1. ヘルプセンター
  2. AIオーディオ

AIリップシンク

AIオーディオ2026年11月5日 更新

AIリップシンクは、顔写真1枚と音声クリップ1つから、写真の人物がその音声を話す動画を作成します。口元や頭も音声に合わせて動きます。

顔写真と音声クリップから作成した話す動画。

話す動画を作る

AIリップシンクのページ:画像と音声のアップロード領域、解像度
AIリップシンクのページ。画像と音声のアップロード領域、解像度が表示されます。
  1. 顔写真を追加します:JPG、PNG、WebP、最大20 MB。口元が見えていて、正面を向いた鮮明な顔または上半身の写真を使ってください。
  2. 音声を追加します:MP3、WAV、M4A、AAC、最大25 MB・30秒まで。録音がない場合は、AI音声生成で作成できます。
  3. 720pか1080pを選び、生成を押します。

向いている写真

  • 1人だけが写っていて、カメラの方を向き、顔全体が見えている写真が適しています。
  • 横顔、全身写真、ぼやけた写真、口の前に手や物がある写真は避けてください。
  • 実在の人物の写真は、モデルの安全フィルターで拒否されることがあります。AIで作成した顔写真やキャラクターなら安定して使えます。

料金

料金は音声1秒ごとにかかり、1080pは720pより高くなります。動画はマイ作品に保存されます。

動かしてよいのは、使用する権利のある顔だけです。本人の同意なく、言っていないことを言っているように見せることは禁止されています。

解決しませんでしたか? ご質問をお送りいただければ、メールでご返信します。