← ブログに戻る
Ai読了目安 12 分

Azure Foundryに動画生成5モデル、推論はfalが担う

公開日 2026年11月11日
Azure Foundryに動画生成5モデル、推論はfalが担う

11月5日、Microsoftとfalは、動画生成モデル5本がMicrosoft Foundryでパブリックプレビューとして使えるようになったと発表した。Azureのファーストパーティサービスとして提供される。モデルはKuaishou、Lightricks、MiniMaxのもの。推論はfalが担う。Microsoftはどちらも作っていない。

この配置が話の中心だ。2年間、動画モデルの問いはどれが一番良いかだった。この発表が答える問いは違う。購入する窓口に誰がなるのか。Microsoftが手を挙げ、しかもモデルを保有しなくても取引を保有できると認める形でやった。

5本と、それぞれの用途

Microsoftの枠組みは、創作は一つの作業ではないというもの。テキストの依頼から複数の方向を探るチーム、承認済みの商品写真を動きのコンセプトに変える小売、画像生成から動画生成へつなぐ開発者。それぞれモデルに求めるものが違う。品質、動き、制御、納期、コストの釣り合いが場合ごとに変わる。だから5本は同じベンチマークへの5回の挑戦ではなく、地図上の5つの位置だ。

**Kling v3 Pro** は映画的な一本。画質と滑らかな動き、ネイティブの音声生成、カスタム要素。image-to-videoモードでは、特定の開始フレームが動くショットになる過程を制御できる。秒単価より映像の方向性と動きの性能が重要なときの選択だ。

**LTX-2.5** は2段構え。Fastは反復とプレビュー、Proは高忠実な納品向け。どちらもtext-to-videoとimage-to-videoに対応し、同期音声を備える。両方を出す狙いは、チームが同じプラットフォームで下書きと仕上げをでき、ツールを乗り換えずに済むこと。些細に聞こえるが、2社の間で見た目を合わせたことのある人には分かる。

**MiniMax H3 MaxとH3 Max Turbo** はH3のpost-training版で、指示追従、画質、推論性能に振っている。Turboは品質を一部犠牲にして生成を速め、高頻度の反復向けだ。

規模については、fal創業者のBurkay Gurが端的に言う。生成メディアのアプリはマルチモデルになっていく、仕事の部位ごとに必要なものが違うからだ。falのカタログは画像、動画、音声、3Dで1500以上のモデルを抱え、推論、学習、インフラも提供する。Microsoftは5本を選んだ。その選択が製品だ。

データ所在の細部

発表の奥に、実際に契約を決める一文がある。モデルは米国のリージョンでホストされ、Foundryは米国ホストのKlingエンドポイントを提供する最初のプロバイダだ。

Klingは中国企業Kuaishouのものだ。調達審査のある米国企業にとって、「モデルは使える、推論はAzure契約の米国リージョンで行われる」は「モデルは使える」とは別の会話になる。モデルは同一。書類が違う。

ここがマルチモデル論で過小に語られる部分だ。ブローカーを正当化する技術的な理由は利便性。商業的な理由は、ブローカーがコンプライアンスの表面を吸収すること。Microsoftは後者を売っている。

価格と、自分で確かめるべき数字

課金は生成秒単位で、解像度と音声モードが単価を動かす。具体的な価格は今後数週間でAzureの価格ページに載るとMicrosoftは言う。

曲率の異なる5枚の小さなガラスレンズが、炭色のベルベットの上に並んでいる。

注意を一つ。公式ブログの本文と表で、課金単位の説明が一致していない。予算に載せる前に、価格ページでメーターが秒か分かを確認してから掛け算してほしい。プレビュー発表ではよくある食い違いで、安い実験を想定外の請求書に変える類のものだ。

5本を横断する統一の品質・遅延ベンチマークもない。Microsoft自身がそう言っている。選ぶということは、自分のプロンプト、自分の元画像、自分のクリップ長、自分の音声要件をそれぞれに通すことだ。プレビューである以上、SLAはなく、インターフェースは変わりうる。

ComfyUIの小技が実用的な部分

発表と同時に出た2本目のMicrosoftの記事は、Foundryの画像モデルとfalの動画モデルを、2つのカスタムノードでComfyUIにつなぐ方法を説明している。経路のどこにもAPIキーはない。

手順は3つ。

まず、Foundryプロジェクトでモデルをデプロイする。ポータルのモデルカタログか、CLIで。

az cognitiveservices account deployment create ...

例として挙がっているモデル識別子は、画像側が gpt-image-2.5-sunburst、FLUX.2-pro、MAI-Image-2.6、動画側が Fal-MiniMax-H3-Max。命名規則が一つ効く。画像のデプロイ名はモデル名と一致させる必要がある。ノードがその文字列からモデル系列を推定するからだ。動画のデプロイ名は何でもいい。

次に、ComfyUIにキーなしのアクセスを与える。ノードは DefaultAzureCredential を使うので、マシンがすでに持つEntra IDとして認証する。ノートPCなら az login のセッション、Azure上ならマネージドID。そのIDにはFoundryリソースのCognitive Services Userロール、またはFoundry Userが必要だ。保存もローテーションも不要で、共有のワークフローJSONに漏れるキーもない。ComfyUIの構成が侵害される最も一般的な経路が消える。

最後に、プロジェクトのエンドポイントを貼る。https://xxx.services.ai.azure.com/api/projects/xxx のような形だ。

面白いのはこの構成の帰結だ。生成はFoundryで起きる。ComfyUIは編成するだけ。だからComfyUIを動かすマシンにGPUはいらない。Microsoftの例は、text-to-imageの呼び出しがimage-to-videoの呼び出しに渡り、5秒の映画的なショットになる。組み立てはノートPCでもいいハードで行われる。

カスタムノード40個とローカルのチェックポイント動物園を抱えたComfyUIを維持してきた人には、これは本当に違う形だ。ワークフローが薄いクライアントになる。失うのはオフラインで作業する能力と、グラフの途中でローカルモデルに差し替える能力だ。

同じニュースサイクルの居心地の悪い隣人

11月5日から6日にかけて、Microsoftのセキュリティ更新ガイドにCVSS 10.0が2件載った。一つはEntraのデバイス登録。もう一つはCVE-2026-85889で、Azure AI Foundryの認証欠落、CWE-306、ネットワークベクター、権限不要、ユーザー操作不要。

Microsoftの注記は、顧客は何もする必要がないという。修正はMicrosoft自身のインフラに入り、顧客が配備する版がないからだ。報告は研究者Rémy Marot、実環境での悪用の証拠はない。

ここは二つを分けて考えるべきだ。10.0は最悪の場合の影響度であって確率ではなく、Microsoft自身の悪用可能性評価は低い。そしてクラウドのCVE告知は通知であって作業ではない。パッチを当てるのではなく、修正前の時間帯に不審なデプロイや呼び出しがなかったかログを読む。

それでも発表と同じ段落に入る。どちらも同じ移行の話だからだ。プラットフォームがモデルを動かし、鍵を持ち、エンドポイントを持つなら、セキュリティの境界は自分が検査できないサービスの内側に移る。それが利便性の請求書だ。

実際に試すべきこと

評価するなら、面白い比較はブローカー+5モデルが、1ベンダー+1モデルに勝つかどうかだ。KlingとLTXとMiniMaxを抽象的にランク付けしても分かることは少ない。

同じ依頼を5本すべてに通す。測るのはクリップまでの時間ではなく、使えるクリップまでの時間。次にリロール率を測る。動きを合わせるのに3回かかるモデルは、表示価格に関係なく3倍の値段だ。そして音声がある場合、編集に耐えるかを見る。ずれた同期は音声なしより悪い。

出口も忘れない。ブローカーの魅力は、統合を変えずに下のモデルを差し替えられることだ。一つ切り替えて何が壊れるかで試す。答えが「プロンプトの形式」ならブローカーだ。答えが「全部」なら、手間が増えただけのベンダーだ。

Igniteは11月17日から20日、19日にFoundryとfalの専用セッションがある。価格と一般提供が続くだろう。それまではSLAのないプレビューで、実験には良く、製品ローンチには良くない。

関連記事