AIでしゃべる フォト

トーキングフォトとは、静止した人物写真が動き出して話す動画のこと。顔は写真のままで、声に合わせて口や目、頭が動くので、プロフィール写真や肖像画、自分でデザインしたキャラクターがカメラに向かってメッセージを届けられます。

Mageなら、1つのアカウントで2ステップです。まず音声。話したい内容を書いて、プロンプトから音声・セリフ・音楽・効果音を作れるSeed Audioで生成するか、手持ちの録音を使います。次に顔。Lipsyncを開き、写真と音声を追加して生成します。完成するのは、写真の人物があなたのセリフを話すMP4です。

トーキングフォトは、あいさつ、解説、キャラクター紹介、SNS投稿などに最適です。使うのは、自分の写真、自分で作ったキャラクター、または本人の了承を得た写真にしましょう。Mageでは、有害なディープフェイクや、本人の同意のない実在の人物の描写は禁止されています。

Seed Audioはプロンプトに沿って音声を作るので、言葉だけでなく話し手も説明しましょう。年齢層、話すペース、気分、話している場所などです。「寝る前のお話を聞かせる、あたたかくおっとりしたおばあさん」と「興奮したスポーツ実況者」では、まったく違う音声になります。話す内容は引用符で囲み、文は短めに。15秒なら1〜2文がちょうどよく収まります。

Seed Audioは、選んだ長さ(5、10、30、60、120秒)ぴったりに音声を生成します。トーキングフォトなら、Lipsyncの1回の生成にセリフが余裕をもって収まるよう、5秒か10秒を選びましょう。長いナレーションも可能です。一度生成してから、音声編集ツールで15秒以下に分割し、それぞれでクリップを作ります。

• 先に声を説明し、次にセリフを引用符で書く
• 1クリップなら5秒か10秒を選ぶ
• 顔の年齢や雰囲気に声を合わせる
• 写真を替える前に、まず音声を再生成する
• 1つのセリフには1つの内容だけ

いちばん仕上がりがよいのは、明るい光で顔がはっきり写り、カメラのほうを向いていて、口が見えている(閉じているか自然な状態の)写真です。全身より、頭から肩までの構図のほうが顔のディテールが多く、うまく動きます。メガネは問題ありませんが、口の前に手やマイクがあるのは避けてください。

古い写真やぼやけた写真は、まずAI画像アップスケーラーで鮮明にするか、AI写真修復で補正しましょう。新しい顔から始めたい場合は、AIポートレート生成で作ってキャラクターとして保存すれば、同じ顔で後からまた話させられます。

あいさつ:家族写真に写る本人の声で届ける、誕生日や季節のメッセージ。解説:商品やレッスン、使い方を2文で紹介するキャラクター。ストーリー:シリーズの各章の冒頭に登場する、絵画の先祖やファンタジーの英雄、語り手の肖像。SNS投稿:お決まりのネタを持つマスコットを、短いクリップで投稿。

話すだけでなく、顔にもっと演じさせたいときは、次のステップへ。AIリップシンクは吹き替えや長めのナレーションに対応し、AIミュージックビデオ生成なら、保存したキャラクターが歌って踊るパフォーマーになります。