リップシンク

ポートレート写真を話す動画に変えます。

画像

アップロードする

JPG / PNG / WEBP、最大 20 MB。

音声ファイル

音声ファイルをアップロード

MP3 / WAV、最大15 MB、4〜299秒。
設定
クレジット: -
コスト: —

リップシンク

サンプル動画

AIトーキングフォトジェネレーター:どんな写真も喋らせる

1枚のポートレートをトーキングビデオに。鮮明な写真をアップロードし、ナレーションやスピーチ音声を追加するだけで、Nereoが顔をアニメーション化し、唇・表情・頭の動きが言葉に合わせて動きます。プレゼンター、アバター、キャラクター、ペットまで、ブラウザ上で完結。

写真を喋らせる

写真1枚で十分

プレゼンターを撮影する必要はありません。1枚のポートレートが話すクリップになるので、顔写真、製品スポークスパーソンの画像、イラストキャラクター、AI生成アバターを何度でも再利用できます。

写真を喋らせる
1枚のポートレート写真をトーキングビデオに変える手順

唇、表情、頭の動き

Nereoの画像リップシンクモデルは、音声のリズムに合わせて口の形、まばたき、小さな頭の動き、表情の変化を再現するので、静止画に口を貼り付けただけではなく、本当に誰かが話しているように見えます。

写真を喋らせる
トーキングフォトにおける自然な口の形のクローズアップ比較

用途に合ったモデルを選択

複数のトーキングアバターモデルを一か所から選択できます。デフォルトのOmniHuman 2.0は、最大約5分の表情豊かなトーキング&シンギング動画を1秒あたり5クレジットで生成します。OmniHuman 1.5はプロンプト指示による1080pクリップに対応し、Kling AI Avatar(StandardまたはPro)やMiniMax H3 Max Lip Syncも利用可能です。最大音声長と1秒あたりの料金は選択するモデルによって異なります。

写真を喋らせる
異なるAIトーキングフォトモデルの並列比較

視聴者の言語で話す

アップロードした音声に合わせて顔が動くので、同じ写真で英語、日本語、スペイン語、中国語のナレーションを届けられます。新たにタレントを起用せずに、ローカライズされたスポークスパーソンや製品メッセージを作る簡単な方法です。

写真を喋らせる
多言語トーキングビデオを表現する各国のプレゼンター

AIトーキングフォトジェネレーターは誰が使う?

スポークスパーソン&UGC風広告

スポークスパーソン&UGC風広告

プレゼンターの写真を製品解説、キャンペーン告知、 testimonial風クリップに変え、撮り直しではなく音声を差し替えるだけで新しいバージョンを作成できます。

AIでトーキングフォトを作る方法

  1. 写真をアップロード

    顔が1つはっきりと写り、口元が開いていて、照明が均一なシャープなポートレートを選びましょう。正面または少し斜めのショットが最適です。

  2. 音声を追加

    ナレーション、録音したセリフ、または曲のクリップをアップロードします。OmniHuman 2.0がデフォルトで選択されており、モデルを切り替えることも可能です。一部のモデルでは、表情やカメラワークを指定する短いプロンプトも入力できます。

  3. 生成してダウンロード

    Nereoが音声に合わせて顔をアニメーション化します。トーキングビデオをプレビューし、タイミングを確認して、投稿や編集のためにダウンロードしましょう。

AIトーキングフォトジェネレーターFAQ

AIトーキングフォトジェネレーターとは?

AIトーキングフォトジェネレーターは、静止したポートレートをその顔が話すビデオに変えます。写真と音声を提供すると、AIが唇、表情、頭の動きをスピーチに合わせてアニメーション化します。

どんな写真が最適ですか?

鮮明なJPG、PNG、またはWebPを使用し、顔が1つだけ遮られずに写り、唇が見え、照明が均一であることを確認してください。正面またはやや斜めのポートレートが最も安定した結果をもたらします。顔が非常に小さい場合、強い影がある場合、手で口が覆われている場合は、結果の信頼性が低下します。

どんな音声が使えますか?長さはどのくらいですか?

クリアな音声録音または曲のクリップをアップロードしてください。デフォルトモデルのOmniHuman 2.0では、MP3またはWAVを使用し、最大15 MB、4~299秒の範囲で、1回のテイクで約5分近くまで可能です。OmniHuman 1.5は約1分までの音声に対応し、他の一部モデルはより短いクリップを受け付けます。ツールには選択したモデルの制限が表示されます。

漫画、アバター、ペットの写真を喋らせることはできますか?

多くの場合、可能です。OmniHuman 2.0と1.5は、人物だけでなく、イラスト調のキャラクター、3Dスタイルのマスコット、動物も動かすことができます。結果は顔と口がどれだけ明確に描かれているかによって異なるため、キャラクターが硬く見える場合はいくつかの画像を試してみてください。

AIトーキングフォトジェネレーターは無料ですか?

ツールを開いて写真と音声を準備するだけで、インストールは不要です。生成は出力1秒あたりのクレジットで課金され、料金はモデルによって異なります。デフォルトのOmniHuman 2.0は1秒あたり5クレジットです。料金はツール内および[料金ページ](/pricing)でご確認ください。

他人の写真を使ってもいいですか?

自分が所有しているか、使用許可を得ている写真のみを使用し、なりすましや誤解を招くビデオを作成しないでください。商用利用の場合は、写真の人物から同意を得て、声と音声の権利を確認し、プラットフォームが要求するAI開示を追加してください。

最初のトーキングフォトを作成