AI 有名人リップシンク動画

いいえ。有名人・公人・未成年者の顔は使用できません。使えるのは、自分自身の顔、書面で同意を得た被写体、または完全にオリジナルのフィクションキャラクターです。実在の顔は拒否される場合もあり、現地の法律が適用されます。

Kling 3.0 Omni には音声ファイルを添付できません。セリフをプロンプトに書くと、モデルが声を生成して口を合わせます。手持ちの音声を使う場合は、Renoise Agent に顔写真1枚と mp3 / wav の音声（4〜300秒）を渡すと、OmniHuman 2.0 が口の動きを合わせます。話し声でも歌でも使えますが、ボーカルのない伴奏だけの音源は受け付けません。出力は720pで、動画の長さは音声と同じです。

Kling 3.0 Omni の1回の生成で3〜15秒のクリップが作成されます。OmniHuman 2.0 は音声の長さがそのまま動画の長さになり、最長5分まで作れます。生成した動画クリップは、Renoise内で直接編集・トリミングできます。

最良の結果を得るには、明るくて正面を向いた顔写真が適しています。顔が明瞭で遮るものがなく、カメラにほぼ向いている状態が理想的です。横向きの角度、強い影、または一部が隠れた状態ではリップシンクの精度が下がります。モデルが口のアニメーションを固定するための顔のジオメトリが少なくなるためです。

Renoise で実在する人物の顔を使えるのは、肖像の使用権を持つ場合——自分自身の顔か、書面で同意を得た人の顔——に限られます。有名人・公人・未成年者の顔は使えず、本人の許可のないなりすましも認めていません。作った動画の公開や利用には現地の法律が適用されるので、用途に応じて確認してください。

はい。フィクションまたは AI 生成の顔なら、肖像の許諾は必要ありません。オリジナルキャラクターを生成し、その同じキャラクターをリップシンクの参照顔として使用できます。このページのすべてのデモ例はこのアプローチを使用しています — オリジナルのフィクションキャラクターのみです。

セリフから喋らせるなら、Kuaishou が開発した Kling 3.0 Omni です。「ネイティブ」とは、リップシンクが生成パイプラインに組み込まれていることを意味します — 顔とセリフを指定するだけで、声と口の動きが別の処理ステップなしに1回で生成されます。手持ちの歌や録音に合わせるなら、ByteDance の OmniHuman 2.0 を Renoise Agent から使います。

しくみは同じです — どちらも参照顔を使い、セリフからなら Kling 3.0 Omni、手持ちの録音からなら OmniHuman 2.0 で口を動かします。違いは意図にあります。トーキングフォトは通常、スクリプトを読み上げるプレゼンターやスピーカーを対象とし、有名人リップシンクはパフォーマンス・歌唱などエンターテインメント用途を指します。プレゼンター向けの使い方については AI トーキングフォトガイドをご覧ください。