リップシンクAI｜音声をアップロードすると、その声で話す動画になります

専用アプリも編集ソフトも要りません。スマートフォンのブラウザからでも、録音した音声をそのままアップロードして生成できます。

日本語で録った音声をそのまま参照音声として使えます。母音がはっきりした、少しゆっくりめの話し方のほうが口の動きは合いやすくなります。

参照音声を受け付けるのはシーダンス 2 だけで、これは有料プランまたはクレジット購入後に選べるようになるモデルです。登録時の無料クレジットだけでは参照音声の項目が表示されません。料金プランをご確認ください。

設定ごとの消費クレジットは生成ボタンの上に出るので、想定外の消費にはなりません。まず 480p・5 秒で口の合い方を確かめてから、画質を上げてください。

音声に合わせて口を動かすだけでなく、うなずきや目線、わずかな体の揺れまで含めて生成されます。静止画に口だけが動く不自然さが出にくい方式です。

同じ写真と同じ指示文のまま、音声だけを差し替えて生成し直せます。文単位で分けて作り、あとでつなぐ運用がしやすい構成です。

生成した動画は動画の高画質化にかけて仕上げられます。まず短く安く作り、採用したものだけ画質を上げる流れが無駄になりません。

ナレーション音声を用意して、話している人物の映像を生成します。台詞を変えたいときは音声だけ差し替えれば済みます。

5 秒から 10 秒の「一言しゃべる」動画は、SNS で最も回りやすい長さです。撮影せずに量産できます。

AIイラストで作ったキャラクターを参照画像に入れれば、そのキャラクターが話す映像になります。実写の人物写真を使う必要はありません。

原稿を読み上げた音声さえあれば、話者の映像を用意できます。顔出しをせずに人が説明している形式の動画を作れます。

環境音が乗っていると、どこが発話なのかの判定が鈍ります。静かな場所で録り直すだけで結果が変わります。

1 秒あたりの音数が多いほど口は追いつきにくくなります。少し間をとって話した音声のほうが自然に見えます。

引きの構図では口が数ピクセルしかありません。指示文に「上半身のクローズアップ」と入れてください。

長い原稿を一度に渡すより、文単位で分けたほうが、やり直しのコストが小さく済みます。

このページの用途では参照動画は使いません。参照音声と参照画像だけにすると、指示が競合しません。