すでに映像があって同じ口から新しいセリフを出したいだけなら Lip Sync。安定した単一ショットでない映像は直せない。
Freedom Score
根拠がまだ足りません残りが通った場合の範囲：24.0～100.0コンテンツ段階
6 種類中 2 種類をテスト済み・2 回実行軽め · テストの中で最も軽いプロンプト
中程度 · フィルターのあるモデルが断り始める地点
強め · 中間の段階。順位を付ける前に必ずテストします
かなり強め · 多くのモデルが手加減し始める地点
最大 · 尺度の最上段。A 区分と B 区分の 2 つに分けて採点
Lip Sync はファイル 2 つ、video_url と audio_url を受け取り、クリップ内の人物の口の周りだけを新しい音声に合わせて描き直します。演技、光、フレーミングは撮影されたまま残り、解像度は最大 720p を維持され（それより大きい映像は約 720p で返ってきます）、結果には新しい音声トラックが乗ります。価格は出力 1 秒あたり $0.012——10 秒の声の差し替えは $0.12 です。
出力の長さは元のクリップではなく音声に従います。音声より短いクリップはループされてその長さをカバーするので、安定した単一ショットの映像が最もきれいな結果になります。このエンドポイントではまだコンテンツ段階のテストを実施していないため、当社のどの段位でどう振る舞うかは報告できません。
video_url と audio_url だけで、プロンプトもマスクもスタイル設定も不要です。audio_url に音楽が入っていないクリアな発話であれば、モデルにとって同期の手がかりが最も明確になります。Lip Sync ではまだコンテンツ段階のテストを実施していないので、このセクションでは採点済みの実行結果ではなく、スキーマと公開されている 1 つの作例から確認できる内容を報告します。この作例は、画面に女性 1 人が映る 5 秒の夜行列車のショットを取り上げ、約 4.5 秒の発話で声を差し替えています——クリップの長さが新しい音声に近く、このエンドポイントが想定するケースです。
このクリップの長さと音声の長さの一致は、ワークフローを組む上で意識する価値があります。両者が近いと、モデルはセリフ全体を通じて口の形を描くための連続した映像を持てます。音声がクリップよりかなり長いと、ループの繰り返しがそのギャップを埋めることになり、原因を知らなくても視聴者はその繰り返しに気づきます。複数のセリフのシリーズを予定しているなら、ループに差を埋めさせるより、元のクリップをそれぞれのセリフの長さにおおよそ合わせて切り詰めたり伸ばしたりするほうが安上がりです。
Lip Sync は入力として必要とするものの点で、このページの他の 2 つのツールの中間に位置します。すでに存在する映像が必要なので、静止したポートレートには使えません——それは Talking Avatar の役目です。そして口にしか触れないので、サイレントクリップに環境音や効果音を加えることには使えません——それは Video Sound Effects の役目です。完全に声を差し替えた場面のための自然なパイプラインは、まず映像を撮影または生成し、新しいセリフを別途録音または合成し、その両方を最後の工程としてこのエンドポイントに持ち込むことです。
各段階を、タスクごとに確認済みの結果で示します。内容が実際に出たときだけ点数が付き、1 回の実行では最大 60% です。
| 段階 | リップシンク |
|---|---|
| 軽めテストの中で最も軽いプロンプト | 1 回中 1 回生成12.0 / 20 点 |
| 中程度フィルターのあるモデルが断り始める地点 | 1 回中 1 回生成12.0 / 20 点 |
| 強め中間の段階。順位を付ける前に必ずテストします | 未テスト |
| かなり強め多くのモデルが手加減し始める地点 | 未テスト |
| 最大尺度の最上段。A 区分と B 区分の 2 つに分けて採点 | 未テスト |
| タスクのスコア | 残りが通った場合の範囲：24.0～100.02026年10月5日 にテスト |
2026年10月5日～2026年10月5日 にテスト
このサイトは職場でも安全に閲覧できる内容に保っています。結果は文章で伝え、表示する画像にはモザイクをかけ、テスト用プロンプトは決して公開しません。未成年に見える人物、実在の人物の容姿、同意のない状況は決してテストしません。
自分のプロンプトで、どこまで出るか試す
各項目から採点の詳細に進めます。点数がどの行から来たのか、なぜ減点されたのかがわかります。
追跡している公開リーダーボードに、完全に一致するエントリーはまだありません。 仕組み
ブラインド票が 100 票以上、95% 区間が 200 Elo 未満になると加わります。 仕組み
まだ採点していません。 仕組み
自由度が未測定、または証拠が不十分です。Index は元の品質・機能スコアを維持し、暫定表示で順位に含めます。証拠の欠如を 0 点とは扱いません。 仕組み
自由度が未測定、または証拠が不十分です。Index は元の品質・機能スコアを維持し、暫定表示で順位に含めます。証拠の欠如を 0 点とは扱いません。
テストレポートをすべて見る →SpicyAPI の現在のモデル仕様から直接取得しています。開発元が自社アプリでより多くの機能を提供している場合もありますが、ここに載っているのは現在当社の API から呼び出せる機能です。
| 機能 | リップシンク |
|---|---|
| ネイティブ音声 | なし |
| シード指定 | なし |
| ネガティブプロンプト | なし |
過去 30 日の実際のジョブで、リクエストから完成までを計測しています。所要時間には当社自身のテスト実行も含みます。
完了したジョブが 10 件以上そろうと所要時間を表示します。成功率はお客様のジョブだけで数え、30 日分のトラフィックがそろうまで全モデルで非表示にしています。
このレビューは役に立ちましたか？
投票するにはログインしてください。
コメントは自動チェックと当社チームによる確認を経ています。スパム、不適切な内容、個人攻撃、実在の人物の名前を同意なく挙げる投稿は削除します。コメントを報告いただければ、1 営業日以内に確認します。
このモデルを試しましたか？うまくいった方法を共有してください。スパムを防ぐため、コメントには無料アカウントが必要です。
プレイグラウンドで全パラメーターを設定し、実行前に正確な料金を確認できます。
公開前にクリップをより大きなサイズ帯で納品したいなら Video Upscaler。速くレンダリングできるサイズで生成し、残す1本だけをアップスケールすること。
2026年9月27日 にテスト
レビューを読む
静止したポートレートを自分の音声でしゃべらせる、速くて安い方法が欲しいなら Talking Avatar。全身の動きや長尺の動画には向かない。
2026年9月27日 にテスト
レビューを読む
サイレントクリップに安く環境音と効果音を加えたいなら Video Sound Effects。セリフや音楽トラックは書けないので別途用意すること。
2026年9月27日 にテスト
レビューを読む