動画とポートレート入力
最大120秒のMP4、MOV、WebM、M4V動画を選択できます。Talking Photo機能が有効な場合は、ポートレート写真も使用できます。
Visemix
Visemixは、動画や対応するポートレート写真の口の動きを、音声・録音・テキストに同期するブラウザベースのAIリップシンク生成ツール。クリエイター、教育、マーケティング、ローカライズ向けに、非公開で確認可能なトーキング動画を作成できます。
ローカルファイルチェックに対応したAIリップシンク生成
Visemixは、人物の見えている口の動きを別の音声トラックに合わせる、ブラウザベースのAIリップシンク動画生成ツールです。動画から始めるほか、機能が有効な場合はポートレート写真からTalking Photoの結果を作成し、アップロードした音声、ブラウザ録音、またはテキスト読み上げ入力を追加できます。
ワークフローは、アップロード前にローカルファイルチェックを行う設計です。ソースと音声のチェックに合格した後、ユーザーはサインインし、クレジット見積もりと権限を確認して、非公開生成をリクエストします。結果はActivityで確認でき、Visemixの透かしなしでダウンロードできます。サービスは、生成が正常に完了したことを品質保証とみなすのではなく、難しいフレームを確認するよう案内しています。
主な機能
柔軟な音声ソース
別のMP3、WAV、M4A、WebMトラックを用意したり、ブラウザで音声を録音したり、利用可能な場合はテキスト読み上げ用のテキストを入力したりできます。
ローカルでの事前チェック
ブラウザがアップロードまたはクレジット使用の前に、形式、サイズ、長さ、解像度、読み取り可能なトラック、タイミングを確認し、入力の問題を早期に特定しやすくします。
選択可能な品質レベル
生成前にStandard、Pro、Ultraの品質レベルを選択できます。Standardは音声1秒あたり1クレジットを使用し、ProとUltraはそれぞれStandardの4倍と7倍のレートを使用します。
非公開生成と確認
サインイン後に明示的に送信すると、ジョブは非公開で生成され、結果をActivityで確認し、Visemixの透かしなしでダウンロードできます。
クレジットとジョブの管理
月額および年額プランでは、プランに応じて同時に2～4件を生成できます。一度購入するクレジットパックでは同時に1件を生成できます。失敗が確認されたジョブでは、確保されたクレジットが返還されます。
実用的な用途
クリエイター動画
元の人物、設定、構図をソースで可能な限り維持しながら、既存のトーキングヘッド映像に新しい許諾済み音声トラックを適用します。
ソーシャルコンテンツ
ポートレートまたは横向きのソース映像から短い縦型クリップを作成し、ソーシャルチャンネルで公開する前に口のタイミングを確認します。
ローカライズのプレビュー
翻訳した音声と承認済みの映像を組み合わせてローカライズ版を準備します。サイトでは、これをリリース済みのエンドツーエンド吹き替えツールではなく、計画中のワークフローとして説明しています。
マーケティングと製品解説
許諾済みの映像と用意したナレーショントラックから、プレゼンター形式の解説動画やキャンペーン案を作成し、難しい部分をフレーム単位で確認します。
教育とトレーニング
同期したナレーションを使って授業や研修教材を作成します。明瞭で正面を向いたソース映像を使用し、出力の聞き取りやすさと顔の安定性を確認します。
Pros and Cons
Pros
- 動画ベースのリップシンクに対応し、設定された機能が有効な場合は、ポートレート写真を使ったTalking Photoワークフローにも対応します。
- アップロード音声、ブラウザ録音、利用可能な場合のテキスト読み上げなど、複数の音声入力方法を利用できます。
- アップロード前にメディアをローカルで確認し、形式、サイズ、長さ、解像度、トラック、タイミングの問題をチェックします。
- 非公開ストレージ、署名付きダウンロードURL、透かしなしのダウンロード、失敗が確認されたジョブに対するクレジットの自動返還が文書化されています。
Cons
- 最終的な品質は、顔の見えやすさ、カメラアングル、動き、遮蔽、カット、音声タイミングなどのソース条件に左右されます。ローカルチェックで最終結果が保証されるわけではありません。
- 記載されたプランの上限により、動画ジョブは120秒、Talking Photoジョブは60秒までです。また、クレジットは音声の長さと選択した品質に応じて消費されます。
- 現在のプランには、公開共有、バッチ処理、HD、API機能は含まれていません。
FAQ
Visemixが対応しているソースファイルと長さを教えてください。
Visemixは、最大120秒のMP4、MOV、WebM、M4V動画ファイルに対応しています。Talking Photo機能が有効な場合は、ポートレート写真の入力にも対応します。表示されるTalking Photoの上限は、記載されたプランでは1ジョブあたり最大60秒です。
音声トラックはどのように提供できますか？
MP3、WAV、M4A、WebM形式の音声ファイル（最大120秒）をアップロードできます。また、その機能が利用可能な場合はテキスト読み上げも使えます。音声入力方法として、ブラウザでの録音にも対応しています。
ローカルファイルチェック中にファイルはアップロードされますか？
ブラウザは、アップロード前に形式、ファイルサイズ、長さ、解像度、読み取り可能なトラック、音声タイミングを確認します。これらのチェックはローカルで行われ、クレジットは消費されません。ファイルがアップロードされるのは、サインインして生成を明示的にリクエストした後だけです。
生成された動画は非公開で、透かしなしですか？
トライアル、都度購入、またはサブスクリプションのクレジットで生成された完成動画は、Visemixの透かしなしでダウンロードできます。生成メディアは非公開で保存され、ダウンロードには有効期限の短い署名付きURLが使用されます。現在のプランには公開共有は含まれていません。
生成に失敗した場合はどうなりますか？
生成の失敗が確認された場合、そのジョブのために確保されたクレジットは返還されます。再試行する前に表示されたエラーを確認し、特に顔が横向き、口が隠れている、またはソースに難しい動きやカットが含まれている場合は、ソースを改善してください。
Quick Facts
- カテゴリー
- AI動画生成
- 主な用途
- 動画またはポートレートメディアを音声に合わせてリップシンク
- プラットフォーム
- Webブラウザ
- 動画入力
- MP4、MOV、WebM、M4V、最大120秒
- 音声入力
- MP3、WAV、M4A、WebM、録音、または利用可能な場合のテキスト読み上げ
- クレジットモデル
- Standard：音声1秒あたり1クレジット、Pro：4倍、Ultra：7倍
Visemixの代替品
Wallie
Wallieは、画面を見てチャットを聞き、設定したペルソナでライブ解説を生成するオープンソースAI streamer。自分のキーでローカル実行でき、顔出しなし配信や自律配信、リアルタイム反応に最適です。
HeyGen Developers
HeyGen Developersの公式APIドキュメント。AIアバター動画、翻訳、lipsync、インタラクティブ動画エージェントの開発に対応。API、MCP、CLIで利用可能。
HeyGen Avatar V
HeyGen Avatar Vは、15秒のWebカメラ動画からデジタルツインを生成し、一貫したアイデンティティ、自然な動き、音声で話すアバター動画を作成します。
Seedance 2.0
Seedance 2.0は、テキスト、画像、音声、動画クリップから完成動画を生成するクレジット制のAI動画生成ツールです。一貫したキャラクター、リップシンク、クリップ延長、商用利用の出力に対応します。
MagicActors
MagicActorsは、AIツイン、UGC風クリップ、アバター、俳優のリップシンク動画を作成できるWebベースのAI動画制作ツールです。買い切り型で、手順ガイドとメールサポート付き。
VMagic
VMagicは、スタイル変換、顔入れ替え、画像エフェクト、短尺動画生成に対応したWebベースのAI動画・画像ツールです。テキストや画像から短い動画も作成できます。