生成AIの種類一覧｜テキスト・画像・動画・コード生成の技術まとめ

テキストを入力するだけで、画像や動画、音楽、コードまで自動生成する——生成AIはここ数年で急速に多様化し、出力できるコンテンツの種類が大きく広がりました。この記事では、2026年時点における生成AIの全種類を出力モダリティ別に整理し、各種類の代表サービスと仕組みを支える基盤技術（アーキテクチャ）まで一覧でまとめます。「テキスト・画像・動画・音声・音楽・コード・マルチモーダル・エージェント」の8分類を網羅した保存版です。

生成AIの種類を出力形式で分類

生成AIとは、学習したデータをもとに新しいコンテンツを「生成」するAIの総称です。何を生成するかによって大きく8種類に分類されます。

← 横にスクロールできます →

テキスト生成AI（大規模言語モデル・LLM）

テキスト生成AIは、大量のテキストデータで学習した大規模言語モデル（LLM: Large Language Model）を中心に発展してきました。質問への回答・文章作成・翻訳・要約など、言語に関わるほぼあらゆるタスクに対応します。各技術の詳しい用語解説は「AI・機械学習の用語一覧｜基礎から最新LLM用語まで180語まとめ」もあわせてご覧ください。

← 横にスクロールできます →

テキスト生成AIの豆知識：RAGとは

RAG（Retrieval-Augmented Generation＝検索拡張生成）は、LLMの弱点である「知識の古さ・ハルシネーション」を補う技術です。ユーザーの質問に対し、外部データベースや社内文書を検索してから回答を生成するため、最新情報や専用知識を扱う企業向けAIに広く採用されています。

画像生成AI

テキストプロンプトから画像を生成する技術は、現在拡散モデル（Diffusion Model）が主流です。2022年のStable Diffusion公開を機に民主化が進み、2026年時点では商用品質の画像が数秒で生成できます。

← 横にスクロールできます →

ControlNet・LoRAとは

• ControlNet：生成画像のポーズ・構図・輪郭を指示画像で制御する技術。「このポーズで生成」「この輪郭に合わせて」といった精密な条件付けが可能です。
• LoRA（Low-Rank Adaptation）：大規模モデルの一部パラメータのみを追加学習することで、特定のスタイルや人物の再現を効率的に行う技術。数百枚の画像で特定の絵柄を学習できます。

動画生成AI

動画生成AIは2024〜2026年に急成長した分野です。テキストや静止画から数秒〜数分の動画を生成します。現在も品質・長さ・一貫性の向上が続いており、最も進化が速いカテゴリの一つです。

← 横にスクロールできます →

音声合成AI（Text-to-Speech・TTS）

テキストを音声に変換するTTS技術は、ニューラルネットワークの導入で自然さが飛躍的に向上しました。現在は感情・話速・声質を細かく制御できるサービスが主流です。

← 横にスクロールできます →

音声合成の技術豆知識

話者適応（Speaker Adaptation）技術により、数秒〜数分の録音サンプルから話者の声の特徴を学習し、その声で任意のテキストを読み上げる「声のクローン」が実現しています。悪用防止のため、多くのサービスで利用規約による制限が設けられています。

音楽生成AI

テキスト（歌詞・ジャンル指定）から楽曲を生成する音楽AIは、2023〜2024年に急速に普及しました。BGM制作・作曲支援・効果音生成など用途は多岐にわたります。

← 横にスクロールできます →

コード生成AI

プログラムコードを自動生成・補完するAIは、開発者の生産性を大きく変えています。「プロンプトを書くだけでアプリが作れる」というヴァイブコーディング（Vibe Coding）スタイルも広がりました。

← 横にスクロールできます →

マルチモーダルAI・エージェントAI

マルチモーダルAI

1つのモデルがテキスト・画像・音声・動画を統合的に処理できるマルチモーダルAIは、2025〜2026年に実用段階を迎えました。

← 横にスクロールできます →

エージェントAI

指示を与えると、計画立案→ツール利用→実行→検証をループして自律的にタスクを完遂するAIを「エージェントAI」と呼びます。

← 横にスクロールできます →

エージェントAIの中核技術がTool Calling（ツール呼び出し）です。LLMが「いつ・どのツールを使うか」を判断し、検索・コード実行・API呼び出し・ファイル操作などを自律的に組み合わせます。代表的なエージェントの詳細は「AIエージェント一覧60種｜8カテゴリで比較」で解説しています。

生成AIの基盤アーキテクチャ（技術一覧）

生成AIを支える代表的なアーキテクチャ・技術を一覧にまとめます。どのサービスがどの技術を使っているかを理解する手がかりになります。

← 横にスクロールできます →

まとめ

生成AIは「何を生成するか」によって、テキスト・画像・動画・音声合成・音楽・コード・マルチモーダル・エージェントの8種類に大別されます。現在の主流技術はトランスフォーマー（テキスト）と拡散モデル（画像・動画・音声）で、これらを組み合わせたマルチモーダルAIがさらに進化を続けています。用途・目的に合わせて最適なサービスを選ぶ際の参考にしてみてください。

腕試しクイズ（全5問）

生成AIの基盤技術を学んだら、理解度を確かめてみましょう。

（ファクトチェック後に追記予定）

一緒に読まれている人気記事

AI・機械学習の用語一覧｜基礎から最新LLM用語まで180語まとめ

2026.9.1

「AIってよく聞くけど、用語の意味がよくわからない」「機械学習やLLMの専門用語を整理したい」——そんな方のために、AI・機械学習の用語180語以上をカテゴリ別テーブルで一覧にまとめました。基礎概念から古典的機械学習アルゴリズム、最新のLLM・RAG・エージェント関連用語まで、エンジニアもビジネスパ...

AIエージェント一覧69種｜8カテゴリで比較【2026年最新版】

2026.8.17

自律的にタスクを計画・実行するAIエージェントが、2026年に入って急速に普及しています。コードを一人で書き上げるDevin、Webを自動操作するOpenAI Operator、業務フローを自動化するn8nなど、その種類は多岐にわたります。本記事では2026年8月時点の主要AIエージェントサービス6...

生成AIの見分け方｜AI画像・文章・動画を見抜く17のポイント

2026.8.20

2026年8月時点、生成AIが作る画像・文章・動画の見分けは、かつてなく難しくなっています。以前は「指が6本」「背景の文字が読めない」といった特徴的なミスが目立っていましたが、最新モデルではこうした粗がほぼ解消されつつあります。「完全な判別は現時点では不可能」という前提のうえで、判断の精度を上げる1...