本文へスキップ

VEED Lipsync 2.0 は、既存映像に映る話者 1 人の口元を新しい音声に合わせ直します。映像の解像度は保たれ、話者の学習も不要です。音声の秒数で課金します。

最低価格 $0.084/秒

プレイグラウンド

入力

リップシンク
1/1

動画をここにドロップ、またはここから選択 · 1 ファイル・1 件 90 MB まで・MP4 · WEBM

  • 1
1 / 1 ファイル
必須です。顔が見える話者 1 人の MP4 または WebM を指定します。出力はこのフレームサイズを保ちます。 1 文字以上
1/1
1 / 1 ファイル
必須です。新しい話し声で、最長 5 分です。この長さが結果の長さと料金を決めます。 1 文字以上
セーフティチェックオフ

SpicyAPI はこのモデルにセーフティチェックをかけません。プロンプトと素材はそのままモデルに渡り、出力はモデル自身が決めます。

送信と料金見積もりを有効にする前にアカウントを確認しています。

出力

実行待ち
サンプル出力

関連モデルと次のステップ

お探しのモデルが見つかりませんか?

同じ映像に新しい音声

撮り終えた映像に新しいセリフを入れると、口の動きがそれに合わせて変わります。

主なスペック

話者
1
1 本の映像につき見えている話者は 1 人です。複数人の場面には対応しません。
学習
不要
話者のサンプルは要りません。映像そのものだけで足ります。
長さ
音声
結果は新しい音声と同じ長さで、映像より短くも長くもなります。

課金前に知っておくこと

リップシンク

1 本の映像につき話者は 1 人です。音声は最長 5 分です。顔が見えていて、あまり動かないことが前提で、速い動きや横顔、口元が隠れる場面では精度が落ちます。翻訳や原稿作成は行わないため、完成した音声を用意してください。

できること

同じテイクに新しい言葉

バルコニーのカットに 5 秒のセリフを吹き込み直し

ホテルのバルコニーに立つ白いリネンシャツの男性の 6 秒の映像と、新たに録音したセリフを Lipsync 2.0 に渡しました。口は新しい言葉の形になり、街の灯りやシャツ、半分の笑みは撮影時のままです。結果は 864×496、5.08 秒で、音声の長さに合わせて切られました。

処理の前と後

同じ瞬間でも口の形が違います

バルコニーの映像から同じ瞬間を切り出した 2 枚の静止画です。左は口を閉じて微笑む男性の元のテイク、右は話している途中で口が開いた VEED Lipsync 2.0 の結果です。

2 秒地点を並べました。左は元のテイクで、唇を閉じて微笑んでいます。右は結果で、新しいセリフに合わせて口が開いています。シャツや手すり、背景の灯りは変わっていません。

話者の学習は不要

参照に要るのは映像だけです

声のサンプルも顔写真のアップロードも追加学習もありません。音声ファイルを替えれば、同じ映像で別のセリフを話します。

活用シーン

  • 撮影後にセリフを直す

    撮り終えたテイクの単語、価格、商品名を、出演者を呼び戻さずに差し替えられます。

  • 自然に見える翻訳ナレーション

    翻訳した音声トラックを元の映像に載せ、口の動きを新しい言語に合わせます。

  • 生成動画に新しいセリフ

    動画生成モデルで作ったキャラクターに、生成時とは別のセリフを話させられます。

モデルリファレンス

VEED Lipsync 2.0 API リファレンス

VEED Lipsync 2.0 API の仕様

モデル
VEED Lipsync 2.0
必須入力
話者 1 人の映像(video_url)と新しい話し声(audio_url)
解像度
入力映像と同じ
長さ
音声に合わせる、最長 5 分
出力
新しい音声付きの MP4、25 fps
課金
音声の秒数、端数切り上げ

VEED Lipsync 2.0 API の呼び出し方

  1. 顔がはっきり映ったテイクを選びます

    正面向きで明るく、動きの少ない映像が最適です。素早く首を振る、手で口を覆う、髪が唇にかかるといった場面では精度が落ちます。

  2. 新しいセリフを用意します

    録音する、音声モデルで生成する、翻訳した音声トラックを使う、いずれでも構いません。音楽なしの 1 人の声が理想で、雑音の多い音声は先に整えてください。

  3. 2 つのリンクを送ります

    映像を video_url、話し声を audio_url に指定します。完成した動画は元の映像と同じ解像度で返ります。

VEED Lipsync 2.0 API のよくある質問