# AIが「空間」を理解し始めた｜画像生成の次は「世界生成AI」の時代かもしれない

> 1枚の画像から3D空間を作る Claude Code 用のスキル集「image-blaster」が公開されました。生成は World Labs などの外部 API が担いますが、物体・背景・当たり判定までそろい、AIは「画像」から「世界」を作る段階に入りつつあります。

- URL: https://enhanced.co.jp/articles/ai-understands-space-world-generation-ai-era-after-image-generation/
- 公開日: 2026-05-18
- 更新日: 2026-10-07
- カテゴリー: [AIニュース](https://enhanced.co.jp/topics/ai-news/)
- タグ: AI, AI技術, AI開発, 機械学習, 画像生成
- 発行: エンハンスド株式会社 (https://enhanced.co.jp/)

---

> この記事は 2026年10月に、公式の情報に合わせて一部を見直しました。

最近のAIって、「画像を作る」「動画を作る」あたりまでは、もう当たり前になってきました。

でも今回見たものは、その次の段階に踏み込んでいました。

なんとAIが、**1枚の画像から3D空間そのものを生成していた**のです。しかも、

- オブジェクト認識
- 物理判定
- 光源
- 空間構造

まで理解した上で、BlenderやUnityに持ち込める形で出力していました。

正直、「画像生成AI」というより、**「世界生成AI」**という言葉のほうがしっくりくる衝撃でした。

![1枚の室内写真から AI が特徴抽出・奥行き推定・カメラ位置推定・3D復元を行い、点群の3D空間を再構築するプロセスの図](https://media.kakasete.com/Enhanced/medias/228/20260527085351_20260519113707_ChatGPT%20Image%202026%E5%B9%B45%E6%9C%8818%E6%97%A5%2018_18_25.jpg)

## 1枚の画像から「空間」が生成される

きっかけは、こちらのポストです。

> open-sourcing a 3D gen toolkit for Claude Code  
>   
> input image → environment, meshes, physics, lighting, & audio [pic.twitter.com/95S23EucRQ](https://t.co/95S23EucRQ)
> — neilson (@neilsonks) [May 14, 2026](https://twitter.com/neilsonks/status/2055013782771134479?ref_src=twsrc%5Etfw)

内容を噛み砕くと、おおむねこういう流れになっています。

- 部屋の写真をAIに読み込ませる
- AIが机・PC・工具などのオブジェクトを分離する
- 動かせる物体はメッシュ化して3Dモデル（.glb / .obj）にする
- 写っていない背景や床、壁なども補完して、部屋全体を Gaussian splat（.spz）という形式の3D空間として生成する
- 当たり判定用のデータ（collider）も一緒に出力し、付属のビューアで物理を効かせて動かせる
- そのままBlenderやUnityに持ち込んで動かせる

公開されているのは、Claude Code 用のスキル集「[image-blaster](https://github.com/neilsonnn/image-blaster)」（MIT ライセンス）です。ただし、3D の生成そのものはローカルで完結するわけではなく、外部の有料 API が行います。背景の空間は World Labs の Marble、物体のメッシュは FAL 経由の Hunyuan 3D、効果音は ElevenLabs といった具合で、使うにはそれぞれの API キーが必要です。それでも、**1枚の写真から、動かせる3D空間のたたき台が作れる**ということです。

少し前までは、「写真から3Dモデルを起こす」だけでも研究テーマでした。それが今は、空間まるごと、物理まで含めて自動生成される側に来ています。

## これ、実は「制作フロー」が変わる話

この事例の本当の面白さは、「すごい3D生成AIが出た」ではないと思っています。

注目すべきは、**制作フローそのものが組み変わる**という点です。

これまでの3D空間制作は、ざっくりこんな手順でした。

- リファレンスを集める
- Blenderでモデリングする
- テクスチャを貼る
- ライティングを調整する
- 当たり判定（コリジョン）を設定する
- 物理パラメータを設定する
- ゲームエンジンに配置する

スキルのある人が数日〜数週間かけてやる仕事です。

これが、

**「画像1枚をAIに渡す → 3D空間として出てくる」**

になる可能性が出てきました。スキルの問題ではなく、**作業そのもの** がショートカットされるレベルの変化です。

## 怖いのは「制作速度」ではなく「試行回数」

ここが、今回の事例で個人的に一番ゾクッとしたポイントです。

3D空間生成というと、つい「制作時間が短くなる」という話に寄りがちです。もちろんそれもあります。

ただ、本当に効いてくるのは別の軸だと思っています。

それは、**試行回数の桁が変わる**という話です。

これまでは、

- 3D空間を1パターン作るだけで、数日〜数週間
- 修正のたびにBlenderで作業し直し
- 1案件あたり、用意できる空間はせいぜい1〜2パターン

という前提でした。

これがAIの世界生成に置き換わると、

- 100パターンの空間を一気に生成できる
- 「もう少し明るい部屋で」と指示するだけで再生成できる
- 季節違い、テナント違い、ブランド違いを一晩で量産できる

という前提に変わります。

つまり変わるのは、**制作コストではなく「試行回数」**です。

そして試行回数が桁で増えるとき、何が起こるかというと、

- 1案件1空間ではなく、**1案件100空間** が前提になる
- 比較検討の単位が「モデル単体」だけでなく、**「空間そのもの」** に広がる
- 用途やシーンごとに違う空間を出し分ける、ということが技術的に可能になる

「作ること」よりも、**「どの空間が、どの目的に刺さるかを見抜くこと」**の重要度が一気に上がります。

## AIは「画像生成」から「世界生成」へ

ここまでの流れを整理すると、AI生成の対象は、こんなふうに広がってきています。

- まず、文章（テキスト生成）
- 次に、画像（画像生成）
- そして、動画（動画生成）
- 今、空間（世界生成）

対象がどんどん「現実」に近づいているのが分かります。

文章 → 画像 → 動画 → 空間、と並べてみると、AIが扱える「世界の解像度」が一段ずつ上がってきているように見えます。

そして、いま起きていることをひとことで言うなら、

**AIは「コンテンツ」を作る段階から、「世界」を作る段階に入りつつある**

ということだと思います。

画像1枚を作るAIから、シーン100通りを一晩で作るAIへ。

3Dモデル1個を作るAIから、空間まるごとを生成するAIへ。

スケールも、対象範囲も、ひと回り大きいフェーズに入ってきました。

## まとめ

- 1枚の画像から、AIが3D空間まるごとを生成する事例が出てきている
- オブジェクト認識・3D化・物理判定・ライティング・空間生成まで一気通貫
- 生成そのものは World Labs などの外部の有料 API が担い、image-blaster はそれらを Claude Code からまとめて呼ぶ道具
- 制作フローが「人がモデリング」から「AIが空間生成」に組み変わる可能性がある
- 変わるのは制作コストではなく、**試行回数の桁**
- AIは「画像生成」から「世界生成」のフェーズに入りつつある

これからのAIに問われるのは、「どれだけ綺麗な画像を出せるか」ではなく、**「どれだけリアルな世界を出せるか」**になっていきそうです。

そして、それを使う側に問われるのも、デザインスキルやモデリングスキルだけではなく、

「どの世界が、どのユーザーに刺さるか」

を見抜く力なのかもしれません。

**あわせて読みたい**

- [ChatGPTで映画監督になれる時代が来た｜AI映像制作のワークフローが激変している](https://enhanced.co.jp/articles/chatgpt-movie-director-ai-video-workflow-revolution/)

---

出典: 「AIが「空間」を理解し始めた｜画像生成の次は「世界生成AI」の時代かもしれない」エンハンスド株式会社 https://enhanced.co.jp/articles/ai-understands-space-world-generation-ai-era-after-image-generation/
