HeyGen Avatar IV: 自分の音声でポートレートをしゃべらせる

静止したポートレート1枚と録音1つ。少しレンダリングを待てば、その顔が話し始めます。それが HeyGen Avatar IV の約束のすべてで、なかなかいい約束です。ゲームのトレーラーのキャラクター、講座のナレーター、展覧会を紹介する絵の中の人物。さらに、多くのトーキングヘッド系モデルにはない、演出を書くテキスト欄もあります。がっかりする結果のほとんどは、決まったいくつかの失敗から生まれるので、このガイドはその失敗を軸に組み立てています。

失敗1: 口が隠れたポートレート

モデルは1枚の画像から、唇、あご、目を動かさなければなりません。おおむねカメラのほうを向き、口がすべて見え、光が均一で、手前に何もない顔を渡しましょう。あごに手を当てない、マイクを持たない、唇に髪がかからない。顔が数ピクセルしかない全身写真より、胸から上の構図のほうがうまくいきます。生成したポートレートでも大丈夫です。ろう人形のように見えるなら、先にプラスチック肌のガイドのコツで肌を直しておきましょう。アニメーションでは直りません。

失敗2: 演出欄を空のままにする

プロンプトは任意で、だからこそ飛ばされがちです。なければ、顔は音声が示すとおりに動きます。あれば、気分、癖、身ぶりを頼めます。俳優へのメモのように書きましょう。どんな気持ちか、どこを見るか、頭がどう動くか、そして何をしてほしくないか。

失敗3: 表現力を最大にする

表現力は、顔と頭がどれだけ動くかを決めます。低 (初期値)、中、高の3段階です。高はアニメ調やゲームの主人公なら楽しいのですが、落ち着いた解説動画には強すぎて、じっと座っていられない人のように見えることがあります。写真の実在の顔は、たいてい低か中がいちばん自然です。高は、もともと誇張されたスタイルのキャラクターに取っておきましょう。

失敗4: 写真に合わないアスペクト比を押しつける

ここではアスペクト比は任意です。空欄にすると、モデルは対応する比率のうち画像にいちばん近いものを使うので、あなたが決めた構図が保たれます。指定する (16:9、9:16、1:1、5:4、4:5) のは使う場所がそれを求めるときだけにし、その場合はアップロード前に自分でその形にトリミングしましょう。どこを切るかを決めるのは、モデルではなくあなたです。元の背景が合わなければ、詳細設定で背景画像を追加できます。

失敗5: 使う権利のない顔を使う

実在の人物が言ってもいないことを話す動画は、その人を傷つけることがあります。利用規約でも、実在の特定できる人物のディープフェイクは禁止されています。自分の顔、自分で生成した架空のキャラクター、またははっきり許可を得たポートレートを使いましょう。話さずに写真を動かしたいだけなら、写真を動画にするほうが穏やかな方法です。

ほかを選ぶべきとき

Avatar IV は顔と声のためのモデルです。人物にシーンの中を歩かせたり、服を着替えさせたりはできず、解像度の上限は1080pです。そもそもポートレートがなく、本物の部屋にいるプレゼンターが必要なら、Avatar V が既成のアバターで最大4Kまで対応します。詳しくはAvatar V のガイドで。ほかのトーキングアバターやリップシンクのモデルは、すべてモデル一覧にあります。