動画生成AI

この記事でわかること 専有VRAMという区分を持たない統合メモリ機(DGX Spark / GB10・128GB・aarch64)でも、LTX-2.3のローカル動画生成は動きます。本記事の所要時間はすべて筆者環境での一次実測であり、第三者が検証できる公開情報源はありません。再現条件は2026-07-18計測、LTX-2.3 22B distilled 1.1、量子化fp8-cast、24fps、Image-to-Videoで、1本あたり512×960・10秒(241フレーム)が116秒、704×1216・10秒(241フレーム)が182秒でした 導入に必要なディスクは重みだけで約71.5GB(SI表記)。aarch64向けのwheelは公式に明記されていませんが、PyPIのltx-pipelinesとtorch 2.13.0はそのまま入りました ComfyUI-LTXVideoが書く「32GB+ VRAM」という要件が、統合メモリ機では何に対応するのか。実測のMemFree推移の落ち込みで答えます 導入時に実際に出た3つのエラー(循環インポート・SiglipVisionModel・metaテンソル)と、システムごと落ちたOOMの原因・対処 LTX-2.3の重みライセンスと商用利用の線引き(年間売上1,000万ドルの閾値) 1. なぜローカルなのか、この記事は誰向けか クラウドの動画生成サービスは、たたむときは一斉にたたまれます。OpenAIはSoraをローンチから約半年で終了し、ディズニーとの提携も解消しました(/posts/openai-sora-shutdown-disney-deal/)。従量課金とアップロード制限に加えて、そもそもサービスが来年もある保証がない。これがローカル実行を選ぶ実務的な理由です。 この記事は次の条件に当てはまる人向けです。 Linux + NVIDIA GPU環境を自分で管理できる 重み約71.5GBを置けるディスクがある 1本あたり2〜4分の待ちを許容できる そして、この記事が特に扱うのは専有VRAMを持たない統合メモリ機です。DGX Spark(GB10)やApple Silicon系のように、CPUとGPUが同じ物理メモリを共有する構成では、「VRAM 16GB / 24GB / 32GB」という一般的な物差しがそのまま使えません。ここが検索上位のページで空白になっている部分です。 なお本記事はモデル比較記事ではありません。LTX-2.3が他の動画生成モデルより良いかどうかは扱わず、「入れて回す」ことだけを扱います。 2. 検証環境 項目 値 確認方法 機材 NVIDIA DGX Spark(GB10 Blackwell) ─ メモリ ユニファイドメモリ128GB表記(メーカー公称値) 筆者環境の実行ログのMemFree最大値は110.8GBでした。OSから見えるメモリ総量(/proc/meminfoのMemTotal)は今回記録しておらず、本記事では総量の値を用いません 専有VRAM なし(CPU/GPUが同一メモリを共有) ─ アーキテクチャ ARM64(aarch64) ─ カーネル Linux 6.14.0-1015-nvidia 筆者環境のuname -r出力 Python 3.12 筆者環境のvenvパスlib/python3.12/ PyTorch 2.13.0(cu13系wheel) 筆者環境のpip show torch／導入ログ CUDA関連 cuda-toolkit 13.0.3.0 / nvidia-cuda-runtime 13.0.96 / nvidia-cudnn-cu13 9.20.0.48 / triton 3.7.1 筆者環境のpip list | grep -E 'cuda|cudnn|triton'の解決結果 パイプライン PyPI ltx-pipelines 1.0.0(ltx-core 1.0.0同梱) 導入ログ モデル LTX-2.3 22B distilled 1.1 + spatial upscaler x2 1.1 + Gemma-3-12B(テキストエンコーダ) ─ 量子化 QuantizationPolicy.fp8_cast() 実行ログquantization=fp8-cast 検証日 導入・実測とも2026-07-18。資料の再確認は2026-09-08 ─ この表のカーネル・Python・PyTorch・CUDA関連の各バージョンは、いずれも筆者環境で実際に解決された構成の記録であり、公開情報源で第三者が検証できる性質のものではありません。ディストリビューション名とバージョン文字列は今回の記録に残っていないため、カーネル版のみを載せます。x86 + 単体GPUの比較機は手元にないので、他環境との横並び比較はこの記事では行いません。 ...

2026年3月24日、OpenAIはAI動画生成アプリ「Sora」の提供終了を発表しました。2024年2月のプレビュー公開から約2年、スタンドアロンアプリのローンチからわずか半年での撤退です。 これに伴い、ウォルト・ディズニー・カンパニーがOpenAIに対して行う予定だった10億ドルの株式投資と3年間のキャラクターライセンス契約も白紙になりました。ディズニー側は「OpenAIがビデオ生成事業から撤退し、優先順位を他へ移す決定を尊重する」との声明を発表しています（Varietyの記事『OpenAI Will Shut Down Sora Video App; Disney Drops Plans for $1 Billion Investment』2026年3月24日）。 何が起きたのか Soraの軌跡 Soraは、テキストプロンプトから動画を生成するAIツールとして、2024年2月に最初のプレビューが公開されました。その後、2025年9月に一般公開され、TikTokのようなソーシャルフィード機能を備えたアプリとして展開されました。 初日に10万インストールを超え、ChatGPTよりも速いペースで100万ダウンロードに到達するという華々しいスタートを切りました（TechCrunchの記事『OpenAI’s Sora app is struggling after its stellar launch』2026年1月29日）。 ダウンロード数の急減 しかし、勢いは長続きしませんでした。 時期 月間ダウンロード数 前月比 2025年11月（ピーク） 約333万 — 2025年12月 — -32% 2026年1月 約120万 -45% 2026年2月 約113万 — 出典：TechCrunch（2026年1月29日）、IndexBox（2026年1月） 累計ダウンロード数は約960万、累計消費者支出は140万ドル。米国App Storeの無料アプリ総合Top 100からも圏外に転落していました。 ディズニー10億ドル提携の解消 契約の内容 2025年12月、ディズニーはOpenAIに10億ドルの株式投資を行い、3年間のライセンス契約を締結したと発表しました。契約内容には、ディズニー、マーベル、ピクサー、スター・ウォーズから200以上のキャラクターをSora上で利用可能にすることが含まれていました（OpenAI公式発表およびディズニー公式発表、2025年12月）。 契約締結からわずか3か月 Sora終了の発表により、この提携は実質的に消滅しました。Deadlineの報道によると、ディズニーの関係者は「この取引は前に進まない（The deal is not moving forward）」と述べています（Deadlineの記事『Disney’s $1B Investment In OpenAI DOA As Sam Altman Pulls Sora Plug』2026年3月）。 Bloombergの報道では、取引は最終的なクローズに至っておらず、実際に資金が移動することはなかったとされています（Bloombergの記事『OpenAI Discontinues Support for Sora, Winds Down Disney Deal』2026年3月24日）。 ...

2026年3月5日、動画生成AI「Dream Machine」で知られるLuma AIが、クリエイティブワークフローを根本から変革する「Luma Agents」を発表しました。 これまで私たちは、「画像はMidjourneyで出し、動画はSoraやRunwayで動かし、音声はElevenLabsで付ける」といった具合に、複数のAIツールをパッチワークのように組み合わせて作品を作ってきました。しかし、Luma Agentsを支える新アーキテクチャ「Unified Intelligence（統合知能）」は、この分断を解消しようとしています。 本記事では、映像クリエイターやマーケター必見の「Luma Agents」の革新性と、実際のビジネス現場でどのように使われ始めているのかを解説します。 1. Luma Agentsとは？「プロンプト」から「対話型ワークフロー」へ 複数モダリティをひとつの脳で処理する「Uni-1」モデル Luma Agentsの頭脳となるのが、新たに開発された「Uni-1」モデルです。 従来のマルチモーダルAIは、テキスト用、画像用、音声用と別々のモデルを裏側で繋ぎ合わせていたため、「画像に合わせた完璧なタイミングの音」や「テキストの意図を正確に汲んだ動画の演出」にズレが生じがちでした。 技術的には、Uni-1はdecoder-onlyの自己回帰型Transformerで、テキストと画像のトークンをひとつの共有トークン空間で扱います。テキスト、画像、動画、音声、空間的推論を最初からひとつの潜在空間で統合的に学習しています。Lumaはこれを「統合知能（Unified Intelligence）」と呼んでいます。 ただし、Luma AgentsはUni-1だけで完結するわけではありません。エージェント層がGoogleのVeo 3、ElevenLabsの音声モデル、ByteDanceのSeedreamなど外部の専門AIモデルもオーケストレーションして活用します。つまり「単一の万能AI」ではなく、「統合的に思考できるコアモデル＋専門AIの協調」というアーキテクチャです。この点はGPT-4VやGeminiなど既存のマルチモーダルモデルと方向性は共通しており、Luma独自の新発明というよりは、エージェント化によるワークフロー統合に強みがあります。 「自己評価」しながら自律的に改善するエージェント Luma Agentsの最大の特徴は、単なる「生成ツール」ではなく、自律的に動く「エージェント」である点です。 ユーザーが「この製品をヨーロッパ市場向けの広告にリデザインして」と大まかな指示（ブリーフ）を与えると、エージェントは自ら計画を立て、複数のバリエーションを生成します。 さらに画期的なのは、生成した結果をAI自身が「自己批判（セルフクリティーク）」し、ユーザーの意図に沿うまで内部で修正を繰り返す点です。人間が何度もプロンプトを打ち直す手間が省け、ディレクターと優秀なアシスタントが対話しながら作品を洗練させていくようなワークフローが実現します。 2. 広告・マーケティング業界での初期導入事例 Luma Agentsの発表と同時に、世界的なブランドや広告代理店が初期パートナーとして名を連ねています。以下はLuma AI側が公式発表した事例であり、独立した第三者による検証は現時点では限定的です。 ① Publicis Groupe ＆ Serviceplan：数週間の作業を数日に短縮 世界的な広告代理店であるPublicis GroupeやServiceplanは、Luma Agentsを活用してクライアントのキャンペーン制作プロセスを再構築しています。 テキストの企画書をインプットするだけで、Luma Agentsが絵コンテ（ストーリーボード）、仮の動画、ナレーションを一貫したコンテキストを保ったまま自動生成します。これにより、従来は各専門クリエイター間のやり取りで数週間かかっていたプロトタイピングが、わずか数日でクライアントに提示できるクオリティに達しています。 ② グローバルブランドの導入：驚異的なローカライズと一貫性 グローバルブランドにとって「ブランドガイドラインを守りつつ、各国の文化に合わせた素材を作る（ローカライズ）」のは膨大なコストでした。 Luma Agentsのライブデモでは、あるグローバルブランドの年間1,500万ドル規模のキャンペーンを、わずか40時間・2万ドル未満で複数カ国向けにローカライズしたとLuma側が発表しています。ただし、これはLuma自身のデモンストレーションでの数字であり、独立した検証による実績ではない点に留意が必要です。初期パートナーにはAdidasやMazdaなどが名を連ねています。 Mazdaに関しては、南アフリカの20人未満のブティック代理店が、Mazda MX-5が80年代・90年代・2000年代と進化していく映像をLuma Agentsで制作した事例が紹介されています。ヴィンテージ車両の手配や複数ロケ地での撮影が不要になり、小規模チームでも大規模キャンペーン品質のクリエイティブが実現可能であることを示しました。 3. Luma Agentsがもたらす「クリエイターとAIの新しい関係」 ブラックボックス化する倫理と著作権への課題 Luma Agentsは自社モデル（Uni-1、Ray 3.14）だけでなく、GoogleのVeo 3やElevenLabsなど外部モデルも統合してオーケストレーションします。この構造には新たな課題も伴います。 「出力された素晴らしい動画が、最終的にどのデータセットの影響を強く受けて生成されたのか？」というプロセスがブラックボックス化しやすくなります。ディープフェイクの防止や、学習データの透明性確保といったAI倫理の課題は、エージェントが自律的になるほど複雑化するため、Luma社もアクセスを段階的に制限しながら慎重にデプロイを進めています。 人間は「オペレーター」から「ディレクター」へ Luma Agentsの登場は、「プロンプトを上手く書くスキル（プロンプトエンジニアリング）」の価値が相対的に下がることを意味します。AIが勝手に行間を読み、自己修正してくれるからです。 今後のクリエイターに求められるのは、AIの出力結果を見て「ブランドのメッセージに合っているか」「人の心を動かすか」を判断するディレクション能力（審美眼）です。Luma Agentsが目指しているのは、誰もが「専属のクリエイティブチームを持つ監督」になれる世界です。ただし、現時点ではまだ初期段階であり、本格的な業界変革にはさらなる実績の蓄積が必要でしょう。 よくある質問 (FAQ) Q: Luma Agentsは一般ユーザーもすぐに使えますか？ A: 2026年3月時点で、Luma AgentsはAPI経由で公開されており、2025年12月から100社以上でベータテストが行われています。ただし、プラットフォームの安定性維持のため段階的にアクセスが拡大されている段階です。主な対象は広告代理店、マーケティングチーム、スタジオ、エンタープライズ組織で、基盤となる「Uni-1」モデルの恩恵は今後のLumaの一般向け製品にも順次反映されていく見込みです。 ...