写真1枚と音声を組み合わせると、しゃべるアバターが誕生します。
OmniHuman 1.5にポートレート画像と音声クリップを与えるだけで、人物の個性、顔の構造、照明を維持しながら、正確なリップシンクでリアルな話し声をアニメーション化します。リギングも、グリーンスクリーンも、スタジオも不要です。
AIアバターモデル
OmniHuman 1.5 AI アバター ジェネレーター
OmniHuman 1.5を使えば、一枚のポートレートに命を吹き込むことができます。写真と音声クリップをアップロードするか（またはテキストを入力して音声を選択）、唇の動き、表情、ジェスチャーが同期したリアルな話し声のアバターを生成します。
写真＋音声 → 動画音声連動型ジェスチャーTTS音声ライブラリ
もっとモデルを探す
OmniHuman 1.5を他のビデオモデルと比較してみてください。同じワークスペースで、ワンクリックで切り替えられます。
インスピレーションを得る
CreateVision AIのAI動画モデルで人々が生み出している作品の一例。
OmniHuman 1.5 — 写真1枚と音声から、まるで生きているかのようなしゃべるアバターを作り出す
ByteDanceのOmniHuman 1.5は、音声から一枚のポートレートを生成します。口の動きだけでなく、自然な表情や全身のジェスチャーが音声のリズムや意味に合わせて同期し、単なる口の動きにとどまりません。写真と動画クリップをアップロードするか、テキストを入力して音声を選択するだけで、簡単にポートレートを作成できます。
唇だけでなく、全身の動き
基本的な話し手ツールとは異なり、OmniHuman 1.5は音声のリズム、韻律、意味を読み取り、頭の動き、姿勢の変化、手のジェスチャーを制御します。そのため、アバターは口が動くだけの静止画ではなく、まるで本物のプレゼンターのように、強調したり、間を置いたり、反応したりします。
テキストを入力し、音声を選択するだけ。録音は不要です。
音声データが手元にない場合は、テキストモードに切り替えてください。アバターに言わせたい内容を入力し、内蔵のテキスト読み上げライブラリから音声を選択すれば、OmniHuman 1.5が音声を生成します。台本のあるプレゼンター、解説者、ソーシャルメディア動画などに最適です。
ナレーション、対話、または歌
このモデルは、穏やかなナレーション、表情豊かな対話、さらには歌唱など、さまざまな音声スタイルに対応し、カメラやジェスチャーの方向に関するオプションのテキストガイダンスに従うこともできるため、マーケティング、トレーニング、ソーシャルコンテンツに適した洗練された結果を生み出すことができます。
CreateVision AIを探索し続ける
一つのアカウントで、画像・動画生成ワークフローのすべてを。
プランを選ぶ
日々の無料クレジットで無料で始めましょう。プレミアムモデル、より速い生成、4K出力にはアップグレードを。
プレミアム
一番人気$29/month
年額請求 · $240/年
- 1日1,600クレジット／月8,000クレジット
- すべてのプレミアムモデル――GPT Image 2、Nano Banana、Seedream、Seedance、Veo、Kling
- 5倍の生成速度、優先キュー
- AIプロンプト強化
Ultimate
$49/month
年額請求 · $300/年
- 1日4,000クレジット／月18,000クレジット
- 最大4K解像度のHD生成
- プライベート生成――結果はギャラリーに出ない
- 最速のキューと新モデルへの早期アクセス
よくある質問
1
OmniHuman 1.5とは何ですか？
OmniHuman 1.5は、ByteDanceが開発した音声駆動型アバターモデルです。一枚のポートレートに音声トラックを組み合わせることで、唇の動き、表情、ジェスチャーが同期したリアルな会話動画を作成します。
2
何を準備する必要がありますか？
鮮明な人物写真（一人写っているもの）に加えて、音声クリップ（mp3/wav形式）または、テキストモードの場合は、読み上げたいテキストと内蔵ライブラリから選択した音声（合成されて音声として使用されます）が必要です。
3
アバター動画の長さはどれくらいまで可能ですか？
1世代あたり最大35秒の音声。長いスクリプトは複数のクリップに分割することをお勧めします。料金は音声1秒単位で計算され、切り上げとなります。
4
口よりもよく動くのか？
はい。OmniHuman 1.5は、音声のリズムと意味に合わせて頭の動き、姿勢、手のジェスチャーを生成するため、アバターは単に口パクをするだけでなく、演技をします。
5
良い素材写真とはどのようなものか？
照明が良好で、顔が遮られていない、正面を向いた人物が1人写っている写真。集合写真、顔が小さい写真、顔が大きく遮られている写真は画質が低下したり、撮影に失敗する可能性があります。
6
OmniHuman 1.5の価格設定はどのようになっていますか？
生成される音声1秒あたりの料金です。正確なクレジット料金は生成前に表示され、失敗した場合は自動的に返金されます。