コンテンツへスキップ
新規限定初回購入割引

RenoiseのAIトーキングフォトジェネレーター

1枚の写真を、台本どおりに喋るリップシンク済みアバターに変えましょう。

写真を喋るアバターにするには?

正面を向いた鮮明なポートレートをRenoise Canvasにドロップし、喋らせたい台本をプロンプトに書いて、Kling 3.0 Omniでレンダリングします。モデルが台本を声にし、その声に合わせて口元と表情を動かすので、静止画が喋るアバターになります。自分の録音で喋らせたいときは、Renoise Agentに写真と録音を渡せば、Wan 3.0が録音どおりに口元を動かします。実在する人物の写真は、肖像の使用権を持つものに限ります。

このガイドはリップシンクで喋るアバター向けです。台詞のない一般的な写真モーションについては、こちらをご覧ください: 写真→動画 AI ツール

写真を喋らせる

1枚のポートレートをRenoiseでリップシンク済みの喋るアバターにする3ステップ。

  1. 正面を向いたポートレート写真をRenoise Canvasのアップロードカードにドラッグして喋らせる様子
    ステップ1

    写真をドロップ

    正面を向いた鮮明なポートレートをCanvasにドラッグします。実在する人物なら、自分の顔か、書面で同意を得た人の顔を使ってください。

  2. Renoise Canvas内でトーキングフォト用の台本を入力している様子
    ステップ2

    台本を入力

    プロンプトに喋らせる台本を、話し方のトーンと一緒に書きます。Kling 3.0 Omniが台本から声を生成し、口元をその声に合わせます。

  3. トーキングフォトのリップシンク用にRenoise CanvasのモデルメニューからKling 3.0 Omniを選択している様子
    ステップ3

    Kling 3.0 Omniを選択

    ネイティブリップシンクのためにモデルメニューからKling 3.0 Omniを選び、トーキングヘッドのクリップをレンダリングします。

Renoise で試す

喋るアバターのために

Renoiseで作ったプレゼンター風クリップ — トーキングフォトが切り替わる先のフレーミングです。

スタジオプレゼンター

明るいスタジオのフレーミングでカメラ目線 — トーキングヘッドのアナウンスや製品ピッチの定番ルックです。

落ち着いた語りかけ

被写体がまっすぐ前を見る静かな屋外ポートレート — 誠実なメッセージを語るのに自然なフレーミングです。

ストリートでのカメラ語り

賑やかな通りを背に人物をしっかり据えた構図 — 現場からのトーキングクリップに向くレポーター風セットアップです。

エディトリアルポートレート

すっきりした壁を背にした自信あふれる屋外ポートレート — ホスト紹介やスポークスパーソンアバターに最適です。

Renoise で試す

トーキングフォトとフルAI動画の違い、そして仕組み

トーキングフォトはフルAI動画とは別の仕事です。一般的なテキストから動画へのクリップは、プロンプトからモーション、カメラワーク、シーン全体を生み出します。一方トーキングフォトは、あなたが用意した1枚の静止ポートレートから始まり、たった1つの要素だけを加えます。音声で駆動する口元と表情です。フレーム、アイデンティティ、フレーミングはあなたの写真に固定され、動くのは発話だけ。だからこそ新しい生成物ではなく、同じ人物として読み取れるのです。

リップシンクとは、喋った音を口の形にマッピングする技術です。各音素 — 単語を構成する個々の音 — には、見る人が期待する口の位置である口形素(ビセーム)が対応します。モデルはそれらをフレームごとに合わせ、声に合わせて唇、あご、頬を動かします。

Renoiseでは、Kling 3.0 Omniがこれをネイティブに処理します。台本から声を生成し、その声に口元を合わせるところまでを1回の生成で行うので、後付けのリップシンク工程は不要です。ただし、Kling 3.0 Omniには音声ファイルを添付できません。自分の録音で喋らせたいときは、Renoise Agentにポートレートと録音を渡してください。AgentがWan 3.0で録音のひと区切りごとに口元を動かし、テイクをつないで録音と同じ長さの動画にします(標準は720p)。どちらの方法でもフレームとアイデンティティは写真に固定されているので、喋っている間もアバターは見分けがつくままです。

使用するRenoiseの機能

トーキングフォトはいくつかの要素に支えられています — Renoiseなら、Kling 3.0 Omniとその他多数の動画モデルを1つのキャンバスで使えます。

使用権を持つ実在の顔

自分の顔や、書面で同意を得た人の顔なら、その写真をそのまま喋るアバターにできます。

Kling 3.0 Omniのリップシンク

台本から声を生成し、その声に合わせて口元と表情を動かします — 別途リップシンクツールは不要です。

台本でも、自分の録音でも

台本ならKling 3.0 Omniで、手持ちの録音ならRenoise AgentのWan 3.0で、写真を喋らせられます。

多数のモデルを1つのキャンバスで

クリップごとにKling 3.0 Omniと他の動画モデルを切り替え — すべて1つのプロジェクト内で。

Renoise で試す

プランを選択

1つのプランでKling 3.0 Omniとその他すべての動画モデルが使えます。

Starter

初めてのAI制作に

$20

月額

1,200 ©/mo

GPT Image 2 の生成 約 150 回分

Seedance 2.0 の動画 約 60 本分

Director Mode
無制限生成
MiniMax H3無制限なし
Seedance 2.0 Mini無制限なし
Seedream 5.0 Pro無制限なし
✓生成の同時実行数が無制限
✓Renoise Agent(Beta)— 会話でクリエイト
✓LLMチャット無制限
✓商用利用
✓透かしなしの書き出し

Standard

毎週の継続制作に

$60

月額

3,600 ©/mo

GPT Image 2 の生成 約 450 回分

Seedance 2.0 の動画 約 180 本分

Director Mode
無制限生成
MiniMax H3無制限なし
Seedance 2.0 Mini無制限なし
Seedream 5.0 Pro無制限なし
✓生成の同時実行数が無制限
✓Renoise Agent(Beta)— 会話でクリエイト
✓最先端のエージェントモデル
✓LLMチャット無制限
✓商用利用
✓透かしなしの書き出し

Advanced

プロ規模の制作に

$200

月額

14,000 ©/mo2,000© BONUS

GPT Image 2 の生成 約 1,750 回分

Seedance 2.0 の動画 約 700 本分

Director Mode無料
無制限生成
MiniMax H3月7日間無制限
Seedance 2.0 Mini月7日間無制限
Seedream 5.0 Pro月7日間無制限
✓生成の同時実行数が無制限
✓Renoise Agent(Beta)— 会話でクリエイト
✓最先端のエージェントモデル
✓LLMチャット無制限
✓商用利用
✓透かしなしの書き出し

最初のトーキングフォトを作る

すべての有料プランでウォーターマークなし。

よくある質問

1.AIで写真を喋らせるには?

正面を向いた鮮明なポートレートをRenoise Canvasにドロップし、喋らせたい台本をプロンプトに書いて、Kling 3.0 Omniでレンダリングします。モデルが台本を声にし、その声に合わせて口元と表情を動かすので、静止画が喋るアバターになります。自分の録音を使う場合は、Renoise Agentに写真と録音を渡してください。

2.トーキングフォトと写真から動画 — どちらのページ?

写真にリップシンク音声で喋らせたいときは、このフローを使います。台詞のない一般的なモーション — カメラワーク、被写体が振り向く・歩くなど — だけが欲しいなら、それは写真アニメーションです。代わりに /features/photo-to-video-ai の写真→動画 AI ツールをご覧ください。

3.実在する人物の写真を使えますか?

その肖像の使用権を持っていれば可能です(あなた自身の顔や、書面で同意を得た人の顔など)。顔が拒否される場合もあり、現地の法律が適用されます。

4.有名人の写真を喋らせられますか?

いいえ。著名人・公人・未成年者の顔は使用できません。代わりに、自分の写真、同意を得た被写体、または完全にオリジナルなAI生成の顔を使ってください。

5.アバターは自分の音声にリップシンクしますか?

はい。ただし使うのはKling 3.0 Omniではなく、Wan 3.0です。Renoise Agentに人物写真1枚と録音を渡すと、最長15秒ずつのまとまりごとに録音どおりに口元が動き、それをつないで録音と同じ長さの動画になります(標準は720p)。Kling 3.0 Omniは音声ファイルを受け付けないので、こちらは台本をプロンプトに書き、声もモデルに生成させる使い方です。

6.喋るアバターはどの言語に対応していますか?

Kling 3.0 Omniは多くの言語でリップシンクします。目的の言語で台本を書けば、その言語で声が生成され、口の動きもその音素に従います。

7.トーキングフォトのクリップはどのくらいの長さにできますか?

Kling 3.0 Omniの各クリップは最長15秒です。Renoise Agentで手持ちの録音から作る場合は、テイクをつなぐので録音の長さがそのまま動画の長さになり、長さの制限はありません。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。

By Marvin, RenoiseLast reviewed Models verified: Kling 3.0 Omni, Wan 3.0