HeyGen Avatar V: 音声の録音からプレゼンター動画を作る

ナレーションはあるのに、カメラの前に立つ人がいない。HeyGen Avatar V はその穴を埋めます。既成のプレゼンターから1人を選び、話した音声をアップロードすると、そのプレゼンターがあなたの言葉を口の動きを合わせて話す動画が、最大4Kで返ってきます。プロンプト欄はなく、顔をアップロードする必要もありません。入力は2つ、設定はいくつか。仕事のすべては、そこを正しく決めることにあります。

ステップ1: 名前、姿勢、アングルでプレゼンターを選ぶ

アバターの一覧には何百もの項目があり、その名前はショットリストのように読めます。まず名前、次に座っているか立っているか、次に場所 (オフィス、ソファ、キッチン、ヨガマット、ピクニック)、最後にカメラアングルが正面か横か。つまり「Annie, office, sitting, front」と「Annie, office, sitting, side」は、同じ部屋にいる同じプレゼンターを2台のカメラで撮ったものです。

おかげで、安上がりな2カメ編集ができます。同じ録音を、同じプレゼンターの正面版と横版で2回レンダリングし、文の切れ目で切り替えるのです。固定された1カットではなく、撮影したインタビューのように見えます。

ステップ2: 音声を準備する

音声がすべてを動かします。口も、間も、頭の動きのリズムもです。響くキッチンで読んだ完璧な原稿より、静かな部屋で録ったクリアな音声のほうが勝ります。自分の声を録りたくなければ、モデル一覧の音声合成モデルで作って、そのファイルを入れましょう。原稿は耳で聞かれることを前提に書きます。短い文にし、スライドが切り替わるところで間を取り、数字は読んでほしい形で書きます。

ステップ3: 再生する場所に合わせて画角を選ぶ

アスペクト比は16:9 (初期値)、9:16、1:1、5:4、4:5です。好みではなく使う場所で決めましょう。ウェブサイトやプレゼンには16:9、短い縦型クリップには9:16、フィードには4:5か1:1。この選び方の詳しい話はアスペクト比のガイドにあります。

解像度は720p、1080p (初期値)、4Kです。スマホやブラウザで見るものなら、ほとんど1080pで足ります。4Kは大画面向けか、あとでトリミングする素材向けに取っておきましょう。

ステップ4 (任意): 背景を差し替える

詳細設定で背景画像を追加できます。どのアバターにも最初から部屋がついているので、背景が必要なのは、その部屋がブランドに合わないときだけです。たとえば自分のお店、自分のオフィス、チュートリアルの後ろの単色など。カメラの高さが同じで、少しぼけた画像を使いましょう。そうしないと、プレゼンターが貼り付けたように見えます。

Avatar V か、その近くのモデルか?

• Avatar V: ストックのプレゼンター、あなたの音声、最大4K。画面に人が必要で、それが自分でなくても構わないときに最適です。
• Avatar IV: ストックのプレゼンターではなく自分のポートレート写真を使い、表情を文章で指示できます。詳しくはAvatar IV のガイドで。
• Avatar V Digital Twin: テキストか音声から動き、背景を消して透過動画にすることもできます。

できないこと

ここでは自分の顔は使えず、演技の演出もできません。プロンプトがないので、身ぶりや表情は音声と選んだアバターだけで決まります。ある一語で驚いた顔をさせたいなら、その言葉をそういう勢いで録音するか、指示欄のあるモデルを選びましょう。画面の人物を動かすほかの方法は、AI 動画モデルの選び方を参照してください。