アニメキャラをしゃべらせるAI：MP3の音声に口の動きを合わせる

キャラをしゃべらせる手順

1. 1

   顔がはっきりした画像を用意する

   正面か、やや斜めのアングルで、口がしっかり見えていて閉じているか少し開いている状態。頭から肩までが画面の大部分を占めるようにし、髪や手、小物が口にかからないようにします。JPEG・PNG・GIF・WebP、50MBまでです。

2. 2

   音声を整える

   MP3のみ、60秒・25MBまで。料金は音声の秒数（切り上げ）で決まるので、前後の無音はカットしておきましょう。5秒未満は5秒として計算されます。

3. 3

   StandardかProを選び、プロンプトは短く

   音声1秒ごとの料金は、480pのStandardが10クレジット、720pのProが18クレジット。プロンプトは任意で、モデルの資料では短い英語のプロンプトが推奨されています。たとえば「calm smile, small nods, soft studio light」のように書きます。

4. 4

   まず5秒、うまくいったら本番

   Standardで5秒のセリフを試し、口の動きをよく見ます。合っていれば本番の長さで生成し、合わなければ別の顔画像に替えてから再挑戦を。料金は開始前に表示され、失敗した生成のクレジットは返還されます。「入力を再利用」を使えば、同じ画像と音声でやり直せます。

2つの画質と、もう1つの選択肢

• Spicy Lip Sync Standard

  480pで1秒10クレジット。テストはすべてこちらで。あとで高画質化する予定のクリップにも向いています。

• Spicy Lip Sync Pro

  720pで1秒18クレジット。Standardのテストでキャラの顔に合うと分かってから、本番の1本に使いましょう。

• Seedance 2.5（動画ラボ）

  録音がまだないなら、Seedance 2.5はサウンドが初期設定でオンのまま、最長30秒でキャラを動かせます。手元の録音にセリフを合わせたいときはリップシンクを選んでください。

各モデルの料金はAIモデルにまとめています。

リップシンクがうまくいきやすい顔

• 正面か、やや斜め向き。真横の顔や、大きく見上げる・見下ろす顔は、動かせる口の情報が少なくなります。
• 口がきちんと描かれていること。唇やはっきりした口の形があり、閉じているか少し開いている状態が理想です。短い線1本だけの口や、口のない顔では動かせる部分がほとんどありません。
• 口元に何もかからないこと。手、扇子、マスク、カップ、髪の毛が口を横切っていない画像を選びます。
• 顔を大きく。全身の立ち絵ではなく、頭から肩までにトリミングしてから使います。
• 自分のオリジナルキャラか、使用許可を得た顔に限ります。他人の作品のキャラクターに、勝手にセリフを言わせることはできません。

料金の目安

料金は音声の長さで決まり、1秒単位で切り上げ、最低5秒分です。

• 5秒：Standardで50クレジット、Proで90クレジット。
• 30秒：Standardで300、Proで540。
• 60秒：Standardで600、Proで1,080。
• ベータ期間中は登録時に無料クレジット50がもらえ、このガイドがすすめる5秒のStandardでの試し（50クレジット）を1回行えます。追加のクレジットは料金プランで扱う予定で、お支払いは近日開始です。

声の権利について

使えるのは、権利を持っている声だけです。自分の声、この用途に同意した声優、使用が許諾されている音声合成などが該当します。実在の人物の声を本人の同意なく真似ることや、実在の人物が何かを言っているように見せることはできません。自分のもの、架空のもの、許諾を得たものの顔と声で作れば、利用規約（英語）の範囲内に収まります。

ほかのツールとの組み合わせ

• リップシンクは静止画から始めるため、キャラクター差し替えで作った動画の声を差し替えることはできません。しゃべるカットはここで、動きのカットはあちらで作り、編集ソフトでつなげましょう。
• Standardの出力は480pです。3〜15秒のクリップなら、動画の高画質化で1080pに（16クレジット）できます。
• 先に顔画像を整えたいときは、画像ラボで無地の背景に、口をはっきり描いた絵を作るか直してください。

アニメキャラのリップシンクのよくある質問