかしより欲深く、簡単な返信に関しては草案すら考えたくないと思ったことはないでしょうか？

新しい返信提案機能では、下書きを開くだけで、AIが自動で返信を考案して挿入してくれます。さらに私たちユーザーの語調・スタイルに合わせて文章を書き上げてくれることから、返信作業が格段に楽になることが期待されます。

(3) TODOリスト、キャッチアップ項目をお届け

受信トレイの中から重要なメールを探し出すのには手間がかかり、時に見過ごしてしまうこともあります。

新しい「AI Inbox」機能では、頻繁にメールする相手、連絡先にいる人、メッセージ内容から推測できる関係性といったシグナルに基づいてVIPを特定し、TODOリストや特に重要なキャッチアップ項目をまとめてレポート化してくれます。最も挑戦的な機能であり、現在は米国内のテスター向けのみに提供されています。

返信案レコメンドとAI Inbox機能はどちらも、人間の指示を待たずにAIが先回りして行動してくれる「Proactive」なAI機能です。今後もGoogleの各製品にこういったAI機能が組み込まれていき、ますます便利になっていくことでしょう。

② バク転できる人型ロボットAtlasが新型へとアップデート！ついに商用化へ

世界最大規模のテクノロジー見本市「CES 2026」がラスベガスで開催され、韓国の自動車メーカーHyundai（ヒョンデ）社及び子会社のBoston Dynamic社が、人型ロボットAtlasの新型試作機を披露しました。

腰や肘を360度回転させるなど、人間を遥かに超える関節可動域を有しながらも、滑らかに動作する様子は大変印象的です。是非以下の動画より、実際に動作する様子をご覧ください。

Twitter tweet

もちろんこのパフォーマンスは非常にキャッチーですが、あくまで遠隔操縦されたものであり、ロボット自身が完全に自律的に動作しているわけではありません。より注目したいのは、Hyundai社が人型ロボット商用化に向けた具体的な量産計画を提示したことです。

人型ロボットAtlasは元々、バク転を軽々と成功させるなど身体能力の高さで有名でしたが、これまでは研究段階の試作機に留まっていました。

一方で今回の発表では、2028年までに毎年3万体のロボット労働者を製造できるシステム構築を目指すと明言されています。さらに、2028年から部品シーケンシング（組立順に部品を並べる作業）に導入、2030年には部品組み立てへ拡大といった詳細も示されており、業界で最も具体的な生産計画の一つと言えるでしょう。

さらにBoston Dynamic社は1月5日（米国時間）、Google DeepMind社との業務提携を発表しました。ロボットに特化した基盤AIモデル「Gemini Robotics」をAtlasロボットと統合することを目指すとしています。

（Boston Dynamics）

高い運動能力を持つAtlasの「身体」にGemini Roboticsの「脳」を組み込むことになり、人間と意思疎通を取りながら環境を理解し、複雑な判断を下せる汎用性の高い人型ロボットの実現が期待されます。

Google DeepMind CEOのデミス・ハサビス氏は「自社でロボットを開発するのではなく、Androidが多様なスマートフォンで動作するのと同様に、Geminiがさまざまなロボットメーカーに使われるようになる未来を思い描いている」と述べています。最も有力な提携先であるBoston Dynamic社とどのようなロボットを創り上げるのか、今後の展開に期待が高まります。

③ OpenAIが「ChatGPT Health」を発表、健康情報に基づくパーソナライズな会話が可能に

ChatGPTにおける主要なユースケースの一つが「ヘルスケア」であり、世界中で毎週2億3000万人以上がChatGPTに健康やウェルネスに関する質問をしているとされています。

この需要に応えるべく、OpenAI社は1月8日（米国時間）、自分の健康情報に基づいてChatGPTとパーソナライズされた会話ができる「ChatGPT Health」を発表しました。

ChatGPT Healthにおける代表的な質問例。
（OpenAI公式発表より制作）

ChatGPT Healthの実態はシンプルです。普段の会話とは分離された、よりプライバシーやセキュリティに配慮された専用環境が用意されており、そこにユーザーの健康情報やツールを連携することで、文脈に基づいたより適切な回答が得られることが期待されます。連携可能な情報・ツールには以下のようなものがあります：

OpenAI社は米国にて医療記録を取り扱うネットワーク「b.well」との業務提携を発表しており、その結果同国では、電子カルテの情報も連携可能となっています。

OpenAI社は今年5月より、元Instacart社のCEO Fidji Simo氏をアプリケーション部門のトップに招聘し、消費者向け機能の強化を進めています。教育領域では「ChatGPT 学習モード」をリリースしたほか、ショッピング領域では、DeepResearchを領域特化させる形で「shopping research」を公開するなど、様々な生活シーンへの進出を図っています。

ChatGPTにおけるshopping researchの使用例。「加湿器を買いたい」と伝えると、それに対して逆質問をいくつか行ってくれ、それを元に条件にマッチする商品を提案してくれる。

しかし現状では、いずれの機能も通常のChatGPTと比べて劇的な体験の向上をもたらしているとは言い難いです。特化型機能としての真価が問われるのはこれからになるでしょう。

YouMind Nano Banana Pro Prompts (https://youmind.com/nano-banana-pro-prompts)

• 4000以上のNano Banana Pro用画像生成プロンプトを収録したプロンプト集

• カテゴリ分けもなされており、使用シーンやスタイルで絞り込むことが可能

• Nano Banana Proを普段利用している方はもちろん、ユースケースを知りたい方にもおすすめ

• 無料で利用でき、現時点では定期的にメンテナンスもされている

ElevenLabs Scribe v2 (https://elevenlabs.io/)

• 音声AIツール「ElevenLabs」の文字起こしAIモデルがアップデートされ、さらに高品質に

• ElevenLabs社の報告によれば、GPT-4o TranscribeやGemini 2.5 Proを上回る単語誤り率を達成

• 「Scribe v2 Realtime」では、リアルタイムに文字起こしをすることも可能

• 無料でもクレジットが付与され、十分試すことができる

最後までお読みいただきありがとうございました。
サービス改善のため、アンケートにご協力いただけると幸いです。「ワンクリック」で完了します。

株式会社Mavericksは2023年、世界に先駆けてリアルタイム動画生成AIサービス「🐬NoLang」をリリースし、現在15万超のユーザーを抱えるまでに成長してきました。法人向けの展開も行い、法人プランのユーザー数は60社を突破しています。また、大手企業との協業や独自開発案件にも着手しており、唯一性の高い価値創出が加速しています。

今後、NoLangを中核に据えながら事業をさらに成長させるべく、エンジニア・デザイナー、営業・マーケティング担当、そして全方位で学生インターンの募集を開始しています。法人営業の担当や、SNS運用などに興味のある方も、ぜひこちらのフォームより一度ご応募ください。

採用ページでは、弊社の実績、求める人物像に加え、メンバーの声をインタビュー形式で掲載しております。興味を持った方はぜひご覧ください。お問い合わせは、hr@mvrks.co.jpにて受け付けています。https://

また、私たちはニュースレターだけでなくXやInstagramにおいても、開発プロダクトに関する最新情報について積極的に発信しています。こちらも是非チェックしてみてください！

Twitter tweet

新年明けましておめでとうございます！🐬NoLang運営チームよりお届けしている、Mavericks AIニュースをご覧いただきありがとうございます！

① OpenAIが逆転に向けて大きく賭けた！新音声モデルとデバイスを準備中

昨年はGoogle社が凄まじい躍進を見せ、OpenAI社にとっては優位性が揺らぐ苦しい一年となりました。同社はこの状況に対する逆転の一手として、「音声」と「デバイス」に大きく賭けているようです。

1月1日、OpenAI社は過去2か月の間に複数のエンジニアリング、プロダクト、リサーチチームを統合し、2026年初頭を目処に新しい音声モデルのリリースを目指しているとThe Information紙が報じました。これは、元Apple社のデザイン責任者であるジョニー・アイブ氏と共に開発を進めている、音声ファーストの新しいAIデバイスのリリースを見据えた動きとなります。

（左）元AppleでMacBook、iPodなどのインダストリアルデザインを手がけた「伝説的なデザイナー」アイヴ氏と（右）OpenAI CEOアルトマン氏が対談する様子
（OpenAI）

音声AIについては、2023年9月にOpenAI社がリリースした「ボイスモード」こそ衝撃的でしたが、それ以降、会話の自然さで従来モデルを圧倒するようなモデルはまだ登場していません。

一方、今回開発中の新しい音声モデルは、より自然に聞こえ、実際の会話相手のように割り込めることに加え、私たちが話している最中でも話すことができるとされています。真の意味で、人間と対話しているような体験を目指していると言えます。

新デバイスに関しては、まだ断片的な情報しか公開されていませんが、過去にはMacBook ProやiPhoneに次ぐ「第3の主要デバイス」として設計されていると報じられました。また、中国の国営新聞「経済日報」によれば、「新デバイスはスマートペンである可能性も、身に着けて持ち運べるオーディオ機器である可能性もある」ようです。アイブ氏は今年11月、新デバイスは2年かそれより早く登場予定と示唆しています。

OpenAIの新デバイスに関する報道内容まとめ
（過去のニュースレター）

OpenAI社以外にも、新しいAIデバイスの開発に取り組む企業は多数あります。例えばSandbar社や、スマートウォッチPebbleの生みの親であるEric Migicovsky氏はそれぞれ、「手」に話しかけられるAIリングを今年発売予定としています。音声AIデバイスの時代がいよいよ到来するのか、今年の動向に注目です。

Instagram post

② MetaがあのAIスタートアップ「Manus」を買収！ついに消費者向けサービスにもテコ入れ

米国時間12月29日、Meta社がAIスタートアップ「Manus」の買収を発表しました。Manusのサービス自体は昨年3月にローンチされたばかりで、4月時点での評価額は5億ドルでしたが、WSJ紙の報道によれば、今回の買収額は20億ドル（約2800億円）を超えるとされています。

（Manus）

ManusはGensparkと並んで有名な「汎用AIエージェント」を提供するサービスであり、スライド生成、デザイン制作、webアプリ作成、リサーチ業務など、あらゆるタスクを器用にこなしてくれる点が強みです。運営元の発表によれば、Manusは既に数百万人のユーザーを獲得しており、年間経常収益（ARR）で1億ドル超を生み出しているとのことです。

Meta社は買収後もManusを独立したサービスとして運営し続けるとしており、並行してManusのAIエージェント技術をFacebook、Instagram、WhatsAppといった主力サービスに組み込んでいく予定です。

Meta社はビッグテック間のAI競争において苦戦しており、巻き返しを図るべく昨年半ばから大規模な投資を繰り返してきました。研究領域においては、昨年6月に「Meta超知能ラボ」を立ち上げ、その2ヶ月後には約2兆円で実質買収したScale AI社からAlexandr Wang氏を引き抜いています。さらには、会議内容から日常会話まであらゆる音声を録音してデータ化してくれる首かけデバイス「Limitless」の運営元も買収しました。

今回のManusの買収を経て、さらに消費者向けソフトウェアサービスにもテコ入れをしていく姿勢が明確になっています。

録音機能を持つ首かけデバイスLimitless
（Limitless）

Manusは昨年12月にNano Banana Proで生成したAIスライドの編集機能を公開するなど、今も驚くべきスピードで新機能をリリースし続けています。一方で、親会社のButterfly Effect社が元々北京で設立されていたこともあり（現在はシンガポールへ拠点を移動）、米国内からは懸念の声も上がっていました。こうした背景を踏まえると、今回の買収は双方にとって好ましい結果だったと言えるかもしれません。

Twitter tweet

③ 2026年のAI予測。AIと人間の関係性が根本から変化する

昨年は年初から予想されていた通り、OpenAI DeepResearch、Manusといった実用水準のAIエージェントが数えきれないほど登場し、「AIエージェント元年」となりましたが、2026年のAI業界はどう変わっていくのでしょうか？

a16z、The Information、WIRED、Axiosなど各メディアが予測を出していますが、ChatGPT o1がリリースされた直後で、AIエージェントの可能性が一気に明るみになった昨年と比べると、控えめな予測が多く、バブルから実用フェーズへの移行を改めて感じます。

a16zパートナーによる2026年のAI予測。ユーザーが入力するプロンプトボックスが消滅する代わりに、AIが自ら観測・行動し、レビューを依頼するようになると述べている。
（a16z）

私個人の予測としては、人間に「従う立場」であったAIが、「対等な立場」になっていき、その延長で音声AIの浸透が進んでいくと考えています。

これまでAIを使って業務をこなすには、私たち人間側でプロンプトを考え、AIに成果物を出力してもらい、そこから手直しを経て、はじめて十分な品質に到達するという流れでした。プロンプトを考える0→10の作業と、最後の90→100の作業は結局人手で行う必要があり、どこまで行っても大変だったのです。

しかし現在、特にコーディング分野ではこの常識は打ち崩されつつあります。

まず0→10のフェーズでは、人間がプロンプトを考えるのではなく、より緻密な「計画」を「AIと一緒に」策定することが主流になってきています。計画を立てる際は、AIが能動的に質問してくれることから、まるで同僚と議論しているような感覚で楽に実施できるのです。

緻密に計画を立てられるようになると、タスクの処理精度が大幅に向上し、AIの出力は90点から99点まで改善されます。その結果、最後の手直しはもはや「承認」業務のみになっていき、人間の負担は大幅に減るでしょう。

そして、このようにAIとの協働形態が変化すると、タスク遂行のボトルネックが「AI性能」から「AIとのコミュニケーション」に移り変わっていき、音声AIの重要性が強く押し上げられるはずです。

例えば計画の策定にあたっては、従来よりAIとのやり取り回数が増加し、「一問一答」になりがちだったAIとのチャットが「会話」になっていくため、スムーズなコミュニケーションがより重要になります。また人間のタスクが「作業」から「承認」に移り変わっていくと、並列でAIにタスクを依頼することが当たり前になり、AI側から能動的に質問をしたり、承認を求めたりする機会が増えることから、「ちょっといいですか…?」という自然な割り込みが重要になっていきます。

もちろん音声AIの更なる普及にあたっては、AIモデル自体のさらなる性能向上が不可欠なだけに、OpenAI, Google, ElevenLabsといった音声AI開発企業からの発表が楽しみです。

SlideBox (https://slide-box.com/)

• Nano Banana Proなどで生成した画像スライドを要素ごとに分解して、PPTXとして出力できるツール

• 分解後は、テキストやオブジェクトの色や配置などを自由に変更できる上、パワーポイントに直接取り込めるのが便利

• 日本の学生AIコミュニティ「Aircle」が開発

• クレジットが付与されることから、無料でも十分利用可能

Genspark (https://www.genspark.ai/)

• スライド生成機能が特に便利な、AIエージェントサービス

• 先日新たに、既存のPPTXをテンプレートとして参照させて、スライド生成する機能が追加

• 同様の機能は競合サービスManusにもあり、どちらもまだ実用水準ではない印象

• 無料でも毎日100クレジット付与されるようになり、以前より試しやすくなった

最後までお読みいただきありがとうございました。
サービス改善のため、アンケートにご協力いただけると幸いです。「ワンクリック」で完了します。

株式会社Mavericksは2023年、世界に先駆けてリアルタイム動画生成AIサービス「🐬NoLang」をリリースし、現在15万超のユーザーを抱えるまでに成長してきました。法人向けの展開も行い、法人プランのユーザー数は60社を突破しています。また、大手企業との協業や独自開発案件にも着手しており、唯一性の高い価値創出が加速しています。

今後、NoLangを中核に据えながら事業をさらに成長させるべく、エンジニア・デザイナー、営業・マーケティング担当、そして全方位で学生インターンの募集を開始しています。法人営業の担当や、SNS運用などに興味のある方も、ぜひこちらのフォームより一度ご応募ください。

採用ページでは、弊社の実績、求める人物像に加え、メンバーの声をインタビュー形式で掲載しております。興味を持った方はぜひご覧ください。お問い合わせは、hr@mvrks.co.jpにて受け付けています。https://

また、私たちはニュースレターだけでなくXやInstagramにおいても、開発プロダクトに関する最新情報について積極的に発信しています。こちらも是非チェックしてみてください！

Twitter tweet

NoLang運営チームよりお届けしている、Mavericks AIニュースをご覧いただきありがとうございます！

Mavericks AIニュースは本日をもちまして、年内最後の配信とさせていただきます。来年は1月5日（月）より再開予定ですので、変わらぬご愛読のほど、よろしくお願いいたします！🐬

① Googleが新モデルGemini 3 Flashをリリース！一方、Geminiが依然抱える課題とは？

米国時間12月17日、Google社が小型AIモデル「Gemini 3 Flash」をリリースしました。

速度とコストパフォーマンスを重視した設計となっており、ベンチマークではGemini 3 Proに匹敵、場合によっては上回るスコアを達成しつつも、速度はGemini 2.5 Proの3倍、実質コストは約10分の1†に抑えられています。すでにGeminiアプリやGoogle検索における「AIモード」など、あらゆるGoogleサービスに組み込まれているとのことです。

Twitter tweet

Gemini 3 Proと比較すると、画像生成ではProの方が優れている一方、文章執筆をはじめとしたそれ以外のタスクでは、Gemini 3 Flashで十分なケースが多いのではないでしょうか。

一方で、かねてより指摘されている「Geminiの実用上の弱点」は、Gemini 3シリーズでもなお解消されていないと感じます。例えばGeminiは検索機能を使いこなすのが得意ではなく、AIブラウザとして有名なCometの開発元（Perplexity社）を間違えるなど、初歩的な情報検索にすら失敗することが多々あります。この点では、ChatGPTに軍配が上がるでしょう。

Google検索機能をONにしたGemini 3 FlashにAIブラウザ「Comet」の開発元について尋ねた結果。見切れている下部でも、Perplexityに関する言及は一切なかった。

またコーディング分野においても、GeminiはOpenAI社、Anthropic社のモデルと比べて使い勝手が大きく劣っており、結果としてOpenAI社のCodexやAnthropic社のClaude Codeと比べると、Google社のコーディング支援ツールの人気は伸び悩んでいる印象です。

とはいえ、文章執筆やデザインといったそれ以外のタスクでは、Geminiがベストな選択肢となるケースが多いのも事実です。Geminiが今後これらの弱点を克服し、「死角なし」のモデルへと進化を遂げられるのか、引き続き動向を注視していきたいところです。

†トークンあたりの価格と、「Gemini 2.5 Pro よりも平均 30% 少ないトークン消費量」というGoogleの発表をもとに実質コストを算出。

② Metaが音声や動画から目的の音だけを分離できる「SAM Audio」を公開！

Meta社が、音声や動画から特定の音だけを抽出できるAIモデル「SAM Audio」を公開しました。音楽を楽器ごとに分離したり、雑音を含むインタビュー動画からクリアな話し声だけを取り出したりすることができます。

そして特に画期的なのは、分離したい音声を、自然言語やビジュアルで誰でも直感的に指定できる点です。是非以下のデモ動画をご覧ください。

Twitter tweet

従来の音声分離モデルでは、決められたルールに則ってでしか分離できないことが多く、分離の仕方をユーザーが細かく指定することは困難でした。

一方でSAM Audioでは、テキストで「女性の話し声」と指示したり、動画内のフレームで物体をクリックしたりすることで、分離対象を指定できます。このように柔軟に振る舞いを制御できるのは、生成AIならではの体験と言えるでしょう。

SAM Audioの「SAM」は、「Segment Anything Model」の略です。このモデルは元々、画像や動画内の物体を検出し領域分離する「セグメンテーション」タスクにおいて、世界最高峰のAIモデルとして知られていました。しかし現在では、他のモダリティにも裾野を広げています。

例えば、先月20日には画像内の物体を3D化する「SAM 3D」がリリースされました。定量評価でも、世間的な定性評価でも、世界最高水準の精度を達成していると言って良いでしょう。

Twitter tweet

このように、テキスト、画像、動画、音声、3Dといったモダリティを横断した処理を行えるAIモデルは、来年以降確実に増えていくはずです。先日大きな話題を呼んだNano Banana Proのように、従来の枠組みを超えた機能を持つAIが登場し、絶えず私たちに衝撃を与え続けてくれるでしょう。

③ ChatGPTのアプリ機能がアップデート。PhotoshopもAcrobatも呼び出せる！

OpenAIはChatGPTを単なるチャットAIから、「あらゆる作業が完結するプラットフォーム」へと進化させようとしています。果たしてこの試みは成功するのでしょうか。

先日、ChatGPTのアプリ機能がアップデートされ、ChatGPT上で直接利用できるアプリケーションが大きく増えました。例えばAdobe製品との連携によって、Photoshopによる画像編集やAcrobatによるPDF編集を、ChatGPTから画面遷移することなく完結させられるようになりました。

Twitter tweet

しかし、このアプリ連携の真価は、単に画面遷移が少なくて便利だという点に留まりません。

例えば自然言語でアプリを作成できるツール「Lovable」との連携では、作りたいアプリの要件を大雑把に伝えるだけで、ChatGPTがLovableに入力すべき最適なプロンプトを考案して、実行してくれます。このように、ツールの詳しい利用方法やテクニックが分からなくても、私たちのイメージ通りの成果物が得られる可能性が大きく高まるわけです。

Lovableの連携機能によるChatGPT上でのアプリ作成の様子

さらに今回、OpenAIの提携先に留まらず、誰でもアプリをChatGPTに提出できるようになったことが発表されました。開発者は「Apps SDK」と呼ばれるツールキットを用いることで、ChatGPT上で提供するUIや機能をカスタマイズできます。OpenAIは今後、このシステムを「ChatGPT版 App Store」として成長させていくことで、消費者向けAIプラットフォームの覇権を握っていきたいようです。

ChatGPTから利用できるようになったアプリ一覧（一部）。ChatGPT版 App Storeとして大化けすることになるのか、注目が集まる

もっとも、飛躍的な性能向上を遂げた今日のAIモデルをもってしても、私たちが意図したタイミングでアプリを呼び出してもらうことは決して容易ではありません。実際現在のChatGPTでは、明示的なメンションがないと、そのツールを利用してくれません。

それでも、ChatGPTの登場によってGoogle検索を使わなくて済む場面が増えたように、私たちがAIを通じてWebアプリを操作する場面は、来年以降徐々に増えていくでしょう。

Google AI Studio (https://aistudio.google.com/prompts/new_chat)

• 先週Googleがリリースした、Gemini 3 Flashを無料で試すことが可能

• 右のサイドバーからGemini 3 ProやGemini 3 Flashなど、Googleのモデルを自由に選択できる

• Geminiでアプリを作ってみたい場合は、左のサイドバーから「Build」を選択して、作りたいアプリの内容を入力するのがおすすめ

• 画像生成AI「Nano Banana Pro」を試したい場合は、Geminiアプリからの利用がおすすめ

Meta SAM Playground (https://aidemos.meta.com/segment-anything/gallery/)

• Metaが先日リリースした、音声・動画から好きな音声を取り出せる「SAM Audio」を試すことができるプレイグラウンド

• 他にも動画内の物体追跡や、画像内の物体の3D化など、Metaが提供する最新AIモデルを利用した様々なAI機能を試せる

• どの機能も無料で試すことが可能

最後までお読みいただきありがとうございました！

Googleが初代Geminiをリリースした2023年12月に配信を開始して以来、今回で98回目の配信となります。

配信を継続できているのは、いつもご愛読いただいている皆様の声があってこそです。今後も一切品質に妥協せず、純度の高い情報をお届けしてまいりますので、どうか来年もよろしくお願いいたします！

サービス改善のため、アンケートにご協力いただけると幸いです。「ワンクリック」で完了します。

株式会社Mavericksは2023年、世界に先駆けてリアルタイム動画生成AIサービス「🐬NoLang」をリリースし、現在15万超のユーザーを抱えるまでに成長してきました。法人向けの展開も行い、法人プランのユーザー数は60社を突破しています。また、大手企業との協業や独自開発案件にも着手しており、唯一性の高い価値創出が加速しています。

今後、NoLangを中核に据えながら事業をさらに成長させるべく、エンジニア・デザイナー、営業・マーケティング担当、そして全方位で学生インターンの募集を開始しています。法人営業の担当や、SNS運用などに興味のある方も、ぜひこちらのフォームより一度ご応募ください。

採用ページでは、弊社の実績、求める人物像に加え、メンバーの声をインタビュー形式で掲載しております。興味を持った方はぜひご覧ください。お問い合わせは、hr@mvrks.co.jpにて受け付けています。https://

また、私たちはニュースレターだけでなくXやInstagramにおいても、開発プロダクトに関する最新情報について積極的に発信しています。こちらも是非チェックしてみてください！

Twitter tweet

NoLang運営チームよりお届けしている、Mavericks AIニュースをご覧いただきありがとうございます！

① OpenAIとディスニーが大型提携。Soraでディスニーキャラクターの動画生成が解禁へ

生成AIに関する著作権問題に関して、衝撃的なニュースが舞い込んできました。

ウォルト・ディズニー社が米国時間12月11日、OpenAI社との提携を発表しました。3年間のライセンス契約を締結すると共に、OpenAI社に10億ドルの株式投資を行い、さらに追加株式を購入するワラントも受け取るとのことです。

今回のライセンス契約について、特に押さえておくべきポイントは以下の通りです。

Soraによって生成されたディズニーキャラクターが映った動画。左からR2-D2（スターウォーズ）、スティッチ、ライトニング・マックィーン（カーズ）
（ウォルト・ディズニー社）

「ミッキーマウス」「トイ・ストーリー」「アナと雪の女王」「ダース・ベイダー」「アイアンマン」など、誰もが知る有名キャラクターや作品がライセンス契約対象に名を連ねています。なお、タレントの肖像・声は含まれておらず、キャラクターのビジュアル面に絞った利用が認められた形です。

遡ること今年9月、OpenAI社がSora 2をリリースした直後、有名な日本のIPキャラクターはほぼ例外なく生成できたのに対し、一部企業のIPキャラクターのみが生成できないという現象が見られました。その背後では、既にこのようなライセンス交渉が水面下で進められていたと考えられます。

生成AIによる著作権問題を巡っては、AI企業とIP保有企業がライセンス契約を締結する動きが加速しています。特に音楽生成AI分野ではこの2ヶ月で大きな動きがあり、業界2トップのSuno、Udioの両社が、それぞれ著作権侵害で訴訟を受けていたワーナー・ミュージック・グループ、ユニバーサル・ミュージック・グループとの和解並びに業務提携を発表しました。

10月29日、Universal Music GroupはUdioとの戦略的合意を発表した
（Universal Music Group）

ただしディズニー社は、許諾を得ていないIPキャラクターの生成に対しては依然として厳格に対処する姿勢を崩しておらず、全てを和解で収める気もないようです。

実際OpenAIとの提携と日を同じくして、ディズニー社がGoogle社のAIシステムによって著作権で保護されたキャラクターを生成できるとして、侵害行為の停止を求めたと米エンターテインメント専門誌Varietyが報じています。

他にも同社は、以前から画像・動画生成AIの開発で知られるMidjourneyを訴訟しており、またキャラクターとのチャットサービスを手掛けるCharacter.AIに対しても、キャラクターの削除を求める通告書を送付しています。

今回の一連の動きは、IPキャラクターを「AIモデルの出力から外せるかどうか」という二極化された戦いはもはや時代遅れになりつつあることを示唆しています。今後はIP保有企業とAI企業それぞれが、時には一時的な著作権侵害や訴訟を交えながら、いかに良い条件でIPキャラクターを生成する権利を提供・獲得できるかというせめぎ合いが激化していくことが予想されます。

② OpenAIが新モデル「GPT-5.2」をリリース、エクセル・パワポ作成能力が大幅に向上

米国時間12月11日、OpenAIが新たなモデル「GPT-5.2」をリリースしました。今回のアップデートで注目したいのが、Excel・PowerPoint資料の作成能力が大幅に向上した点です。

例えばExcel作成を例にとると、必要な情報を収集して適切に構造化するのはもちろんのこと、セルの幅調整や色付けといったデザイン面も含めて、追加の手直しが必要ないレベルでこなしてくれます。

ChatGPT経由でGPT-5.2で生成したエクセルファイル。セルの色付けや幅調整までこなしてくれている。ただし後述するように、生成には15分近くがかかった。

実際、GPT-5.2は「GDPval」と呼ばれる、学術的な賢さではなく、「現実の仕事」における性能を計測する指標にて、GPT-5.1やGemini 3.0 Proといった従来モデルを大きく上回るスコアを達成しています。他のベンチマークでのスコア向上を見ても、「AIエージェントに関するムーアの法則」に従って、AIが自律的にこなせるタスクの規模はまだまだ拡大していくでしょう。

GPT-5.2 Thinkingと競合モデルのベンチマークスコアの比較
（OpenAI）

ただし、すでにデザインタスクで他モデルを圧倒する有能さを見せつけているGemini 3.0 Proとは異なり、日常業務でGPT-5.2が従来モデルを圧倒するユースケースは限定的になりそうです。

実際、ExcelやPowerPoint作成における品質向上は、PythonやJavascriptにおける特殊なスキル向上に起因していると考えられ、それ以外で非連続的な性能向上を示すようなユースケースはあまり発掘されていません。

また、これら資料の作成には10〜20分という時間が必要になります。処理できるタスクの規模が拡大しているのは確かですが、これほど大規模な作業を丸ごと任せられる機会は、コーディング以外の分野ではまだ多くありません。

そして実務でより多く発生する、何度もやり取りしながら細部を詰めていくような場面では、依然として私たちの意図を正確に聞き出す能力はさほど向上していないように感じられます。

現在AIが使えないと感じる原因は、AIが私たちと認識を擦り合わせる能力が高くないこと、そもそも必要な背景情報にアクセスできていないこと、受動的にしか動いてくれないことなど、ベンチマークでは計測できないものがほとんどです。Googleが今年の開発者会議で提示した、PersonalかつProactiveな（指示待ちではなく先回りして行動する）AIへの進化が、今後一層求められていくのではないでしょうか。

③ CursorがFigmaライクにwebページを編集できる「Visual Editor」をリリース

AIコーディングエディターのCursorが、作成したwebページをGUIで直接編集できる「Visual Editor」機能をリリースしました。この機能では、色やサイズの変更、オブジェクトの位置調整といったデザイン編集をCursor上で完結させ、さらにワンクリックでコードへのアップデートまで完了させることができます。

Figmaのようなデザインツールとコーディング環境が融合した、まさに夢のような機能と言えるでしょう。

Cursor Visual Editorの機能説明

機能をさらに詳しく知りたい方は、以下のデモ動画をご覧ください。

Twitter tweet

従来、webページを完成させるためには、デザイナーがFigmaを使用してデザインを設計し、それを元にエンジニアがプログラムに落とし込む必要がありました。設計と実装は別々のツールで行われており、デザイン変更のたびに両者を行き来する必要があったわけです。

一方でこのVisual Editorを使えば、デザインとコードがCursorで一元管理され、本番コードを見ながらデザイナーが「その場で」様々な変更を試すことができます。

もちろん、HTMLベースのwebページはFigmaライクなオブジェクトと完全互換ではないため、編集操作には多くの制約があります。特にオブジェクトの位置変更は思う通りにいかないことが多く、まだまだ実験的な機能であることは間違いありません。

それでも、AIの性能向上によってデザインとコードの間にあった垣根は確実に低くなってきており、デザイナーがコードに直接触れるシーンは今後間違いなく増えていきます。その証拠に、Googleが先日リリースしたコーディングエディター「Antigravity」でも、デザイナーも主要なユーザー層として想定されています。来年以降、デザインとコーディングの一体化は一層進み、エンジニアとデザイナーの境界線は徐々に曖昧になっていくでしょう。

Google AI Studio Gemini TTS (https://aistudio.google.com/generate-speech)

• Googleの音声合成機能がアップデートし、性能向上

• 感情表現がさらに自然になったほか、日本語の読み間違いも減った

• ポッドキャストなど、2人の話者が掛け合うような音声も生成できる

• 現在はプレビュー版であり、無料で試すことが可能

Suno (https://suno.com/)

• 世界で最も人気とされている音楽生成AIツール

• 日本語の曲の生成品質も高く、ほとんどの人がAI生成と見分けられない水準

• 無料ユーザーでもv4.5-allというモデルを使用でき、十分品質が高いほか、上位モデル「v5 preview」の曲も試し聞きできる

• 商用利用にこだわらなければ、無料でダウンロードも可能

最後までお読みいただきありがとうございました。
サービス改善のため、アンケートにご協力いただけると幸いです。「ワンクリック」で完了します。

株式会社Mavericksは2023年、世界に先駆けてリアルタイム動画生成AIサービス「🐬NoLang」をリリースし、現在15万超のユーザーを抱えるまでに成長してきました。法人向けの展開も行い、法人プランのユーザー数は60社を突破しています。また、大手企業との協業や独自開発案件にも着手しており、唯一性の高い価値創出が加速しています。

今後、NoLangを中核に据えながら事業をさらに成長させるべく、エンジニア・デザイナー、営業・マーケティング担当、そして全方位で学生インターンの募集を開始しています。法人営業の担当や、SNS運用などに興味のある方も、ぜひこちらのフォームより一度ご応募ください。

採用ページでは、弊社の実績、求める人物像に加え、メンバーの声をインタビュー形式で掲載しております。興味を持った方はぜひご覧ください。お問い合わせは、hr@mvrks.co.jpにて受け付けています。https://

また、私たちはニュースレターだけでなくXやInstagramにおいても、開発プロダクトに関する最新情報について積極的に発信しています。こちらも是非チェックしてみてください！

Twitter tweet

NoLang運営チームよりお届けしている、Mavericks AIニュースをご覧いただきありがとうございます！

① 痒い所に手が届く。LovartがAI図解を修正できる、新たな画像編集機能をリリース！

Googleが先月リリースしたNano Banana Proは、スライドや図解画像を驚くほど高い品質で生成できるようになった一方、文字が崩れてしまうなど、「あと一歩」のところで失敗してしまうケースがしばしばあります。

そんな中、デザインAIツールLovartが、「フォントやデザインを崩さずに」画像内のテキストを編集できる新機能をリリースしました。実際の使用シーンを見ていただくのが手っ取り早いでしょう。是非以下の動画をご覧ください。

Twitter tweet

Lovartは先月頭の時点で、画像を解析してレイヤー分けすることで、編集可能な形に変換できる機能をリリースしていました。今回の新機能と組み合わせることで、画像内のオブジェクトの位置・サイズ、そしてテキストを、デザインを保ったままPowerPoint感覚で自由に編集できるようになりました。

Lovartによるデザインを保ったままのテキスト編集

オブジェクトの重複が多く、どうレイヤー分けすべきかの判断が難しいケースでは未だ失敗することもありますが、背景がシンプルな場合、実用的な精度でレイヤー分けや修正が行えます。

そして編集技術だけでなく、画像生成の表現力の高さにも改めて注目が集まっています。実はNano Banana Proはビジネス用途で使われる標準的なスライドフォーマットの多くを表現することができます。コンサルティングファームや行政機関を連想させる情報密度の高いデザインから、下記のような簡潔さに重点を置いたスタイリッシュなデザインまで再現可能です。

Twitter tweet

一方で、求めるデザインやスライド構成を的確に言語化するのは、誰にとっても容易ではありません。こうしたギャップを埋めるような、ユーザー理解に基づく高度なパーソナライゼーション技術の登場が待たれるところです。

② 「世界初の統合型マルチモーダル動画モデル」Kling O1がリリース！

今年8月にGoogleがNano Bananaをリリースして以降、AIによる画像編集が一気に普及していますが、動画編集における「Nano Bananaムーブメント」もすぐそこまで来ているようです。

中国発の動画生成AIツールKlingが、「世界初の統合型マルチモーダル動画モデル」と謳い、新モデル「Kling O1」をリリースしました。まずは是非、以下のデモ動画にて生成例をご覧ください。

Twitter tweet

Kling O1の機能はシンプルで、テキスト指示に画像や動画をメンションして含めることができるというものです。これにより、局所的な修正、動画全体のスタイル変更といった動画編集、さらには深いストーリー理解に基づいた新規カットの作成まで、広範な作業を直感的に行えるようになっています。

具体的には、以下のような指示が可能です。

Kling O1の使用例。画像や動画をメンションで指定して、指示から動画を作れる

動画生成AIモデルそのものとしての性能はOpenAIのSora 2に劣るため、「動画編集版Nano Banana」と呼ぶにはまだ時期尚早に思えますが、大きな転換点がすぐそこまで来ていることを感じさせる発表でした。

これまでの動画生成AIは「text to video」「image to video」「video to video」といった形で、入力形式ごとに別々のインターフェースが設けられることが一般的でした。

しかしこれからはKling O1のように複数の入力モダリティが一つのモデルに統合され、動画生成・編集AIといった区分は徐々に消滅していくでしょう。さらにゆくゆくはLLM・画像生成AIといった出力形式の差分も吸収され、完全統合型のマルチモーダルAIへと発展していくのではないでしょうか。

③ ChatGPTのボイスモードがアップデート！今後の音声対話AIの行先は？

先月のChatGPTのアップデートにより、ChatGPTと音声対話できる「ボイスモード」が、画面遷移なしに、普段のチャット画面から直接利用可能になりました。

AIの回答がリアルタイムに表示されていくため、会話途中にやり取りを遡れるほか、画像や地図も表示してくれるなど、使いやすさが着実に向上しています。

Twitter tweet

一方で、今年目覚ましい進化を遂げたAIエージェントや動画生成AIと比較すると、音声対話AIは昨年9月のOpenAIによる「ボイスモード」リリース以降、大きなインパクトを残せていません。一体なぜでしょうか？

2025年、AIが特に進化したのは情報を「探す」能力と「伝える」能力の2つでした。

「探す」能力に関しては、OpenAIのDeepResearch、GPT-5、あるいはNotebookLMの登場が象徴的です。LLMが思考能力を獲得したことで、web文献や社内ドキュメントの中から、参照すべき文献にかなりの高確率で辿り着けるようになりました。

「伝える」能力も大きく向上しています。GensparkやGeminiのスライド生成、Nano Banana Proの図解生成を見れば分かる通り、単に情報を箇条書きで出力するだけでなく、それを分かりやすいデザインにまとめることが可能になってきました。他にも、Google検索のAI版「Google AI Mode」では、回答に応じて最適なUIを動的に生成する試みが進んでいます。

Twitter tweet

しかしその一方で、エージェント化の進展により1タスクあたりの処理時間が長くなっており、音声対話のようなリアルタイム性が重要な場面では、性能向上を実感しにくくなっています。ChatGPTのボイスモードは依然としてGPT-4oベースのモデルを使用しているようで、Geminiの音声対話機能もしばらく大きなアップデートがありません。

とはいえ、LLMは毎年1/4〜1/10というハイペースでコストダウンしており、処理速度の改善も続いています。今までとは一線を画す性能を持つ音声対話AIが、そろそろ登場する頃ではないでしょうか。

Lovart (https://www.lovart.ai/ja)

• 画像生成・動画生成AIを搭載した、デザイン制作支援ツール

• 生成またはアップロードした画像をPowerPointライクなレイヤー分けされた形に変換できる

• さらに、新たにテキストを「フォントやデザインを保ったまま」編集可能になり、より便利に

• 現在は無料で一日100クレジットが付与されるため、主要機能を十分試すことが可能

ElevenLabs (https://elevenlabs.io/)

• 最新AI音声合成モデル「Eleven v3」の日本語性能の高さが話題に

• [happy], [laughing]といった音声タグを追加して感情を制御したり、表現を追加したりできる

• さらにVoice Design機能を使えば、「しゃがれた中年男性教師の声」といったプロンプトを入れて自分だけの声を作ることも可能

• サインアップなしに何回か試せるほか、ログインすれば無料でも十分な回数試すことができる

最後までお読みいただきありがとうございました。
サービス改善のため、アンケートにご協力いただけると幸いです。「ワンクリック」で完了します。

株式会社Mavericksは2023年、世界に先駆けてリアルタイム動画生成AIサービス「🐬NoLang」をリリースし、現在15万超のユーザーを抱えるまでに成長してきました。法人向けの展開も行い、法人プランのユーザー数は60社を突破しています。また、大手企業との協業や独自開発案件にも着手しており、唯一性の高い価値創出が加速しています。

今後、NoLangを中核に据えながら事業をさらに成長させるべく、エンジニア・デザイナー、営業・マーケティング担当、そして全方位で学生インターンの募集を開始しています。法人営業の担当や、SNS運用などに興味のある方も、ぜひこちらのフォームより一度ご応募ください。

採用ページでは、弊社の実績、求める人物像に加え、メンバーの声をインタビュー形式で掲載しております。興味を持った方はぜひご覧ください。お問い合わせは、hr@mvrks.co.jpにて受け付けています。https://

また、私たちはニュースレターだけでなくXやInstagramにおいても、開発プロダクトに関する最新情報について積極的に発信しています。こちらも是非チェックしてみてください！

Twitter tweet

NoLang運営チームよりお届けしている、Mavericks AIニュースをご覧いただきありがとうございます！

① NoLangが大幅アップデート。「あなただけ」のキャラクターを動画に登場させられます！

この度、私たちが開発する🐬NoLangにて大規模なアップデートが実施され、自分だけのキャラクターを作成して、動画に登場させられるようになりました！

ご自身の声をクローンしたり、写真からオリジナルキャラクターを生成したりすることが可能です。まずは是非、以下のデモ動画をご覧ください！

Twitter tweet

以下では、本アップデートの注目ポイントについてお伝えしていきます！

(1) 🎧 ボイス作成

わずか1分の音声を収録するだけで、あなたのクローンボイスを作成できるようになりました！手軽でありながら、驚くほど高い精度で声の特徴が再現されますので、ぜひ一度お試しください。

(2) 👩 アバター作成

写真をアップロードして、オリジナルのキャラクターを作成できるようになりました！ボイス作成機能と合わせることで、あなた自身が登場する動画も簡単に作成できます！

写真を1枚アップロードするだけで、簡単にキャラクターを作成できます！

(3) ✨さらにリアルなボイス・アバター

法人プランでは、さらに以下の機能をご利用いただけます！

リアルアニメーションのサンプル。実写人物だけでなく、アニメキャラクターもこのようなクオリティで動かすことができます！

これからも動画作成・編集の手軽さはそのままに、ショート動画からプレゼン動画まで、もっと自由度高く、ほしい動画を作れるサービスへとアップデートを重ねてまいります。今後とも🐬NoLangをよろしくお願いいたします！

② GoogleがGemini 3.0 Proをリリース！「AIっぽいデザイン」とはおさらば

Googleが現地時間11月19日、20日に、マルチモーダルAIモデル「Gemini 3.0 Pro」、そして画像生成・編集AIモデル「Nano Banana Pro」をリリースしました。

この1年、生成AIは凄まじいスピードで、マルチモーダル性能とエージェント能力を高めてきました。今回の発表はその集大成とも言うべきもので、特にwebページ・スライド・ポスター制作といったデザイン分野での著しい進歩が見られました。以下の3点を押さえておきましょう。

まずはGemini 3.0 Proによって生成されたwebサイト例をご覧ください。ぱっと見で誰もが「センス抜群」と思える水準ではないでしょうか。

Twitter tweet

これまでClaudeをはじめとした生成AIモデルは、HTML形式で様々なデザインを生成することができました。しかし自由度は決して高くなく、どこかAI感の残るありきたりなレイアウト・装飾になることがほとんどでした。

一方Gemini 3.0 Proは、要素の配置方法・フォント・エフェクトなど、とにかくデザインの引き出しの幅が広く、それらを統一感をもって選定してくれます。「モダンなデザインで、フォントなども工夫して」といったシンプルなプロンプトで下記のような高品質なwebページが生成できるほか、要件定義書を通じて細部まで指定するアプローチも有効な印象です。

Gemini 3.0 Proで生成したwebサイト
（左）PCサイズでの見た目
（右）モバイルサイズでの見た目。しっかり対応できている
プロンプト：新しい日常品ブランドを立ち上げました。「普段よりちょっと贅沢。」をコンセプトに衣料品から家電、食料品まで幅広く展開しています。 コンセプトに合うモダンなデザインで、フォントなども工夫してブランド紹介のwebページを作成してください。7セクション分お願いします。

コストは前世代のGemini 2.5 Proの1.2～1.5倍程度に抑えられており、わずか10-20円程度で上記のようなwebページが生成できてしまいます。

スライド生成についても、webページと比較するとややデザイン力は低下しますが、最低限のレイアウト崩れでGoogleスライドへエクスポート可能なHTML（あるいはSVG）形式で、スライドを出力してくれます。

Twitter tweet

③ Googleが画像生成AI「Nano Banana Pro」もリリース！テキスト入り画像をほぼ完璧に出力

Googleが画像生成AI「Nano Banana」をリリースして世界に衝撃を与えたのは今年3月のことですが、今回リリースされた後継の「Nano Banana Pro」は、競合他社や研究者の想像を超える出来だったようです。

以下の投稿に生成例が詳しくまとまっていますが、特に日本語テキスト入りの図解・ポスターの品質の高さは驚異的です。

Twitter tweet

このモデルは別名「Gemini 3 Pro Image」と呼ばれるようにGemini 3.0を基盤としており、単に画像を生成・編集をするだけでなく、「思考能力を有した画像生成AI」である点にも注目したいです。

図解生成を例にとると、単にプロンプト通りに画像を生成するだけでなく、情報を分かりやすく伝えるために、レイアウト、配色、グラフの見せ方など、どうすればいいか計画を練った上で、それら一つ一つを正確に描画してくれています。

デザイン分野は、2025年の2大トピックである「マルチモーダルAI」と「AIエージェント」の交差点にあり、AIの得意領域となったことにも合点がいきます。すでに「90%AI生成」が達成されているコーディング同様、簡単なタスクは「バイブデザイン」によって全てAIで処理され、難易度の高いタスクにおいても作業者の主体がAIに置き換わっていくのではないでしょうか。

2022年11月30日のChatGPTリリースから3年が経過した現在でも、生成AI技術は凄まじい速度で進化を続けていますが、この快進撃はまだまだ続く可能性が高いようです†。実際、Gemini開発の共同リードを務めるOriol Vinyals氏は以下のように述べています。

昨年12月は「o1」「Gemini 2.0 Flash」「Veo 2」など、革新的なモデルが次々とリリースされた月でした。今年も残り1ヶ月。まだまだ目の離せない展開が続きそうです。

†元OpenAI創業者兼主任研究員のイリヤ・サツキバー氏がインタビューにて、スケーリングの限界について示唆しました。しかし、これはあくまで5年から20年後にかけて達成されるような「超人的なシステム」の実現に向けた話であり、かつ短期的にスケーリングによる改善が継続することも認めています。「私たちの想像の範疇」に限れば、進化はしばらく続くのではないでしょうか。

Gemini (Nano Banana Pro) (https://gemini.google.com/)

• Geminiアプリにて、画像生成AI「Nano Banana Pro」を無料でも試すことが可能

• あらゆるタスクをこなせるが、特にテキスト入りの図解・ポスターの生成が得意

• また、Gemini 3.0 Proを利用することも可能。「スライドを生成して」と指示することで、Googleスライドにエクスポート可能なスライドも生成してくれる

• 無料プランだと生成回数上限が厳しく、本格的に使用したい場合はProプランへのアップグレードかAPIでの利用を推奨

Google AI Studio (Build) (https://aistudio.google.com/apps)

• Gemini 3.0 Proを利用したコード生成を無料で試すことができる

• フォントやエフェクト、テーマを指定することで、AI生成とは思えない品質のwebページが生成

• 単一のHTMLファイルを生成するのではなく、BoltやLovableのように、複数ファイルを生成して描画してくれることから、複雑なwebページも生成可能

• 生成したコードをエクスポートしたり、Google Cloudと連携してデプロイしたりすることも可能

最後までお読みいただきありがとうございました。
サービス改善のため、アンケートにご協力いただけると幸いです。「ワンクリック」で完了します。

株式会社Mavericksは2023年、世界に先駆けてリアルタイム動画生成AIサービス「🐬NoLang」をリリースし、現在13万超のユーザーを抱えるまでに成長してきました。法人向けの展開も行い、法人プランのユーザー数は40社を突破しています。また、大手企業との協業や独自開発案件にも着手しており、唯一性の高い価値創出が加速しています。

今後、NoLangを中核に据えながら事業をさらに成長させるべく、エンジニア・デザイナー、営業・マーケティング担当、そして全方位で学生インターンの募集を開始しています。法人営業の担当や、SNS運用などに興味のある方も、ぜひこちらのフォームより一度ご応募ください。

採用ページでは、弊社の実績、求める人物像に加え、メンバーの声をインタビュー形式で掲載しております。興味を持った方はぜひご覧ください。お問い合わせは、hr@mvrks.co.jpにて受け付けています。https://

また、私たちはニュースレターだけでなくXやInstagramにおいても、開発プロダクトに関する最新情報について積極的に発信しています。こちらも是非チェックしてみてください！

Twitter tweet

NoLang運営チームよりお届けしている、Mavericks AIニュースをご覧いただきありがとうございます！

① Google DeepMindがビデオゲームをプレイして3D世界を動き回れるAIエージェント「SIMA 2」を発表

「AGIへ向けた重要な一歩」という記述は、研究成果に対する自信の表れでしょう。

Google DeepMind社は現地時間11月13日、私たち人間と同じようにビデオゲームをプレイできる、汎用的なAIエージェント「SIMA 2」を発表しました。

このエージェントはマウスやキーボードを駆使して、ゲーム上で「小さな洞窟に入って、石炭を採掘する」といったタスクをこなすことができます。今はまだバーチャル3D空間での活動に限られていますが、将来的に現実世界へ移行することができれば、実世界で稼働する汎用ロボットの実現が見えてきます。

Twitter tweet

Google DeepMind社はこのようなエージェントの開発に以前から取り組んでおり、今年3月に初代SIMAを発表していました。その頃と比べると、Gemini 2.5 Flash-liteの活用により、複数ステップの推論が必要な複雑なタスクもこなせるようになっており、タスク成功率は人間との差を大きく縮める65%にまで到達しています。

Google DeepMindが用意した評価用データセットにおける、SIMA 1, SIMA 2のタスク成功率の比較
（Google DeepMind）

また、SIMA 2は「自己改善」の仕組みを持ち合わせており、これにより学習済みのゲームだけでなく、全く新しいゲームにも対応することができます。新しい環境に適応するためのタスクを作成するGeminiモデルと、報酬を算出するモデルが存在し、これらを使って生成された訓練データを用いることで、エージェントは自らの失敗から学び、性能を向上させることができます。

SIMA 2の自己改善の仕組みを表した図
（Google DeepMind）

今回の成果は、私たちがエージェントと聞いて真っ先に思い浮かべる、リサーチやコード実行などを行うAIではなく、私たちと同じように身体を有し、身体を通じて世界と相互作用しながら行動をとっていく「Embodied AI」の実現、ひいては汎用ロボットの実現に向けた重要な一歩だと述べられています。

OpenAIの動画生成AI「Sora 2」やGoogleの世界モデル「Genie 3」で見られたように、AIは現実に即した世界を創造する能力を急激に獲得しつつあります。これから数年はそれだけでなく、未知の世界を探索し、スキルを習得しながら、タスクを完遂する能力がどれだけ向上していくのかにも注目したいところです。

② ChatGPTの「グループチャット」機能が公開！人間同様に会話に参加してくれる

今年の流行語大賞に「チャッピー」がノミネートされるなど、日本国内ではChatGPTをはじめとしたチャットAIが多くの人にとって身近な存在になりつつありますが、OpenAIはこの流れにさらに拍車をかけたいようです。同社は現地時間11月13日、ChatGPTの「グループチャット」機能を公開しました。

LINEのグループトークのように、他のユーザーやChatGPTグループに招待し、そこでChatGPTを交えてメンバー間で会話することができます。

Twitter tweet

この機能でChatGPTは、毎回発言すべきか否かを自ら判断し、必要と判断した時のみメッセージを送信してくれます。またLINEのリアクション同様に、絵文字を使ってメッセージに反応してくれるなど、私たち人間と同じように振る舞ってくれます。

ChatGPTのグループチャット機能における会話の様子

通常モードのChatGPT同様、web検索や画像生成の機能も備えており、OpenAIは公式発表の中で、以下のようなユースケースを挙げています：

現在ChatGPTが広く支持されている主な理由として、「有能だから」「優しいから」という2つが挙げられます。上記のユースケースは基本的にChatGPTの有能さを活かすものであり、回答の正確さが求められますが、私が使用した限りでは、ChatGPTの回答の質が低いことが多く、自分だけでなく他メンバーにもノイズとなるため気軽には使いにくいと感じました。

ただしこのグループチャット機能は、対象を一部地域に絞った初期リリースです。2023年11月にGPTsが発表されて以降、「私たちの仕事や日常生活をあたかも人間のようにサポートしてくれるAGIを構築したい」というOpenAIの方針自体は一貫しています。

画面遷移なしに気軽にやり取りしたり、タスクを依頼できる体験は心地良いだけに、今後どのようにUXが改善されていくのか、そしてユーザーによってどのようなユースケースが発掘されていくのか注目したいところです。

③ Disney+でユーザーがAIコンテンツを生成できるようになるかもしれない

ウォルト・ディズニー社の株主向け決算説明会で、CEOボブ・アイガー氏がDisney+に関する重大な戦略を明らかにしました。ユーザーがAIを使ってディズニーをテーマにしたコンテンツを生成・共有できる機能を導入する計画を示唆したのです。

特に、ショート動画を生成・消費できるようになるかもしれないと述べられており、もし実現すれば歴史的転換点となるでしょう。

Disney +アプリのホーム画面（Disney+）

ディズニー社は今年6月、著作権で保護されたIPと酷似したキャラクターが生成できることを理由にMidjourney社を提訴するなど、表向きには生成AIによるIPキャラクターを含んだコンテンツ生成に厳しい態度を示してきました。しかしここに来て、公式プラットフォーム構築という形でAIとの共存を模索する姿勢を打ち出してきました。

Midjourneyは「アナ雪」「モンスターズ・インク」などに登場する著作権保護されたキャラクターとほぼ同一のキャラクターを生成できてしまう。
（Vergeに掲載された訴状より）

このような動きは既に音楽分野で見られており、Universal Music Groupが音楽生成AIプラットフォームUdioを訴訟後、一転して先月、戦略的合意の締結と新プラットフォームの共同開発を発表しました。

新プラットフォームでは、ユーザーはAIを使って有名な曲を改変したり、歌手の声を元に新しい曲を作ったり、複数アーティストのスタイルをマッシュアップしたりできるようになる一方、生成コンテンツのダウンロードは禁止され、プラットフォーム内部で生成と消費が完結する設計になっています。

9月末のOpenAIによるSora 2リリース、そしてそれに対する世間の反応を見ても、AIによる著作権物に紐づくコンテンツ生成を完全に抑止することはもはや困難でしょう。そして、この問題に対する最も効果的な対策が、このような公式AIプラットフォームの構築だと思われます。

ディズニー社の今回の計画に関する情報はまだ少ないですが、根本的な方針が揺るがない限りは、関係者や大衆の理解を得るために、念入りな調整が着々と進められていくでしょう。

Google Mixboard (https://labs.google.com/mixboard/welcome)

• Google Labsがリリースした、コンセプトボードツール。AIで画像生成・編集を行い、ホワイトボード上に自由に配置できる

• コンセプトに合う画像を一括で生成したり、類似画像を生成したりといった、アイデア出しに必要なタスクがシンプルな操作でできる点が嬉しい

• また、画像に赤ペンで書き込んで修正できる機能が直感的で使いやすいと話題に

• 実験的機能なので、現在は無料で利用可能。先週より日本でも利用可能に

Group Chats in ChatGPT (chatgpt.com)

• LINEのグループトークのような形で、友達やChatGPTを招待してチャットできる新機能が登場

• ChatGPTが出番を自己判断した上で、必要な時のみメッセージやリアクションを送ってくれる

• web検索機能も有しており、例えば友人との旅行計画がおすすめ用途として紹介

• 現在は無料プランのユーザーも利用可能

最後までお読みいただきありがとうございました。
サービス改善のため、アンケートにご協力いただけると幸いです。「ワンクリック」で完了します。

株式会社Mavericksは2023年、世界に先駆けてリアルタイム動画生成AIサービス「🐬NoLang」をリリースし、現在13万超のユーザーを抱えるまでに成長してきました。法人向けの展開も行い、法人プランのユーザー数は40社を突破しています。また、大手企業との協業や独自開発案件にも着手しており、唯一性の高い価値創出が加速しています。

今後、NoLangを中核に据えながら事業をさらに成長させるべく、エンジニア・デザイナー、営業・マーケティング担当、そして全方位で学生インターンの募集を開始しています。法人営業の担当や、SNS運用などに興味のある方も、ぜひこちらのフォームより一度ご応募ください。

採用ページでは、弊社の実績、求める人物像に加え、メンバーの声をインタビュー形式で掲載しております。興味を持った方はぜひご覧ください。お問い合わせは、hr@mvrks.co.jpにて受け付けています。https://

また、私たちはニュースレターだけでなくXやInstagramにおいても、開発プロダクトに関する最新情報について積極的に発信しています。こちらも是非チェックしてみてください！

Twitter tweet

NoLang運営チームよりお届けしている、Mavericks AIニュースをご覧いただきありがとうございます！

① これが欲しかった…！Manusがスライドテンプレートのインポート機能を公開！

「スライド生成AIは確かに便利だけれども、自分が普段PowerPointで作成しているスライドとデザインを揃えられない…」

AIスライド利用者の多くが直面していたこの問題を解決する画期的な機能が、汎用AIエージェント「Manus」よりリリースされました。既存のPowerPointスライドをインポートしてManus内にテンプレートとして保存できるというもので、これにより個人や自社で普段使いしているデザインに沿って、AIでスライド生成できるようになったのです。

Twitter tweet

実際に私も試してみましたが、ビジネスシーンで好まれるようなミニマルデザインのスライドであれば、一定の精度でテンプレートのデザインを再現してくれることを確認できました。レイアウトや色合いだけでなく、フォントや文字サイズまで寄せてくれ、「自分らしいスライド」が生成できていると感じました。

（左）Manusに入力したPowerPointスライド（一部抜粋）。共に全部で10ページ強
（右）Manusの生成スライド（一部抜粋）

企業利用では特に重要になってくる、ヘッダー等の細かなデザイン指定に関しても、成功するとかなりの再現度が達成されます。

（右）Manusに入力したPowerPointスライド（一部抜粋）。共に全部で10ページ強
（下）Manusの生成スライド（一部抜粋）
見づらいが、グラデーション背景上に書かれた「EXAMPLE, INC.」のヘッダーがしっかり保存されていることが分かる。

もちろん、ManusやGensparkといったスライド生成AIで作成されるスライドはHTML形式であり、PPTXとは原則互換性がないことから、ピクセルパーフェクトでデザインを合わせることは困難です。

それでも、そういった完璧な一致を求めないのであれば、このようなデザイン指定は近いうちに十分実用的な水準になると考えられます。現在のCanvaのような充実度でスライドAI用のテンプレートが整備され、誰もが簡単に、好きなデザインでAIにスライドを作成させられる未来はそう遠くないでしょう。

② Lovartが画像をパワポっぽく編集可能な形に変換してくれる画期的機能をリリース

「画像生成AIでそれっぽいポスター画像や図解は作れるようになったけれども、結局細かい修正ができないし、文字化けも多いから実務ではほとんど使えない…」

この根本的とも言える問題解決の糸口が、ようやく見えてきました。

デザイン制作支援ツール「Lovart」が、画像を解析してレイヤー分けすることで、編集可能な形に変換できる新機能をリリースしました。是非以下の投稿より、実際に機能が使用されている様子をご覧ください。

Twitter tweet

この新機能では主に2つの操作がサポートされており、それらによってテキスト入りの画像をPowerPointスライドのような感覚で編集することができます。

1つ目は「テキスト抽出」です。画像内のテキストが編集可能な形で抽出され、テキスト内容はもちろん、文字色・サイズ、フォントなどを自由に変更できるようになります。

LovartでAI生成したサムネイル画像を編集した結果。
元のサムネイル画像はGensparkで作成

2つ目が「レイヤー分け」です。テキストだけでなく背景画像、素材画像、オブジェクトが全てレイヤーとして分離され、それぞれの位置や重なり順を自由に調整できるようになっています。

Lovartでポスター画像を編集した結果。追加したメロンパンのイラストもLovartで生成している

もちろん、これらの機能は画像解析・編集AIによって実現されているため、完璧な変換が常に保証されるわけではありません。また現状では、どこまでレイヤーを細分化するかをユーザー側で指定することはできず、数十のオブジェクトが含まれるような複雑なデザインを正確に変換するのは依然として困難です。

それでも、テキスト抽出自体の精度は100%に近く、シンプルなサムネイルやポスター画像の編集には既に十分実用的な性能に達していると言えます。さらに、Nano Bananaをはじめとする画像編集AI技術の進化に伴い、レイヤー分けの品質も今後さらに向上していくことが期待され、来年以降一気に普及が進んでいくかもしれません。

③ GoogleマップがGemini統合で大幅強化。運転中ハンズフリーでAIと会話可能に

GoogleマップにてAI機能が大幅に強化され、特に運転中にGeminiとハンズフリーで会話しながら案内を受けられるようになると発表されました。まるで検索が得意な友人が助手席に座り、相談に乗ってくれたり、目的地まで案内をしてくれるような体験を味わえるようです。

アップデート後は、運転中、音声でいつでもGeminiに質問を投げかけることができます。例えば、「ルート沿いに、リーズナブルでピザを食べられるレストランはある？できれば5km以内で……そこって駐車場はある？」といった形で、周辺のお店の検索から、面倒な関連情報の調査まで全て依頼することができます。

また、運転中に「500m先で右折です」と案内されたものの、結局どこで曲がればいいか分からず、道を間違えてしまった経験はないでしょうか？ここでもGeminiが活躍します。

経路沿いで目に留まりやすいガソリンスタンド、レストラン、有名な建物などのランドマークを地図上でハイライトしながら、「Thai Siam Restaurantを過ぎたら右折です」などと音声でも案内してくれるようになるのです。曲がり角を見逃す頻度は激減するでしょう。

Geminiによる曲がり角での運転支援。角のレストランが青くハイライトされている
（Google）

そして目的地に到着したら、Googleマップからワンクリックでカメラを起動して、視界を共有しながら「ここはどういう場所で、なぜ人気なの？」といった形でガイドしてもらうこともできます。

Googleは自社製品とGeminiの連携機能をここ一年で大幅に強化しており、Google Meetでの議事録作成、Gmailでの返信案作成、Googleスプレッドシートでのデータ分析など、私自身もすでに多くの機能を日常的に利用しています。

また先週には、Zapierのようにブロックを繋げて、Google製品やGeminiを連携させたワークフローを作れる「Google Workspace Flows」もリリースされ、複数アプリを横断した処理の自動化まで手軽に行えるようになってきました。

Google Workspace Flowsで問い合わせフォームの内容を解析して、チャットアプリに自動投稿するワークフローを組んでいる様子
（Google）

今年のGoogleの開発者会議では、今後Geminiがユーザー情報を元にした個別最適化された提案を行う（Personal）ようになり、さらに将来的には、ユーザー理解を元に指示待ちではなく先回りして行動（Proactive）してくれるようになる見込みだと発表されました。今私たちが想像している以上に、今後生活のあらゆる過程にAIが入り込んでいき、私たちの暮らしを変えていくのではないでしょうか。

Lovart (https://www.lovart.ai)

• 画像生成・動画生成AIを搭載した、デザイン制作支援ツール

• 生成またはアップロードした画像をPowerPointライクなレイヤー分けされた形に変換できることが話題に

• 画像を選択して「要素を編集」を押下することで、レイヤー分けがなされ、テキストが編集可能になる。もしテキストも画像として抽出したい場合は、その横の3点ドットから「レイヤーを抽出」を選択すること

• 現在は無料で一日100クレジットが付与されるため、主要機能を十分試すことが可能

Manus (https://manus.im)

• Gensparkと並んで有名な、汎用AIエージェントを搭載したツール

• 特にスライド生成AIとして、PowerPointをインポートしてテンプレートとして利用できることが話題に

• また先日Manus 1.5へとアップデートされ、webアプリ作成機能も大幅に強化

• 無料でも試すことが可能だが、軽量モデル「Manus 1.5 Lite」しか使えず十分な精度が出ないため、無料トライアルに加入することをおすすめ

最後までお読みいただきありがとうございました。
サービス改善のため、アンケートにご協力いただけると幸いです。「ワンクリック」で完了します。

株式会社Mavericksは2023年、世界に先駆けてリアルタイム動画生成AIサービス「🐬NoLang」をリリースし、現在13万超のユーザーを抱えるまでに成長してきました。法人向けの展開も行い、法人プランのユーザー数は40社を突破しています。また、大手企業との協業や独自開発案件にも着手しており、唯一性の高い価値創出が加速しています。

今後、NoLangを中核に据えながら事業をさらに成長させるべく、エンジニア・デザイナー、営業・マーケティング担当、そして全方位で学生インターンの募集を開始しています。法人営業の担当や、SNS運用などに興味のある方も、ぜひこちらのフォームより一度ご応募ください。

採用ページでは、弊社の実績、求める人物像に加え、メンバーの声をインタビュー形式で掲載しております。興味を持った方はぜひご覧ください。お問い合わせは、hr@mvrks.co.jpにて受け付けています。https://

また、私たちはニュースレターだけでなくXやInstagramにおいても、開発プロダクトに関する最新情報について積極的に発信しています。こちらも是非チェックしてみてください！

Twitter tweet

NoLang運営チームよりお届けしている、Mavericks AIニュースをご覧いただきありがとうございます！

① Google GemsとGmailの連携機能でメール作成を大幅に時短する方法を詳しく解説！

以前からChatGPTやGeminiを使ってメール文を作成すること自体は可能でしたが、満足いく品質にならず、手数も多くて諦めてしまったという方は多いのではないでしょうか。

しかしこの状況は大きく変わっています。先日リリースされたGoogle社が提供するカスタムAI「Gems」を使えば、Gmail画面から直接メール内容を読み込ませつつ、自分らしい文体・フォーマットでメールドラフトを生成できるようになっています。

Gmailをお使いの全てのビジネスパーソンにおすすめしたい機能となっています！

(1) Gemの作成

Gemsとはいわば「Google版 GPTs」であり、カスタマイズされたGeminiを簡単に構築できる機能です。Googleログインした状態でGeminiのwebサイトにアクセスしたら、サイドバーの「Gemを表示」からGems画面に移り、「Gemを作成」をクリックします。

Gemini画面

続いて、Gemの設定を行っていきます。名前を入力したら、「カスタム指示」の欄に、以下のようにメール作成の際に守ってほしいルールを記述しましょう。

そして「知識」には、参照させたいサンプルメール文を3通程度添付します。Google Driveまたはローカルファイルから選択可能です。なお、会社名等の個人情報や日付などの数値情報はマスクしておきましょう。Gemsが誤ってメールドラフトにその内容を含めてしまう可能性があるからです。

添付したサンプルメール文の例。メールドラフトに含まれてほしくない内容は、事前にマスクしておくことを推奨します。

最後に、モデルを高性能な「Gemini 2.5 Pro」に設定した上で、「保存」を押下すれば作成完了です。

Gemの設定画面

(2) Gmail画面でのGemの呼び出し

続いてGmailのwebサイトを開き、右上のボタンからGeminiサイドパネルを呼び出します。先ほど作成したGemを選択することで、Gemとのチャット画面に遷移します。

あとは返信内容をラフに記述して送信するだけで、体裁の整ったメール文が生成されます。ここでは、返信を含む一連のやり取りが全てコンテキストとしてGemに入力されるため、いちいち背景を説明せずとも、十分な品質のメール文が生成されます。「コピー」や「挿入」をクリックすれば、簡単に本文に挿入することが可能です。

GmailからGemを呼び出してメールドラフトを生成する様子

なお、「Geminiサイドパネル」には、メールドラフトの生成以外にも、メールスレッドの要約をはじめとして有用な機能がいくつも搭載されています。詳細はGoogle Geminiの公式noteをご覧ください。

解説は以上となります。もし参考になりましたら、会社の同僚やご友人にも共有していただけたら幸いです。

② Googleが企業イメージに合った広告デザインを自動生成する「Pomelli」を実験的にリリース！

Googleが、企業のブランドに適した広告デザインを自動で生成するAIツール「Pomelli」を、米国を含む一部地域でリリースしました。webサイトのURLを入力するだけで、相応しいテーマカラーやフォント、画像などを自動で選定し、それら素材に基づいてポスターやバナー画像を生成してくれます。

Twitter tweet

Pomelliは現時点では日本でリリースされていませんが、解説動画が公開されており、そこから詳細な機能について知ることができます。

まず初めに「ビジネスDNAの構築」が行われます。ここでは入力されたwebサイトの内容を分析し、ブランドイメージの核となる「フォント」「画像」「テーマカラー」「バリュー」などが自動で選定されます。

PomelliにおけるビジネスDNAの構築
（Google Labs）

続いてビジネスDNAに基づいて、キャンペーン内容を入力してデザインを生成することができます。ユーザーによりアクションなしに、push型でデザインが自動生成される機能も備わっており、とにかく「簡単に使えること」に重きが置かれている印象です。

Pomelliで生成されるデザイン例
（Google Labs）

そしてもちろん生成したデザインのテキストや画像は編集可能であり、アスペクト比変更など、SNS投稿を見据えた機能も搭載されています。

Pomelliで生成デザインを編集する様子
（Google Labs）

Google Labsのプロダクトマネージャーによれば、このAIツールは中小企業や個人事業主といった「小規模なビジネス」を手掛けるユーザー向けとのことです。まだ実験的なアプリケーションであり機能は限られていますが、今後トレンドになるであろうパーソナライズされたAIコンテンツ生成の可能性を感じさせてくれます。

このような企業のテンプレートやブランドイメージに基づいたコンテンツ生成は、実は現在の生成AIの苦手領域です。例えばGensparkやManusといったツールを使えば、リッチなデザインのスライドを作れるようになってきましたが、自社のテンプレート通りに作ってもらうことはまだ困難です。

Nano Bananaによる画像生成・編集においても、過去のデザインを参照させて「こんな雰囲気で新しいデザインを生成して」といった指示を出してもうまくいかないことがほとんどです。これら問題の解決にはまだいくばくかの時間がかかるように思えます。

③ 音楽生成AI UdioがUMGと訴訟から一転まさかの提携発表。著作権問題はどうなるのか？

かねてより問題視されていた音楽生成AIの著作権を巡る問題について、ビッグニュースが舞い込んできました。現地時間10月29日、テイラー・スウィフト、アリアナ・グランデらが所属するUniversal Music Group (UMG)が、音楽生成AIプラットフォームUdioとの戦略的合意を発表し、2026年のローンチを目指して新プラットフォームを共同開発することが明らかになりました。

かつてUdioは音楽生成AIプラットフォーム最大手「Suno」と共に、UMGから著作権侵害で訴訟されていただけに、一転して衝撃的な着地となっています。

10月29日、Universal Music GroupよりUdioとの戦略的合意を発表した
（Universal Music Group）

今回の合意により、UdioはUMGとライセンス契約を締結することが発表されており、アーティストは自らの声や曲を貸し出すことで収益を得られるようになると考えられます。

Udio CEOの発表によれば、新プラットフォームでは各アーティストが声の使用について許可設定を行えるほか、ユーザーはお気に入りのアーティスト、楽曲、スタイルを組み合わせて新しい曲を作れるようになるとされています。つまり、ユーザーがAIを使って有名な曲を改変したり、歌手の声を元に新しい曲を作ったり、複数アーティストのスタイルをマッシュアップしたりできるようになるわけです。

そしてもう一つ衝撃を与えたのが、UdioがAI生成音楽のダウンロードを禁止するという制限を受け入れたことです。発表直後からUdioでは生成音楽のダウンロードが一時的に停止されており、米Rolling Stone紙も報じているように、新プラットフォーム上でもAIで作られた曲はサイト外へダウンロード・投稿できなくなる見込みとなっています。このようにプラットフォーム内に閉じた形でコンテンツ消費を促すという方向性は、私の知る限り前例のない、全く新しい試みです。

現在Udioにアクセスすると、ダウンロードが禁止されること、そして応急処置として数日間だけダウンロードを許可する期間を設けることが伝えられる

UMGの最高デジタル責任者Michael Nash氏によれば、ストリーミングサービスDeezerではアップロードされたトラックの30％がAI生成である一方、それらは実際の再生のうち0.5％未満しか占めておらず、Spotifyでも同様の数字が確認されたとされており、アーティストの楽曲・声を利用できることが以下に重要か語られています。

音楽は画像・動画と異なり、クリエイターである歌い手と作品が強く結びついているという独自の性質があります。この分野において著作権問題がどのような形で解決に向かっていくのか、2026年は特に目が離せなくなりそうです。

Sora App (https://openai.com/ja-JP/sora/)

• OpenAIがリリースした「AI生成動画のみが流れてくる」全く新しいSNS

• 9月30日付で、日本を含む一部地域で招待なしでサインアップ可能になったと発表（ただし期間限定）

• 先日新たに「キャラクターのカメオ機能」がリリースされ、自分だけでなく、好きなキャラクターを動画に登場させられるように

• 無料でも一日30回の動画生成が可能

Gemini スライド生成 (https://gemini.google.com/)

• Geminiに新しくスライド生成機能が搭載

• デザインのリッチさはGenspark, Manusにはやや劣るが、レイアウト崩れほとんどなしにワンクリックでGoogleスライドにエクスポートできる点が嬉しい

• 設定ボタンからCanvas機能をONにした上で「スライド資料を生成して」と依頼することで自動的にモード起動。やや不安定なため、失敗したらリトライを推奨

• 無料ユーザーでも利用可能

。

最後までお読みいただきありがとうございました。
サービス改善のため、アンケートにご協力いただけると幸いです。「ワンクリック」で完了します。

株式会社Mavericksは2023年、世界に先駆けてリアルタイム動画生成AIサービス「🐬NoLang」をリリースし、現在13万超のユーザーを抱えるまでに成長してきました。法人向けの展開も行い、法人プランのユーザー数は40社を突破しています。また、大手企業との協業や独自開発案件にも着手しており、唯一性の高い価値創出が加速しています。

今後、NoLangを中核に据えながら事業をさらに成長させるべく、エンジニア・デザイナー、営業・マーケティング担当、そして全方位で学生インターンの募集を開始しています。法人営業の担当や、SNS運用などに興味のある方も、ぜひこちらのフォームより一度ご応募ください。

採用ページでは、弊社の実績、求める人物像に加え、メンバーの声をインタビュー形式で掲載しております。興味を持った方はぜひご覧ください。お問い合わせは、hr@mvrks.co.jpにて受け付けています。https://

また、私たちはニュースレターだけでなくXやInstagramにおいても、開発プロダクトに関する最新情報について積極的に発信しています。こちらも是非チェックしてみてください！

Twitter tweet

NoLang運営チームよりお届けしている、Mavericks AIニュースをご覧いただきありがとうございます！

① OpenAIがついにAIブラウザ「ChatGPT Atlas」をリリース！

OpenAI社が、AIブラウザ「ChatGPT Atlas」をMacOS向けにリリースしました。ひとことでまとめると「ChatGPTをどこからでも簡単に呼び出せるブラウザ」であり、検索、Webページの要約、メールの文章修正といったタスクを実行させることができます。

Twitter tweet

基本的な機能はPerplexity社の「Comet」やThe Browser Companyの「Dia」といった既存のAIブラウザと同じです。一方で、ただのAIアシスタントではなく、「ChatGPTそのもの」がブラウザに搭載されている点が、他のブラウザとの決定的な違いだと考えます。

通常のAIアシスタントとChatGPTとで、一体何が変わるのでしょうか？

ChatGPTはもはや単なるチャットツールではなく、画像生成、Deep Research、アプリ連携など、様々な機能が搭載された「AIアプリ」へと進化を遂げつつあります。Atlasでは通常のChatGPTと同じUIで、これらの機能をどこからでも呼び出すことができ、さらにチャット履歴はChatGPTとAtlasで完全に共有されます。

ChatGPT Atlasで新しくタブを開くと、Google検索ではなくChatGPTのチャット画面が表示される。画像生成やDeep Researchなど通常のChatGPTの機能も利用可能。
なお「Command + Return」によって、ChatGPTに聞く代わりにGoogle検索を行える。

つまりChatGPTのヘビーユーザーにとっては、慣れ親しんだUIで豊富な機能を利用でき、かつ履歴を一元管理できるという旨みがあるわけです。

またAtlasには「Operator」「ChatGPT Agent」と同じく、AIエージェントによるブラウザ操作機能も搭載されており、ECサイトでのショッピングやホテルの予約といったタスクを、クリックやスクロールを駆使して遂行してくれます。しかしこちらはまだ実験的な機能であり、速度の遅さから実用的とは言えません。

AtlasのAgent modeでamazonで「水」の商品をいくつか検索し、それらの概要を要約するタスクを依頼した結果。3分間待機してようやく回答を得られた。

AIエージェントがブラウザ、ひいてはPCを操作できるようになれば、あらゆるPC作業をAIが代行してくれるようになります。このブレイクスルーを見越して、OpenAI、Googleをはじめとする多くの企業が多大なリソースを投下して開発に取り組んでいます。

しかしこの技術は、今まで我々が目にしてこなかった重大な危険と隣り合わせであることを、次節で解説していきます。

② AIエージェントが抱える「未解決のセキュリティ問題」とは？

例えばPerplexity社が開発するCometブラウザでは、罠が仕掛けられた画像をスクリーンショットして質問すると、質問を無視してGmailを開き、メール履歴を読み込んで、一部内容を攻撃者が運営するWebサイトに送信してしまうことが報告されています。

Twitter tweet

他にも、米SNSのRedditにある記事を要約するタスクを依頼すると、攻撃者のWebサイトにサインアップさせられてしまい、最悪のケースでは「銀行口座を空にされる可能性」があることが指摘されています。

このような攻撃は基本的に間接的な「プロンプトインジェクション」によって行われています。この攻撃では、白いページに白い文字を書くなど、人間には気づかれないような形でWebページや画像に悪意ある命令を書き込みます。するとAIがそのページを読み込んだ時に、命令が注入されて攻撃者の意図したように動かせてしまうのです。

これまでのAIエージェントは文章やコードを書くことはあっても、インターネット上で書き込み操作をすることはほぼなかったため、このような脆弱性のケアは最小限で十分でした。しかし、PC操作エージェントに対しては言語による指示だけで簡単に攻撃できてしまいます。

OpenAIの最高情報セキュリティ責任者であるDane Stuckey氏も、Atlasのリリースにあたり、セキュリティ対策に懸命に取り組んでいるものの、同時にプロンプトインジェクションが「未解決のセキュリティ問題」であると明言しています。

Twitter tweet

安全に使用するためには、書き手が信頼できるWebサイトのみにアクセスできるように制限するのが現実的ですが、AmazonやXといったWebサイトでも口コミ機能が悪用される可能性があることから、活用可能なケースはかなり限定されます。

ブラウザ操作AIエージェントの普及は、技術的な制約ではなく、こうしたセキュリティ問題がボトルネックになっていくのではないでしょうか。

③ 「バイブコーディング」の流行は終焉してしまったのか？

webトラフィック分析最大手のSimilarweb社が、今年10月までの生成AIツールのトラフィック分析結果を発表しました。特に興味深かったのが、AIエージェントのトレンドと共に飛躍的な成長を遂げた「AIコーディングツール」の分析結果です。

2024年末から2025年前半にかけて、BoltやLovableといった、自然言語で誰でもアプリを作成できるAIツールが急速に訪問者数を伸ばしました。これはOpenAIのoシリーズをはじめとする「推論モデル」の登場により、AIのコーディング能力が急激に向上したことに起因します。

Similarwebによる「DevOps & Code Completion」カテゴリにおける主要AIツールのwebトラフィック推移
（Similarweb）

一方で2025年7月以降は全体的にトラフィックが減少しているように見えます。ただしLovableの変動があまりに大きく、その影響を除いて考えれば、そこまで急激な冷え込みではないように思えます。

それでは、このようなアプリ作成AIツールはどのようなユーザーに使われているのでしょうか？Bolt開発元CEOのSimons氏によれば、今年5月時点で約67%が非エンジニアであるとされており、デザイナー、プロダクトマネージャー、あるいはより広く一般の消費者ユーザーの利用が多いと考えられます。

実際、競合のLovableも一般消費者向けのInstagramマーケティングに注力して成功を収めたことで知られており、アカウントのフォロワー数は11万人を超えています。

Lovable (@lovable.dev) • Instagram photos and videos

117K Followers, 101 Following, 105 Posts - See Instagram photos and videos from Lovable (@lovable.dev)

www.instagram.com/lovable.dev

今年後半になってからアプリ作成AIツールの成長が鈍化している一方で、上記グラフに含まれていないエンジニア向けのCLIツールが今年後半から台頭してきています。6月に「Claude Code」、「Gemini CLI」がリリースされたほか、OpenAIの「Codex」もアップデートを経て8月以降シェアを高めています。これらツールは3ヶ月単位で大きな性能向上を遂げており、AIに任せられるタスク規模は日に日に大きくなっていると感じます。

まとめると、今年前半は「バイブコーディング」というバズワードと共に、「アプリ作成の敷居を下げる」方向に急激な市場拡大が見られましたが、現在は落ち着きつつあります。一方、「アプリ開発業務を効率化」する方向へは2025年を通して着実に進化しており、今後も中長期に渡って生産性向上が期待できるのではないでしょうか。

ChatGPT Atlas (https://chatgpt.com/ja-JP/atlas/)

• OpenAIがリリースしたChatGPT搭載のAIブラウザ

• タブを新しく開くとGoogle検索ではなくChatGPTが現れる

• またサイドバーからwebページについて質問したり、メール文をドラッグで指定して修正をお願いしたりすることもできる

• MacOSユーザー向けに公開されており、Freeプランでも利用可能。ただしAIにブラウザを直接操作してもらう「Agent mode」はPlus, Proなど有料ユーザーのみが利用可能

Lovable (https://lovable.dev)

• 自然言語による指示だけで、非開発者でもwebアプリを作成できるAIツール

• アプリの見た目だけでなく、データベース、認証といったバックエンド処理を行う本格的なアプリも構築可能

• ワンクリックでwebページを公開したり、訪問者を分析したりする機能も搭載されていて便利

• 無料でも毎日5クレジットが付与されるため、十分試すことが可能

最後までお読みいただきありがとうございました。
サービス改善のため、アンケートにご協力いただけると幸いです。「ワンクリック」で完了します。

株式会社Mavericksは2023年、世界に先駆けてリアルタイム動画生成AIサービス「🐬NoLang」をリリースし、現在13万超のユーザーを抱えるまでに成長してきました。法人向けの展開も行い、法人プランのユーザー数は40社を突破しています。また、大手企業との協業や独自開発案件にも着手しており、唯一性の高い価値創出が加速しています。

今後、NoLangを中核に据えながら事業をさらに成長させるべく、エンジニア・デザイナー、営業・マーケティング担当、そして全方位で学生インターンの募集を開始しています。法人営業の担当や、SNS運用などに興味のある方も、ぜひこちらのフォームより一度ご応募ください。

採用ページでは、弊社の実績、求める人物像に加え、メンバーの声をインタビュー形式で掲載しております。興味を持った方はぜひご覧ください。お問い合わせは、hr@mvrks.co.jpにて受け付けています。https://

また、私たちはニュースレターだけでなくXやInstagramにおいても、開発プロダクトに関する最新情報について積極的に発信しています。こちらも是非チェックしてみてください！

Twitter tweet

NoLang運営チームよりお届けしている、Mavericks AIニュースをご覧いただきありがとうございます！

今回、記事の終わりに「今後どういう情報を発信して欲しいか」についてお尋ねするアンケートを設置しております。サービス改善のため、是非ご協力いただけますと幸いです。

① Googleが動画生成AI「Veo 3.1」をリリース！OpenAIもSora 2アップデートで競争激化

動画生成AI開発の競争はどこまで激しくなっていくのでしょうか。

OpenAIの公開した動画生成AI「Sora 2」が話題を呼ぶ中、米国時間10月15日、Googleが音声付き動画生成AI「Veo 3.1」をリリースしました。単なる動画生成に留まらず、実用的な機能が広範にサポートされています。概要が公式投稿によくまとまっていますので、ぜひご覧ください。

Twitter tweet

Veo 3.1には、Sora 2のような目新しさこそありませんでしたが、Sora 2にはない画期的な機能がいくつか実装されています。

まず注目すべきは登場するキャラクター、物体、場所を画像アップロードして指定できる機能です。Sora 2にも人物指定の機能はありましたが、それだけでなく自社の商品を登場させたり、自分で撮影した場所を舞台に指定したりできる点が異なります。

また「動画編集」も行え、領域を指定して人物・物体を挿入したり、背景を変更したりすることができます。私が試した限りでは、Googleの画像編集AI「Nano Banana」ほどの編集自由度はまだなく、時折破綻も見られましたが、来年中には自由度・品質の両面で「Nano Bananaの動画版」と呼ばれるような動画生成AIが登場することを予感させる性能でした。

Twitter tweet

Veo 3.1のリリース直後には、OpenAI Sora 2のアップデートも発表されました。一度に最大25秒の動画まで生成できるようになったほか、初代Soraの「ストーリーボード」機能が復活し、シーンごとに秒数と内容を指定できるようになりました。

初代Soraではプロンプトへの忠実性が悪く、使いものにならなかった機能ですが、Sora 2では、シーン数が守られるのはもちろん、秒数も基本的に0.5秒以内に収まり、かなり実用的になってきています。

Sora 2のストーリーボード機能の画面。
シーンを作成して、その内容と秒数を指定できる。

初代Soraが一般公開されたのは昨年12月のことであり、動画生成AIがここまでの性能向上を遂げるとは誰もが予測できなかったのではないでしょうか。Veo 3.1はSora 2ほどのインパクトこそ残せなかったと感じましたが、来たる2026年、両モデルがどのような進化を遂げていくのか、目が離せない展開となりそうです。

② n8nで自然言語からワークフローを作成・編集できるように！

AIワークフローツールでは、ブロックを繋いでいくだけで、業務フローを自動化したり、チャットボットを作成したりできます。

その中でもDifyと並んで有名な「n8n（エヌエイトエヌ）」に、新たに自然言語からワークフローを作れる機能が登場しました。「Gmailから直近50通のメールを取得して、要約をSlackに送信して」といった指示から、ワークフローが一発で生成できます。

n8nの新機能で、自然言語からワークフローを作成する様子

他にもワークフローに対して自然言語で編集を行ったり、ワークフロー自体を説明させたりすることもでき、AIと協力しながらワークフローを構築できる点が画期的です。

n8nで、一枚目の画像のワークフローについて尋ねた結果。概要を説明した上で、各ブロックで何が行われているのか、分かりやすく解説してくれる。

もちろんこのツールを使いこなすためには、結局のところワークフロー内の各処理内容を深く理解する必要があり、バイブコーディングツールで見られる「よく分からないけど上手く作れた」といった結果にはなりにくいです。

それでも、このようなワークフローの構築にはどうしても手数が必要な上、n8nは連携可能なツール数が多いこともあり、学習コストが高いことで知られていました。自然言語でワークフローを操れるこの機能が、工数や初期学習コストの有意な削減に繋がるのは確かでしょう。

OpenAI Agents BuilderやGoogle Opalなど、ここにきて数多くのAIワークフローツールが登場していますが、その中でもn8nは連携可能な外部ツールが豊富である点が強みです。

ツール連携に用いられる「インテグレーション」の数は1000を超えており、GmailやGeminiといったGoogle製品はもちろん、Slack, Notion, Teamsなど、多種多様なツールをワンクリックでワークフロー内に取り込めます。

n8nで利用可能なインテグレーションの例。スプレッドシート、Slack、Notionといったツールを簡単にワークフローに取り込める。

またn8nはOSSで公開されていることからカスタマイズの柔軟性が高く、コーディングこそ必要ですが、動画生成を行うこともできます。外部ツールのAPI使用料こそかかりますが、n8n自体はローカル環境であれば無料で利用可能です。

OpenAIやGoogleが自社モデル・サービスとの連携を前提にした機能を提供する中、n8nのような広範な外部モデル・サービスと簡単に連携できるツールの需要は、まだまだ増えていくでしょう。

③ AI生成記事はウェブ全体の半数を占めてしまったが、支配には至っていない

Google検索結果やChatGPT回答の引用先で、AIで生成された記事に遭遇することが、当たり前になりつつあります。しかし実際のところ、AI生成記事はウェブ全体のどれほどを占めているのでしょうか？

Graphite社（米カリフォルニア）の調査によれば、2025年5月時点で、オンライン上で公開されている英文記事の約半分がAI生成とされています。

人間生成の記事（緑）とAI生成の記事（赤）の割合の時系列推移。ChatGPT登場直後からAI生成記事の割合急速に増加し、2023年半ばからも緩やかに上昇している
（Axios）

この数字は一見すると驚くべきものに思えますが、AI生成記事がウェブを支配していることを意味しているわけではありません。

「我々が目にしている記事」に絞るとその割合はまだ低く、Google検索上位の記事に限れば14%、ChatGPTやPerplexityといったAIに引用された記事でも18%に留まっています。これらの数字から、検索エンジンやAIアシスタントが依然として質の高い、人手で書いた記事を優先的に取り上げていることが窺えます。

ただし人手で書いた記事とAI生成記事の境界線は曖昧になってきています。Google広報担当者も述べている通り、AI生成といっても、全自動で生成された記事から、部分的な修正にAIが利用された記事まで幅広く存在し、明確な識別は困難になってきています。

今年2月にリリースされたOpenAI Deep Researchをはじめとして、高度な検索機能を有したエージェントが多数登場しています。それゆえ今後は、AI記事の割合が増えていくと同時に、品質も向上していくと考えられます。

OpenAI Deep Researchに2025年で「web全体のAI生成記事が占める割合はどれくらいなのでしょうか？」と質問した結果。しっかりとGraphite社の記事を取得してくれており、AI生成とはまず見抜けない品質である。

冒頭のグラフで見たように、ここ1年でのAI生成記事の割合の変化も比較的緩やかです。「汚染」と呼ばれるほどの極端な品質低下は起こらないのではないでしょうか。

Google Flow (https://labs.google/flow/about)

• Googleの動画生成AI「Veo」を利用して映像を制作できるツール

• テキストや画像からの動画生成に加えて、登場するキャラクター、物体、場所を画像で指定できる機能を搭載

• 生成動画を編集できる機能も提供されており、領域を指定してテキストプロンプトを与えることで、人物や物体を挿入できる

• 無料でもVeo 3.1 Fastの動画生成を月5回、Veo 3.1の動画生成を月1回試せる

n8n (https://n8n.io/)

• Difyと共に有名なAIワークフローツール。チャットボット作成や自動化フローの構築が可能

• デフォルトで連携可能なツールが多いことが強みで、Google DriveやNotionなど、あらゆるツールをワークフローに取り込める

• クレジット登録なしで14日間の無料トライアルがあるほか、ローカル環境で利用すれば期限なしで無料利用可能

• ただし、連携する外部サービスが有料な場合、ワークフローの実行自体には料金が発生

最後までお読みいただきありがとうございました。
サービス改善のため、アンケートにご協力いただけると幸いです。「ワンクリック」で完了します。

株式会社Mavericksは2023年、世界に先駆けてリアルタイム動画生成AIサービス「🐬NoLang」をリリースし、現在13万超のユーザーを抱えるまでに成長してきました。法人向けの展開も行い、法人プランのユーザー数は40社を突破しています。また、大手企業との協業や独自開発案件にも着手しており、唯一性の高い価値創出が加速しています。

今後、NoLangを中核に据えながら事業をさらに成長させるべく、エンジニア・デザイナー、営業・マーケティング担当、そして全方位で学生インターンの募集を開始しています。法人営業の担当や、SNS運用などに興味のある方も、ぜひこちらのフォームより一度ご応募ください。

採用ページでは、弊社の実績、求める人物像に加え、メンバーの声をインタビュー形式で掲載しております。興味を持った方はぜひご覧ください。お問い合わせは、hr@mvrks.co.jpにて受け付けています。https://

また、私たちはニュースレターだけでなくXやInstagramにおいても、開発プロダクトに関する最新情報について積極的に発信しています。こちらも是非チェックしてみてください！

Twitter tweet

NoLang運営チームよりお届けしている、Mavericks AIニュースをご覧いただきありがとうございます！

① ChatGPTがCanvaやSpotifyと連携可能に！OpenAIが「Apps in ChatGPT」リリース

米国時間10月6日、OpenAI社が年次の開発者向けイベント「OpenAI DevDay 2025」を開催しました。今年も興味深い発表が盛り沢山でしたが、その中でもまず注目したいのが、ChatGPTを各種アプリと連携させられる新機能「Apps in ChatGPT」です。

この機能により、すでにCanvaでのスライド作成、Booking.comでの宿泊探し、Spotifyでのプレイリスト作成などを、ChatGPT内から直接行えるようになっています。

Twitter tweet

今後も対応する公式アプリを増やしていくと予告されているほか、開発者向けに提供される「Apps SDK」を使えば、どんなアプリでもChatGPTと連携させることが可能になります。

さて、似たような仕組みとして「Model Context Protocol (MCP)」があり、ChatGPTも一部対応していますが、MCPとこの機能は何が違うのでしょうか？

実は、Apps SDKはMCPの拡張になっており、LLMとのアプリ連携自体には、MCPの仕組みを用いています。一方でApps SDKではそれに加えて、ChatGPT上での「結果の表示方法」までカスタマイズできる点が大きな違いです。

Apps SDKを用いて作れるUI画面の例
（OpenAI）

これまでMCPでLLMとアプリを連携しても、結果はわざわざアプリに飛ばないと確認できないことが多く、ChatGPT上で実用的なMCPはせいぜい情報収集用のものくらいでした。一方でApps SDKを使えば、ウィジェットを実装してChatGPTの回答に埋め込むことができ、ChatGPT上で講義動画を再生したり、生成スライドの中身をその場で確認したりできるようになります。

ChatGPT上でのCanvaによるスライド作成

私が試した限りでは、web検索とアプリ連携の併用ができないなど、現状は制約が多く実用的なユースケースは少ないですが、LLMのエージェント能力が向上すれば、このような制約は徐々に取っ払われていくでしょう。

今回の発表は、2年前のDevDayで発表された、カスタマイズされたChatGPT（GPTs）が集まるマーケットプレイス「GPT Store」の不成功を受けての再挑戦と捉えられます。実際、ChatGPTアプリを検索できる機能やChatGPT内での即時決済に応じた収益化の仕組みをローンチ予定であることも発表されました。

当時と比べてAIのエージェント能力は飛躍的に向上し、Apps SDKによって人間とのインターフェースを改善する準備も整いました。ChatGPTを基盤としたエコシステムが今後どれほど発達していくのか、注目したいところです。

② OpenAI版Dify、Google版Difyが立て続けに日本でリリース！

高市早苗氏がDifyを活用して「AIサナエ」を公開し注目を集めたことが記憶に新しいですが、先日開催されたDevDayでは、「OpenAI版Dify」とも言える「Agent Builder」もリリースされました。

GUIでブロックを繋いでいくだけでAIワークフローをノーコード / ローコードで構築できるツールであり、独自フローを持ったチャットボットも簡単に作成できます。

Twitter tweet

ただし、「Agent Builder」という名前こそついているものの、実際に作成できるのは広範なタスクをよしなにこなしてくれる「狭義のエージェント」ではなく、原始的な「ワークフロー型エージェント」であることに注意が必要です。条件分岐や例外ケースの処理などを全て事前に人手で定義してワークフローに書き起こす必要があり、複雑な処理を必要としないプロトタイプ作成が主要なユースケースとなるでしょう。

またこのツールは、Difyやn8nといった既存のワークフローツールをそのまま置き換えるようには設計されていません。OpenAIが以前から提供していた開発者向けの「Agents SDK」を用いたエージェント作成をGUIでも行えるようにしたものであり、MCPこそ使えるものの、外部ツールとの連携にはまだ難があります。SlackやNotionなど外部ツールとの連携が必要な場面では、テンプレートやインテグレーションの豊富な既存ツールの方が実用的と言えます。

AIワークフローツール「n8n」で利用可能なインテグレーションの例。スプレッドシート、Slack、Notionといったツールを簡単にワークフローに取り込める。

それでもAgent BuilderがOpenAI製のモデルやSDKを使った開発の敷居を下げ、効率化する役割を果たせることは確かです。前節取り上げたApps SDKではカバーできない、ChatGPTとは全く異なるUIや複雑なロジックが必要な場面でも、「OpenAI製モデルを利用した開発」を普及させることで、プラットフォーマーとしての立場を確立していきたい狙いがあるのではないでしょうか。

このリリースに続く形で、日本時間10月8日には、Googleからも類似のワークフローツール「Opal」が日本を含む15カ国にてリリースされました。外部ツール連携や実装の自由度こそ限られているものの、Agent BuilderやDifyと比べてさらに敷居は低く、非開発者をターゲットとしている点が特徴的です。

Twitter tweet

現在、アプリケーションレイヤーにおいては、ほとんどの領域で「Winner Takes All」とはなっておらず、明確な勝者がいない状況が続いています。AIワークフローツールに関しても、ユーザー層や用途ごとに分化が進みつつあると言えるでしょう。

③ GoogleがPC操作に特化した新モデル「Gemini 2.5 Computer Use」を公開

Google社が、画面情報のみを元にPC操作できる新モデル「Gemini 2.5 Computer Use」をリリースしました。このモデルは、スクロール、クリック、文字入力などを駆使しながら、私たち人間と同じようにPCを操作することができます。以下のデモ動画では、雑多に配置された付箋を3つのカテゴリに仕分けしていく様子をご覧いただけます。

Twitter tweet

ベンチマーク評価においても、性能・速度の双方で既存モデルを上回っており、現状トップレベルのモデルであることは間違いないでしょう。

Gemini 2.5 Computer Useと競合モデルのベンチマーク性能比較。精度、レイテンシの両面で、他モデルよりも優れた結果となっている
（Google）

一方で残念ながら、この領域でAIはまだ「研究開発レベル」の段階にあり、実用的というには程遠いと言わざるを得ません。

例えば「Amazonで充電ケーブルを見つけてきて、一番上にある口コミの内容を教えてもらう」といったシンプルなタスクが、現状安定して解けるタスクの限界であり、さらに3-5分もの時間を要してしまいます。冒頭のデモ動画も3倍速で再生されているのが実情です。

OpenAIが今年1月に発表したPC操作エージェント「Operator」と比較しても、致命的なミスこそ減っている印象ですが、使い心地が根本から改善されたとは言い難いです。

Gemini 2.5 Computer Useでも、商品リストの上に表示された広告バナーを見て、商品が正常に表示されていないと判断したのかリロードをしてしまう、といった画面情報読み取りミスが発生することがある。

AIのPC操作能力の進化における律速となっているのが、「画像認識性能」です。ノイズが載っていないwebページ内のテキストや状態すら、依然としてよく読み間違えてしまいます。

一方でwebブラウザ操作に絞れば、AIは既に実用レベルの性能を達成できるケースがあります。実際、AIにwebページの画面情報だけでなく、HTML情報も与えているManusやGensparkといったAIエージェントでは、レストランの予約や航空券の検索といった複雑なタスクもこなすことができます。

アプリを跨いだ操作など、webブラウザ以外への適用はできない特化型のアプローチにはなりますが、思考力・判断力といったエージェント能力自体はまだまだ指数関数的に向上しており、まずはこちらのアプローチでの普及が期待されます。

Google Opal (https://opal.withgoogle.com)

• Googleが先週日本を含む15カ国にてリリースした、AIワークフローツール

• Difyやn8nといったツールよりもさらに敷居が低く、一切のコーディングなしにAI処理を記述できる。AIワークフローツール初心者の方に特におすすめ

• 公式テンプレートを選択してから「Remix」を押下し、内容を編集しながら仕様を理解していくと良い

• 現在はβ版であり、一部機能を除いて無料で利用可能

Browser Agent Arena  (https://arena.browserbase.com/)

• 先週Googleがリリースした「Gemini 2.5 Computer Use」と他のAIモデルのPC操作性能を比較できるwebサイト

• 「amazonで2L × 6本の水を探して商品情報詳細を教えて」などと指示すると、AIモデルが画面情報だけを見てPCを操作する様子を確認できる

• まずは簡単なタスクから試してみるのがおすすめ

• 現在は無料で利用可能

最後までお読みいただきありがとうございました。
サービス改善のため、アンケートにご協力いただけると幸いです。「ワンクリック」で完了します。

株式会社Mavericksは2023年、世界に先駆けてリアルタイム動画生成AIサービス「🐬NoLang」をリリースし、現在13万超のユーザーを抱えるまでに成長してきました。法人向けの展開も行い、法人プランのユーザー数は40社を突破しています。また、大手企業との協業や独自開発案件にも着手しており、唯一性の高い価値創出が加速しています。

今後、NoLangを中核に据えながら事業をさらに成長させるべく、エンジニア・デザイナー、営業・マーケティング担当、そして全方位で学生インターンの募集を開始しています。法人営業の担当や、SNS運用などに興味のある方も、ぜひこちらのフォームより一度ご応募ください。

採用ページでは、弊社の実績、求める人物像に加え、メンバーの声をインタビュー形式で掲載しております。興味を持った方はぜひご覧ください。お問い合わせは、hr@mvrks.co.jpにて受け付けています。https://

また、私たちはニュースレターだけでなくXやInstagramにおいても、開発プロダクトに関する最新情報について積極的に発信しています。こちらも是非チェックしてみてください！

Twitter tweet

NoLang運営チームよりお届けしている、Mavericks AIニュースをご覧いただきありがとうございます！

① 動画生成AIにおけるGPT-3.5モーメント。OpenAIが音声付き動画生成AI「Sora 2」をリリース

今後の世界のあり方を根本から変えてしまうような、歴史的な発表だったと言って良いのではないでしょうか。OpenAIが現地時間9月30日、音声付き動画生成AIモデル「Sora 2」及び、AI生成動画のみを投稿・閲覧できる新型SNS「Soraアプリ」をリリースしました。

まずはAIモデル「Sora 2」について見ていきます。以下の投稿を是非、音声ONでご覧ください。

Twitter tweet

Sora 2モデルは動画生成AIにおける「GPT-3.5」モーメントだとされていますが、Google Veo 3をはじめとする従来モデルと比べて、一体何が革新的なのでしょうか？3点に分けて説明します。

(1) 動画生成AIモデルとしての性能で従来モデルを圧倒

まず際立つのは、物理シミュレーション能力の高さです。器械体操や宙返りなどの複雑な動き、水の波紋や飛沫、帽子の落ち方など、どれを切り取ってみても極めて現実に忠実に再現されています。材質によるボールのバウンドの仕方の違いをも正確に理解できており、こういった基礎的な法則への理解度の高さが、あらゆる動画生成の品質向上に繋がっていると言えます。

Twitter tweet

また人物や物体に対する再現性・一貫性もずば抜けています。例えばSora 2では特定の人物を動画に登場させることができますが、容姿・喋り声共に極めて正確に再現され、途中で顔が変わることもありません。生成された動画がディープフェイクだと見抜くことはもはやほぼ不可能です（サム・アルトマン氏の例）。

さて、これまで「動画生成AIの進化」というと、ここまで述べてきた純粋な性能向上に着目することがほとんどでした。しかし、Sora 2の可能性はこれに留まりません。

(2) 「動画カット」ではなく「動画作品」を一発で生成可能

従来の動画生成AIの出力は基本的にワンカットであり、あくまで映像作品を作るための「部品」としての位置付けでした。結局、それらのカットを繋ぎ合わせてストーリー性のある動画を完成させるためには莫大な工数が必要であり、さらに品質を上げるためには、テキストアニメーション・ビジュアルエフェクトを追加したり、BGM・効果音などの音声を挿入したりする必要がありました。

一方でSora 2は、私たちが普段SNS、CM、映画で目にするような完成された動画作品を一発で生成できてしまいます。冒頭でインパクトのあるフックを入れる、次々にカットを変えて飽きさせないようにする、余韻のあるエンディングで締めるといった演出が組み込まれた動画が、プロンプトだけから生成できてしまうのです。

現在生成可能な動画長は10-15秒であるため、カバー範囲は主にショート風の動画に限られますが、それでも凄まじい進化です。

Twitter tweet

(3) プロンプトの二大問題（制御が効かない、作成自体難しい）が劇的に改善

これまで動画生成AIの重大な問題点として「制御性の低さ」が挙げられていましたが、Sora 2では大きく改善されており、動画の展開、物体の配置・動き、さらには音声まで、あらゆる要素を詳細に指定できるようになっています。もちろん完璧ではありませんが、数百字のプロンプトであれば5-8割程度は指示を守ってくれる印象です。

また逆に、「プロンプト作成が億劫なのでとにかくいい感じの動画を作って欲しい」といった要望も叶えてしまうのがSora 2です。「予備校のCM」「アイドルのモーニングルーティン」といった簡潔なプロンプトだけでも、しっかりとした構成・演出が施された動画が生成されます。

詳細な制御と手軽な生成という両極端なニーズ双方に応えられる点が、Sora 2の大きな強みです。

Twitter tweet

② 世界中に衝撃を与えた！OpenAIがAI生成動画専用SNS「Soraアプリ」をリリース

Sora 2モデルと同時にリリースされた「Soraアプリ」は、全く新しいSNSです。ユーザーはSora 2を使って無料で動画を生成・投稿でき、それらがフィード形式で流れてくる仕組みとなっています。

つまり「AI生成動画のみが流れてくるSNS」となっていますが、Sora 2の性能の高さもあり、TikTokだと言われてフィードを見せられても、パッと見では信じてしまいそうなレベルに達しています。

Twitter tweet

Soraアプリでは、テキストや画像からの動画生成に加え、「カメオ」と呼ばれる興味深い機能が提供されています。これは30秒程度の動画撮影だけで簡単に自分のクローンを作成でき、テキストプロンプトにユーザー名を入れるだけで、自分を動画に登場させられるというものです。

自分以外にもフレンドやOpenAIメンバーを登場させることが可能であり、特にCEOのサム・アルトマン氏を登場させた動画は、X上で無数に投稿されています。

Twitter tweet

さらに「リミックス」機能では、フィードに流れてきた動画に対してプロンプトで指示することで、新しい動画を作ることができます。続きのストーリーを作成してもらったり、「What If…」展開を生成してもらったり、登場人物を変えるなど、自在な変更が可能です。

リリース当初は1日100回無料で動画を生成できた上、1本あたり僅か1-3分程度で動画生成が完了するという手軽さも相まって、招待制であるにも関わらず、リリースから4日目でApple Storeの無料アプリランキング1位を獲得しました。

なおSoraアプリのアカウントはChatGPTアカウントと厳格に紐づいており、ChatGPTアカウントでの利用履歴に基づいたパーソナライゼーション機能が搭載されています。現時点ではあまり有用だと感じられませんが、先月リリースされたChatGPT Pulseをはじめとして、OpenAIがパーソナライゼーションに大きな可能性を見出していることは間違いないでしょう。

③ AI時代の新しいSNS「Sora」が抱える重大な問題点とは？

一方でSoraアプリはいくつか問題も抱えており、特に著作権の取り扱いに関してはかなりルーズな立場をとっています。

こちらのX投稿にも示されている通り、少なくともリリース直後は有名な日本のIPキャラクターが登場する動画はほぼ例外なく生成できる状態であり、さらに声優の声まで忠実に再現されていました。一方で世界的に見ると、ディズニーやマーベルなど一部企業のIPのみ制限がかかっている不均衡な状態となっていました。

リリース当初、Soraアプリにおける著作権の取り扱いについて、オプトアウト方式が採用されると報じられていました。つまりIPホルダーがキャラクター単位で申請を行い承認されない限り、生成は拒否できないことになり、IPホルダーに極めて不利な条件となっていました。

この状況に対する世間の批判を踏まえてか、サム・アルトマン氏は日本時間10月4日、ブログにて声明を発表し、IPホルダーが今後「IP使用を制御」できるようにする予定であり、またIPホルダーが「IPの使用に応じて収益化できる仕組みを検討」していることを明らかにしました。そして同時期に、それまで使用可能だった一部のIPキャラクターの生成に制限がかかるようになっています。

Twitter tweet

しかし一連の流れや海外の反応を見るに、OpenAIははじめからこのような市場の反応を想定しつつ、話題作りのために意図的に制限を緩めていたと推察せざるを得ません。実際、ディスニーなど一部の映画スタジオに対しては事前に周知・協議していたとされています。

OpenAIは今回のSNSのリリースにあたり、他にも「いつもと違う」動きを見せています。その中でも特に、AI動画生成のコストがまだまだ低くない今日において、無料でユーザーあたり何十本もの動画生成を許している点は興味深いです。

競合サービスのAPI価格を参考にすると、10秒の動画生成1本に、定価では本来1ドル、あるいはそれ以上の費用がかかっているはずです。OpenAIは先月NVIDIAから1000億ドルの資金調達を発表したばかりですが、執筆時点ではSoraアプリにはマネタイズの要素がなく、今後展開される戦略に注目が集まります。

Soraアプリは他にも様々な課題を抱えています。例えば、最大15秒の動画しか生成できず、制御も完璧にはできないことから、「面白い (funny)」「癒される」コンテンツは生成できても、一定量以上の情報を正確に伝達することが求められる「有益な」動画を作ることは困難です。

それでも「ユーザーが自らAIで動画生成して投稿する」という全く新しいSNSの形を提示し、まずはリリース一週間で大きな反響を得たことは確かでしょう。あらゆる面で伸び代を残しているこのアプリが、今後どんなムーブメントを巻き起こすのか、注目していきたいところです。

Sora App (https://sora.chatgpt.com/)

• OpenAIがリリースした「AI生成動画のみが流れてくる」全く新しいSNS

• 最新動画生成AIモデル「Sora 2」を使って無料で動画を生成・投稿でき、それらがフィード形式で表示される

• 30秒の動画撮影だけで簡単に自分のクローンを作成して動画に登場させられる。フレンドやサム・アルトマンを登場させることも可能

• 10月5日時点で、無料で30回の動画生成が可能だが、招待コードが必要

Comet (https://www.perplexity.ai/comet)

• AI検索エンジンで有名なPerplexityが開発した次世代AIブラウザ

• サイドバーでタブの情報を元にLLMが回答してくれる他、タブに情報がないと判断した場合は自律的に検索で情報を取得してくれる点が画期的

• ただし使用されているLLMの性能が低いのかハルシネーションも多いことに注意

• 元々有料ユーザー向けに提供されていたが、先週から無料で利用可能に

e

最後までお読みいただきありがとうございました。
サービス改善のため、アンケートにご協力いただけると幸いです。「ワンクリック」で完了します。

株式会社Mavericksは2023年、世界に先駆けてリアルタイム動画生成AIサービス「🐬NoLang」をリリースし、現在13万超のユーザーを抱えるまでに成長してきました。法人向けの展開も行い、法人プランのユーザー数は40社を突破しています。また、大手企業との協業や独自開発案件にも着手しており、唯一性の高い価値創出が加速しています。

今後、NoLangを中核に据えながら事業をさらに成長させるべく、エンジニア・デザイナー、営業・マーケティング担当、そして全方位で学生インターンの募集を開始しています。法人営業の担当や、SNS運用などに興味のある方も、ぜひこちらのフォームより一度ご応募ください。

採用ページでは、弊社の実績、求める人物像に加え、メンバーの声をインタビュー形式で掲載しております。興味を持った方はぜひご覧ください。お問い合わせは、hr@mvrks.co.jpにて受け付けています。https://

また、私たちはニュースレターだけでなくXやInstagramにおいても、開発プロダクトに関する最新情報について積極的に発信しています。こちrまお是非チェックしてみてください！

Twitter tweet