公開情報による2026年Q2時点、生成系の画像・動画モデルは「研究デモ」から「コマーシャル制作の前提」へと位置付けが変わりつつある。本稿では、Midjourney v7、OpenAI Sora 2、Kuaishou Kling 3.0、Google Veo 3.1の四強について、2026年4月時点の公開情報をもとに整理する。
画像系の中心はMidjourney v7だ。公開情報によれば、v7では「character reference」機能により、複数生成にわたるキャラクター一貫性が実用域に達した。再設計されたアーキテクチャによりテクスチャ表現と細部整合（特に手指・足部）が改善し、これまでAIアートで露呈しがちだった構造破綻が顕著に減っている。広告・コミック・ストーリーボードのワークフローで、人物の同一性を保ったままシリーズを回せるかは、商用採用の可否を決定づける要素であり、v7はこの境界を越えた最初の世代と言える。
動画系の主役はKling 3.0、Veo 3.1、Sora 2の三強である。2026年2月5〜12日の一週間に、これらが相次いで主要アップデートを公開し、業界の様相が一変した。
Kling 3.0（Kuaishou、2026年2月5日）はネイティブ4K／60fps、マルチショットのストーリーボード、クロスランゲージ音声を備える。公開情報によれば、ブレザー生地の繊維、皮膚の毛穴、髪の自然な動き、といったマイクロディテールでトップクラスの品質を示し、クリップあたり約\$0.50という価格でコスト効率も突出する。月100クリップ以上のチームではSora 2／Veo 3.1比で数千ドル単位の節約になる、という比較事例が報告されている。
Veo 3.1（Google、Gemini API経由で順次拡大）は同期音声で頭一つ抜けた。リップシンク済みダイアログ、シーンに連動する環境音、画面上の動作に一致する効果音——これらをモデル単体で生成する初の動画モデルと評価されている。広告動画やデモ動画で「映像と音を別工程で合成しなくていい」価値は、ポストプロダクション工程の削減効果として大きい。
Sora 2（OpenAI）は時間長と表現幅で勝負する。Extensions機能でマルチショット・ストーリーテリングがようやく実装され、長尺コンテンツの一貫性が改善した。汎用的に「何でも撮れる」幅広さは依然強みで、研究／実験的な制作で第一候補に上がる。
選定の指針は三つだ。第一にコスト密度——大量生成ならKling、品質+音声込みならVeo、長尺・実験ならSora。第二に商用ライセンス——出力物の権利、トレーニングデータの来歴、広告・コマーシャル利用での制限を必ず確認する。第三にパイプライン統合——APIアクセス、バッチ生成、リトライ制御の実装難度はモデル間で大きく異なる。
KGA ITでは、Veo／Sora／KlingのAPI統合と社内コンテンツ制作パイプライン構築、ガバナンス（生成物の出所表示、商用条件レビュー）を含む支援を提供している。