リップシンクAI動画生成
リップシンクAIは、話し手の口の動きを新しい音声に合わせて動かし直します。動画と音声をアップロードして生成するだけで、それ以外の映像は元のまま。吹き替え、ナレーションの修正、ローカライズ版の動画づくりに。
リップシンクをきれいに仕上げるコツ
鮮明な元動画から始める
話し手の顔が最初から最後まで映っているクリップをアップロードしてください。短辺は1080px以下、ファイルサイズは300MBまでです。構図が安定していて口元が隠れていないほど、モデルにとって良い参考になります。
聞かせたい音声を用意する
完成したセリフ、会話、歌の音声をアップロードしてください。長さは1秒以上、サイズは100MBまでです。このツールはアップロードした音声に口の動きを合わせるもので、セリフの翻訳や音声の生成は行いません。
Normal か Loop を選ぶ
Normal（通常再生）は動画を1回再生し、動画の終わりを超えた音声はカットします。Loop（ループ再生）は音声が終わるまで動画を繰り返します。どちらのモードでも、出力の見込み時間は最大120秒です。
公開前に確認する
まずは破裂音などはっきりした子音での口のタイミングを確認し、次に映像と声の両方について権利を持っていることを確かめてください。ツールが変えるのは口の動きだけで、内容に対する責任はご自身にあります。
リップシンクAIの活用例
映像はそのままで、音声だけを変えたいときに使います。
既存クリップの吹き替え
撮影済みの映像のセリフを差し替え、元の話し手の口の動きを新しい音声に合わせます。
ナレーションの修正
読み間違えたセリフや古くなった数字も、撮り直さずに修正できます。音声を録り直し、同じテイクに合わせ直すだけです。
ローカライズ版の制作
新しい市場向けに翻訳済みの音声を用意すれば、どの言語でも同じ出演者のまま展開できます。
SNS向けの再編集
新しく映像を撮らなくても、音声を差し替えるだけで別のキャンペーンやプラットフォーム向けにクリップを作り直せます。
このリップシンクツールでできること・できないこと
動画の条件
短辺が1080px以下、サイズ300MBまでのクリップ。最初から最後まで顔が1つはっきり映っているものが最適です。
音声の条件
長さ1秒以上、サイズ100MBまで。完成した音声を用意してください。ツールは音声を生成するのではなく、その音声に口の動きを合わせます。
出力の長さ
出力の見込み時間は最大120秒です。Normal モードでは、動画と音声のうち短いほうの長さになります。
再生モード
Normal は動画を1回再生し、Loop は音声が終わるまで動画を繰り返します。音声の長さに合うほうを選んでください。
一度に使える音声は1つ
このワークフローでは、1つの音声トラックを映像に合わせます。1つのシーン内で複数の話し手を分離したり、それぞれに割り当てたりすることはできません。
映像と声の権利
アップロードできるのは、自分が所有しているか使用を許可された動画と音声だけです。実在の人物の声は、本人の同意がある場合にのみ使用してください。
リップシンクAI動画の作り方
元動画、新しい音声、生成の3ステップ
- 01
元動画をアップロードする
話し手1人の顔がはっきり映っているクリップを選んでください。短辺は1080px以下、ファイルサイズは300MBまでです。
- 02
新しい音声をアップロードする
話し手に語らせたいセリフ、会話、歌の音声を追加します。長さは1秒以上、サイズは最大100MBです。
- 03
再生モードを選んで生成する
Normal か Loop を選んで生成し、書き出す前に口の動きのタイミングを確認してください。出力の見込み時間は最大120秒です。
クリエイターが撮り直しではなくリップシンクAIを選ぶ理由
- テイクはそのまま、セリフだけ変える: 元の映像、照明、演技はそのまま。口の動きだけが新しい音声に合わせて変わります。
- Normal 再生と Loop 再生: Normal はクリップの終わりを超えた音声をカットし、Loop は音声が終わるまでクリップを繰り返します。
- 料金は出力の長さと解像度で決まります: 費用は生成する秒数と、元動画の解像度の区分によって決まります。
テイクはそのまま、セリフだけ変える
撮り直しのコストが高く、撮影場所や出演者よりも台本のほうが頻繁に変わる場合に役立ちます。
Normal 再生と Loop 再生
短い映像に長いナレーションを合わせたいときこそ、Loop の出番です。
料金は出力の長さと解像度で決まります
音声が短いほど、また元動画の解像度が低いほど、生成にかかるコストは少なくなります。
リップシンクAI よくある質問
リップシンクAIとは何ですか？
リップシンクAIは、話し手の口の動きを別の音声に合うように変える技術です。AvatarCraft では動画と別の音声をアップロードすると、画面に映る話し手の口が新しい音声に合わせて動き直し、それ以外の映像はそのまま残ります。
このリップシンクAIは無料ですか？
無料で始められます。新規アカウントには30クレジットが付与されます。リップシンクの料金は出力の長さと元動画の解像度で決まり、540pまでの動画は1秒あたり1クレジット、720pは2クレジット、1080pは3クレジットです。つまり30クレジットで、540pの元動画なら30秒、1080pの元動画なら10秒のクリップを作れます。登録から30日が過ぎると、サブスクリプションのないアカウントは30日ごとに20クレジットまで補充されます。
動画を曲にリップシンクできますか？
はい。曲を音声としてアップロードすると、話し手の口が歌声に合わせて動きます。歌声がはっきりしていて伴奏が少ない音声ほどきれいに仕上がります。出力は最大120秒です。
写真からリップシンクAIを使えますか？
このツールではできません。動画の入力が必要です。静止画の人物を動かしたい場合はトーキングフォトを、音声が曲の場合は写真を歌わせるAIをお使いください。
音声を翻訳してくれますか？
いいえ。必要な言語の完成した音声は、ご自身でご用意ください。このツールが担当するのは口の動きで、翻訳や音声そのものは扱いません。
Normal と Loop の違いは何ですか？
Normal は元動画を1回再生し、動画の終わりを超えた音声はカットします。Loop は音声が終わるまで動画を繰り返します。
サイズと長さの制限は？
元動画の短辺は1080px以下、ファイルサイズは300MBまでです。音声は1秒以上、100MBまで。出力の見込み時間は最大120秒です。