赤ちゃんの写真を喋らせる動画の作り方

音声が声と話すタイミングを決めます。ここでメッセージを録音するか、用意した音声ファイルを追加してください。 モデルと解像度を選び、消費クレジットを確認します。

1枚の写真に短いメッセージを話させます。顔は写真、言葉・言語・声はアップロードまたは録音した音声で決まります。モデルを選ぶ前に、この2つを用意しましょう。

ツールを開く

クイックステップ

素材の準備から結果の確認まで、順番に進めます。

ツールを開く
  1. 1
    AI赤ちゃんが話すツールを開く。
  2. 2
    明確な赤ちゃんの写真をアップロード(正面、良好な照明、最小限の遮蔽)。
  3. 3
    音声ファイルをアップロードするか、画面で自分の声を録音します。
  4. 4
    モデルと解像度を選び、エディターに表示される1秒あたりの料金を確認します。
  5. 5
    生成してリップシンクの結果を確認。
  6. 6
    エクスポートして共有(より良いエンゲージメントのためにキャプションを追加)。

短い原稿を書いて、声に出して録音する

現在のエディターは音声入力です。原稿を貼り付けて読み上げさせる機能はありません。次の例を実際に読み、最後まで聞き直してから使ってください。

静かな場所で、マイクとの距離を一定にして録音します。ツールでは録音ボタンを使うか、作成済みの音声をアップロードしてください。最初と最後の言葉を確認し、長い無音は音声編集ソフトで切ってからアップロードし直します。

家族へのあいさつ

おじいちゃん、こんにちは!とびきりの笑顔を送るね。また会おうね。

相手の名前をはっきり読み、あいさつの後に間を置きます。名前の変更は録音前に。後から原稿だけを直しても、音声ファイルは変わりません。

ちょっとした言い訳

寝たくなかったんじゃないよ。次のお話を待ってただけ。

2つの文の間に短い間を置きます。最初はBGMなしで1人の声だけを録音し、音楽は完成動画の編集時に追加します。

録音に合うモデルを選ぶ

Pruna AI Avatar
現在の初期選択モデルです。720pに対応し、音声は最大180秒です。長い録音を使う前に、短い一言で顔と口のタイミングを確認しましょう。
Kling Avatar
720pまたは1080pを選べ、音声は最大60秒です。Prunaから切り替えても録音は自動で短くなりません。元の音声をカットして、読み取られた長さを再確認してください。
ファイルと必要クレジット
アップロード上限は20 MBです。MP3、WAV、M4A、AAC、OGGなどに対応しています。長さの読み取りを待ち、モデルと解像度を選んだ後に必要クレジットを確認します。長さを読み取れない場合は、一般的な音声形式で書き出し直してください。
写真の切り取り方
唇が見える鮮明な顔を1人だけ写し、頭の周りに余白を残します。おしゃぶりや手で口を隠さない写真を選びましょう。このエディターには独立した縦横比設定がないため、写真を希望の構図に整えておきます。

チュートリアル例(プロンプトと設定付き)

作例と保存されている入力素材・設定を比較してください。

例 1

AI赤ちゃんトーキング品質比較

この例の使い方

写真とアップロード・録音した音声を使います。比較動画は閲覧用で、追加の必須入力ではありません。過去の事例の元音声ファイルは掲載されていません。

入力
入力 1
入力 1
入力 2

Quality comparison: original image + competitor output vs our output.

同じ写真を見比べる
元画像は、教室に立つ眼鏡と蝶ネクタイ姿の小さな先生です。唇、眼鏡、頭の動きを見てください。追加の動画は見比べるための参考で、自分の動画生成に必要な2つ目の入力ではありません。
比較から分かる範囲
出力は480 × 864で約6.9秒、参考動画は616 × 1080です。元音声や条件をそろえた設定記録がないため、モデル性能を公平に比較するテストではありません。
ツールを開く
例 2

AI赤ちゃんトーキング例

この例の使い方

写真とアップロード・録音した音声を使います。比較動画は閲覧用で、追加の必須入力ではありません。過去の事例の元音声ファイルは掲載されていません。

入力
入力 1
入力 1
顔が大きく写る構図
淡い色のフードに囲まれた顔が大きく見えます。1088 × 1088、6秒の動画全体で、頬と口を元写真と見比べてください。近い構図は小さな口の動きを確認しやすくなります。
音声は自分で用意する
この事例の元の音声は残っていません。過去の事例名が文字読み上げ機能の証拠になるわけではなく、現在のツールにはアップロードまたは録音した音声が必要です。
ツールを開く
例 3

AI赤ちゃんトーキング例

この例の使い方

写真とアップロード・録音した音声を使います。比較動画は閲覧用で、追加の必須入力ではありません。過去の事例の元音声ファイルは掲載されていません。

入力
入力 1
入力 1
短い人物写真の発話例
この1088 × 1088、約3.5秒の動画は、赤ちゃんより年上の子どもの写真を使っています。写真と音声の流れを示す事例で、赤ちゃんへの若返り例ではありません。赤ちゃんを登場させたい場合は、赤ちゃんの写真から始めます。
ツールを開く

話し始め・途中・話し終わりを確認する

最初の言葉
音を出して再生し、口が動き始める時点を見ます。元音声の開始が遅い場合は冒頭の無音をカットします。元から言葉が切れている場合は、その一文を録り直してください。
文の途中
録音に「ま」「ば」「ぱ」などの音があれば、その付近の唇の閉じ方を見ます。頬、目、眼鏡も安定しているか確認してください。これは実用的な見直し方法で、すべての音が完全に一致する保証ではありません。
最後の言葉
サムネイルだけで判断せず、最後まで再生します。頭を回すと顔が変わる場合は、より正面向きの写真と短いメッセージを試してください。変更は1つずつ行うと、違いを判断できます。

ダウンロードして共有用に仕上げる

使える結果は次の試行前に保存します。ダウンロードしたファイルを開き、映像と音の両方を確認してください。字幕、カット、BGMは動画編集ソフトで追加し、口を隠さず、人名の誤字を直します。別の音声トラックを重ねる場合は、元動画の音との二重再生に注意してください。

ヒント

  • 最高のリップシンク結果のために、明確な顔の特徴を持つシャープな正面写真を使用。
  • 静かな場所で、一定のペースで話して録音しましょう。
  • まずは短い音声で結果を確認し、長い動画を作る前に比較しましょう。
  • より短いクリップ(5-15秒)はより自然な結果を生成。
  • プレビューでは最初の言葉と録音の終わりを確認します。声が途切れている場合は元の音声を編集し、新しい必要クレジットを確認して再生成します。

よくある質問

モデルと解像度でAI Baby Talkingの料金はどう変わりますか?▼
モデルと解像度の組み合わせごとに1秒あたりの料金が異なります。生成前にエディターのクレジット見積もりで比較してください。
文章を入力して読み上げ音声を作れますか?▼
この画面は音声入力が必要で、文章の読み上げ入力欄はありません。ここで録音するか、別のツールで用意した音声ファイルをアップロードしてください。
なぜリップシンクがずれているように見えるのですか?▼
一般的な原因:低品質の写真、顔の遮蔽、または速い音声。より明確な写真を使用し、遮蔽を減らし、音声を遅くする。
AI赤ちゃんが話すに最適な写真は?▼
明確で、よく照らされた、正面の赤ちゃんの写真を使用。手、おしゃぶり、または顔を覆うものを避ける。写真ごとに1つの顔が最適。
赤ちゃんがしゃべる動画を無料で作れますか?▼
アカウントの利用可能クレジットと生成前の見積もりを確認してください。試作できる場合もありますが、無制限の無料生成を約束するものではありません。音声の長さや設定によって必要量は変わります。
サイトの言語を変えると、録音も翻訳されますか?▼
いいえ。話す言語は音声で決まります。希望する言語で録音を用意してください。画面の言語を変えても、音声の翻訳や吹き替えは行われません。
赤ちゃんの写真を使うと大人の声も赤ちゃん声になりますか?▼
いいえ。写真が決めるのは見た目です。希望の声は音声側で用意してください。現在のエディターには赤ちゃん声への変換や、テキスト読み上げの声を選ぶ機能はありません。

生成する準備はできましたか?

自分の素材を選び、生成前に利用できる設定を確認しましょう。

録音した音声で赤ちゃんの写真を喋らせる方法