2026年10月の生成AI進化まとめ

こんにちは！GENELです。

10月の1ヶ月間で主要AIモデルが、

をまとめました。

今月は動画生成モデルが一気に出そろった1ヶ月でした👀

「Kling 4.0」、「TOPVIEW T1」など、30秒生成できるモデルが続々登場し、画像まわりも進化。

時間がなくて触れない人、最新情報を追うのに疲れた人、ぜひ参考にしてみてください！💪🏻

①Google「Nano Banana 2.1」（10/7）

画像生成・編集モデル「Nano Banana 2」の改良版、「Nano Banana 2.1」が登場しました。

Googleの説明では、ビジュアルデザイン、部分編集、被写体の一貫性など、すべての面でNano Banana 2を上回っているとのこと👀
（FlowやGoogle AI Studioなどで使えるようになっています！）

実際に検証してみて一番「これ使えそう！」と思ったのは、複数人物の一貫性です。

リビングのソファに8人を座らせる編集を試したところ、公式の「最大4人まで」という説明を超えて、8人でもしっかり顔と服装をキープできました。

Nano Banana ProやGPTimageだと人物が混ざったり、1人減ったり、そもそも座ってくれなかったり…という場面がよくあったので、これはかなり嬉しい進化です。

ChatGPT Images 2.5だとこんな感じ↓

一方で、

という結果に。

個人的には「画質が上がったモデル」というより「複数人の一貫性が上がったモデル」という認識です。

詳しくはこちらのnoteでご紹介しています！

②ByteDance「OmniHuman 2.0」（10/15）

画像1枚と音声からリップシンク動画を作れる「OmniHuman 2.0」がByteDanceから登場しました。

OmniHumanといえば、約1年前に「動きとリップシンクを同時に生成できる」という点で個人的にかなり衝撃的だったモデル。

今回の2.0では、口の動きを合わせるだけでなく、音声のリズムや抑揚、話している内容まで、表情や体の動きに反映するようになったそうです。

1回の生成で最大5分の動画に対応という点も、MVを作っている方にもありがたいアプデですね◎

実際に、ニュースキャスターがお天気を伝えるシーンで『HeyGen アバターⅤ』と比較してみました。

【OmniHuman 2.0】

【HeyGenアバターⅤ】

身体の動きはまあまあ自然なのですが、

・口元の動きが音声とずれる
・目元がチラつく
・上下の歯がくっついたまま話しているように見える

など、顔まわりにAIっぽさが残る印象でした🤔

はっきりした発音が求められるシーンは、まだHeyGenのほうが安定しているので、解説動画などではHeyGenのほうが良さそうだな…と言う印象です。

詳しくはこちらのnoteでご紹介しています！

③Kling 4.0（10/16）

9月末に発表されていた Kling 4.0 が、ついに全ユーザー向けに公開されました！（軽量版の「Kling 4.0 Flash」は一部ユーザー向けに先行公開されていました）

主な特徴👇🏻

ついにKlingも30秒生成できるようになり、ショートドラマなどもさらに作りやすくなりましたね！

ということで、実際に正式リリース版で「リアルな青春の空気感」をテーマにショートを作ってみました。

Seedance2.5と比べると、話し方が素っぽい感じがあるな、と感じました。

例えばSeedance2.5だと、同じセリフで違うニュアンス、イントネーションが欲しいなーと思っても、なかなか出づらい場合があります。

ですがKling4.0だと、生成するたびにセリフのニュアンスや間の取り方などが不安定で、むしろそれが素っぽく、演技らしくないのが魅力だと思います。

気になる方はぜひ試してみてください💡

④Krea「Krea 3」（10/16）

画像生成AIのKreaから、新モデル「Krea 3」が公開されたので早速試してみました！

AIっぽさがなく、かなりいいですよね👀

これはショートドラマなどのキャラクターシート系にも使えるのか？！と思い試してみたのですが…

うーん、ちょっと思ってた感じと違うかも…？
幸薄そうに見える感じが、個人的にには好みではありませんでした👀

これだったらNano Banana 2.1のほうが好きだなーという印象。

このモデル、公式では「画像編集」を一番の売りにしているモデルらしいので、画像編集も試してみました！

結果はこちらのnoteで見れますので、よければ参考にしてみてください！

⑤Topview「Topview T1」（10/22）

Topviewから、動画生成モデル「Topview T1」が登場しました。

主な特徴👇🏻

「Seedance2.5と同等のクオリティ」とのことで、ホントか？と半信半疑で試したところ、本当に同等のクオリティでした！

さらにT1で特徴的だったのが「動作の補完」です。

プロンプトで指示しきれない細かな仕草やリアクションまで、シーンに合わせて自然に足してくれる印象でした。

GENELでも、自社ツールへのAPI導入を本格的に検討中です！
気になる方はぜひ試してみてください◎

⑥Meta「Muse Video」（10/23）

MetaのパーソナルAIエージェント「Muse」が日本でも使えるようになりました！

ということで、7月に「Muse Image」と一緒にプレビュー公開されていた動画生成モデル「Muse Video」も試してみました。

今回、同じ内容をMuse Video、Seedance 2.5、Kling 4.0で生成して比べてみたところ…

喋らせなければいい感じ👀
光のさしこみ方とかもリアルでいいですよね◎

質感的にはMuse VideoはKling 4.0にかなり似ている印象でした。

一点気になったのは、人物の一貫性ですね。
最初のシーンと、振り返った時の顔の印象が自分的には相違があるように感じいました。

ショートドラマとかでの運用は難しいかもしれないですが、ワンシーンだけのショート動画などでは使えそうな気がします！
（ただし動画の長さは最大10秒で、それ以上のシーンになると動画を繋げる必要があり、さらに一貫性がなくなる可能性があります）

まとめ

10月のアップデートをまとめるとこんな感じです👇🏻

先月は「声の演技まで作り込めるか」がポイント、とお話ししましたが、今月は「30秒のワンカットで、どこまでリアルな日常を描けるか」、そして「そのクオリティをどれだけ安く回せるか」に広がってきた印象です💡

個人的には、

この辺りは積極的に使っていきたいです！
（すでにメインとして使用しているモノもあり👀）

最新情報を追うのは大変ですが、この記事が少しでも参考になっていれば嬉しいです！

それではまた次回のnoteでお会いしましょう！🖐🏻