リップシンク — 任意の顔に任意の声を載せる

リップシンク — ポートレート入力、音声入力、トーキング動画出力。途中の編集作業は不要です。

ポートレートと音声（または台本）をアップロードすると、リップシンクのモデルが音素を口の形にマッピングし、あごの動きをブレンドし、フレームの残りを保持します。解説のフック、オーディオブックのカバー、ポッドキャストのクリップ、多言語の広告など、リップシンクの出力精度は音声の品質と元のポートレートに依存します。良いリップシンクのレンダリングは、入力素材の質をそのまま反映します。

リップシンクのモデルは、同じポートレートを英語・スペイン語・日本語など複数言語で駆動できます。

キャンペーンのローカライズは、これまで各市場での再撮影を意味していました。リップシンクは、同じポートレートから言語ごとに別の動画をレンダリングするため、スポークスパーソンを変えずに口の形が各言語に一致します。グローバル広告、マルチマーケットの解説コンテンツ、パーソナライズされたアウトリーチで、リップシンクは大きな時短になります。

速度が大事です。1テイク30分ではなく30秒なら、反復が回せます。

旧来のトーキングヘッドのパイプラインは、テレプロンプター、収録セッション、デザイナーのパスを必要としました。リップシンクのレンダリングは30〜90秒で返ってきます。15分で10通りのリップシンクのバリエーションを生成し、最良を選び、調整し、次へ進めます。リップシンクが起こす本当のワークフロー変革は反復速度にあります。