InfiniteTalk アバター生成:1枚の写真をしゃべる動画に変換
お手元の音声に合わせてリップシンク、頭の動き、自然な微表情を駆動し、最大10分までのクリップを生成します。
セキュアプロキシ経由で最大200MBまでのMP3・WAV・AAC・OGG・WEBM・FLAC・M4Aに対応しています。
クレジット消費量を見積もるには音声をアップロードしてください。
最大40MBまでのJPG・PNG・WebPで、正面を向いた鮮明なポートレートを使用してください。
バイナリマスクを指定すると動画生成の対象を特定の人物に限定できます。自動検出する場合は空欄にしてください。
姿勢、ライティング、話し方の熱量などを調整できます。自然な標準演技にする場合は空欄のままにしてください。
ラフ確認には480pが最適です。本番公開用には720pをお選びください。
テイク間で表情の傾向を揃えたい場合は同じシード値を使います。-1 にすると毎回ランダムになります。
制作チームにInfiniteTalkが選ばれる理由
演技のニュアンスに追従しながら、顔立ちの破綻を抑えて自然に動かします。
音素レベルの高精度リップシンク
発話の一音一音を音声トラックに正確に合わせ、話す間(ま)や息継ぎのタイミングまで自然に再現します。
豊かな表情パフォーマンス
視線のわずかな動き、うなずき、上半身の自然な揺れを捉え、ロボットっぽさのない生き生きとした語り口を実現します。
全フレームで人物の特徴を維持
長尺テイクや横を向く動きの中でも、髪型・服装・ライティングの一貫性をしっかり保ちます。
最大10分の長尺レンダリング
短いクリップを何本も繋ぎ合わせることなく、長尺の解説動画や製品デモを一気に生成できます。
InfiniteTalk動画の作成手順
安定した高品質な結果を得るため、以下の順序で進めてください。
- ステップ 1
整音済みの音声トラックをアップロード
残響(リバーブ)の少ないクリアなモノラル音源が最適です。InfiniteTalkが波形を解析して音素を予測します。
- ステップ 2
鮮明なポートレート画像を選択
正面または斜め前を向いた画像が最も綺麗に動きます。複数人が写っている場合は任意のマスク画像を添付してください。
- ステップ 3
解像度と演出ガイダンスを設定
ラフ確認には480p、最終納品には720pを選びます。姿勢、雰囲気、カメラフレーミングの指示プロンプトも追加できます。
- ステップ 4
送信してアニメーションを生成
5秒単位でクレジット計算されます。送信するとステータス確認リンクが発行され、完了後にMP4をダウンロードできます。
制作・運用メモ
最大クリップ尺は10分です。600秒を超えるアップロードは課金前に却下されます。
集合写真を使う場合は、どの人物をしゃべらせるかInfiniteTalkが判別できるようバイナリマスクをアップロードしてください。
プロンプトには「穏やかな笑顔」「スタジオのキーライト」「控えめにうなずくテンポ」といった演出指示を記述できます。
クレジットは5秒ブロック単位で計算されます。720pレンダリングは480pプレビューの約2倍のコストになります。