写真から作るトーキングアバター

トーキングアバターとは、写真の中の人物があなたの音声データに合わせて話す動画です。MiniMax H3 Lip Syncが口の動きを音声に同期させ、自然な表情やまばたき、頭の動きを加えるため、単なるアニメーションマスクではなく、本当に生きているような映像に仕上がります。

最大30秒までの音声素材に対応しており、会話、挨拶、ナレーション、歌などに利用できます。はっきりと正面を向いたポートレート写真と、ノイズのないクリアな音声を使うことで最良の結果が得られます。イラストのキャラクターでも、顔がはっきり見えていれば利用可能です。

料金は音声の長さによって異なり、5秒で35クレジット、10秒で70クレジット、30秒で210クレジットです。すでに完成している動画のセリフを差し替えたい場合は「リップシンク」ツールをご利用ください。