話し手を映すトーキングヘッド動画はSNSで最もよく使われる形式ですが、普通はカメラ、撮影の準備、撮り直しの余裕が必要です。トーキングフォトなら、ポートレート1枚と言わせたい1文があれば十分です。
仕組み
- ポートレートをアップロードする。 正面向きでシャープ、口とあごがはっきり見えるもの。
- セリフを加える。 シーンを説明するのと同じステップで、話させたい内容を入力します。
- 生成する。 Rigelが、話し方に合わせたリップシンク、表情、頭の動きを備えた5〜30秒のクリップを作ります。
出力は縦型または正方形でカメラロールに保存されるので、そのままReels、Shorts、TikTok、Storiesに投稿できます。
伝わるセリフの書き方
- 読む文章ではなく、聞く言葉で書く。 短い区切り。くだけた言い回し。1文に1つのアイデア。
- フックを最初に。 SNSの視聴者は最初の1.5秒で判断します。いちばん強い一言を先頭に置きましょう。
- クリップの長さに収める。 自然な速さなら、英語でおよそ15〜70語が5〜30秒の生成に収まります。詰め込みすぎると話し方が早口になり、リップシンクも粗が出やすくなります。
- 話し方の指示はシーンのプロンプトに。 「落ち着いて、控えめなテンションで、軽くほほえみながら、カメラに向かって話す」と書けば、言葉だけでなく演技が変わります。
良い元ポートレートの条件
品質を左右する最大の要素は写真です。顔がフレーム内である程度大きく、顔に均一な光が当たり、口が隠れておらず、頭がおおむねカメラを向いていること。横顔、サングラス、口元の手、あごにかかる強い影、低解像度のトリミングは、口の形が弱くなる典型的な原因です。
いちばん良い素材が普通の静止画ではなくLive Photoなら、Live Photoを動画にでその方法を説明しています。静止画をクリップにする基本のワークフローは写真から動画へのページにあります。
活用アイデア
- クリエイターのコンテンツ — 1回の撮影の写真から、撮り直しなしで1週間分のトーキングヘッド投稿を。
- キャラクターのナレーション — 架空のキャラクターにシリーズを通して声を与える。
- 商品や広告のバリエーション — 同じ出演者で5種類のフックを試し、どれが注目を集め続けるかを確かめる。
- 解説動画 — 顔付きの短い音声での回答は、SNSではテキストより安定して成果を出します。
長めの作品にするなら、長尺AI動画で説明しているように、複数の話すシーンを生成してつなぎましょう。
正直な限界
この世代のモデルのリップシンクは優秀ですが、完璧ではありません。早口、強いなまり、極端な角度、非常に短い母音で粗が見えます。寄りのトリミングでは歯のまわりの細部がぼやけることもあります。実際の撮影と同じで、現実的な対処法は、良いテイクを選び、セリフを短くし、よりきれいなフレームを撮る、この場合は素材を選び直すことです。
そして、技術とは関係のないルールがあります。使う権利のある顔だけをアップロードしてください。その言葉を話すことに一度も同意していない人のトーキングフォトこそが、この機能の悪用例であり、どんなプロンプトもそれを正当化しません。
はじめよう
RigelはiOS 16.6以降とAndroidでダウンロード無料、スタータークレジット付きなので、最初のトーキングフォトは無料で作れます。アプリ内でクレジットパックとサブスクリプションを利用でき、各生成の前に必要なクレジットが表示されます。