ホーム/ AI リップシンク動画ジェネレーター
AI リップシンク動画ジェネレーター
顔と声を渡すだけ。LTX-2 Lipsync が画像の口をあなたの音声に合わせます——クリップの長さは発話とぴったり同じです。
リップシンクは顔に発話を乗せる機能です。言いたい内容の MP3/WAV と、話す人の参照画像をアップすると、LTX-2 Lipsync が音声に合わせて口を動かします。長さは尺選択ではなく音声の長さ——1 回あたり約 20 秒まで——出力は 480p/720p/1080p で、音声 5 秒ごとの課金です。
- モデル
- LTX-2 Lipsync
- 入力
- 画像と音声
- 出力
- MP4
- 長さ
- 音声の長さに一致
- 解像度
- 480P / 720P / 1080P
- 音声
- 音声に同期
- クレジット
- 32 クレジット〜
- 商用利用
- 付帯 — 料金ページ参照
あなたの音声が口を動かす
MP3 か WAV をアップ——セリフ、歌、ナレーション——クリップ長はファイルに従うので、言いかけで切れたり無音が続いたりしません。
顔は参照 1 枚
口が見える正面画像があれば、モデルは誰が話しているか判断できます。
払う前に長さが分かる
スタジオが音声の長さを読み、生成前にクレジットを見積もります——20 秒のテイクでも驚き請求なし。
安く下書き、1080p で仕上げ
480p でテイクを調整してから、720p/1080p で最終レンダー。
顔を音声に合わせる手順
- 手順 1音声をアップMP3/WAV。クリーンな 1 人話しが一番正確——セリフの下に重い音楽があると口が迷います。
- 手順 2顔を追加口が隠れていない正面画像。サングラスは OK、口を覆う手は NG。
- 手順 3検出された長さを確認スタジオが読んだ音声長=クリップ長で、クレジット見積もりの基礎です。
- 手順 4音声と合わせて再生確認高解像度で出す前に、プレビューで子音の動きをチェック。
リップシンクが報われる所
キャラに吹き込む
イラストや生成キャラに、リグも 3D もなしで本物のセリフを。
トーキング動画の多言語化
言語トラックを差し替えて口を再生成——撮り直し不要。
歌う肖像・音声ミーム
肖像が音声クリップを歌うのは実績ある SNS フォーマット。
セリフの事後修正
行を書き換えて同期し直す——ショット全体の再アニメよりずっと安い。
生成する前に知っておくこと
- 入力は 2 つ必須:MP3/WAV 音声と顔画像。
- クリップ長=音声長で、1 回あたり約 20 秒まで。
- 音声 5 秒あたり課金:480p が 32、720p が 42、1080p が 64 クレジット。
- クリーンな単一話者の音声が明らかに良い結果に。騒がしい・複数人の音声は口を迷わせます。
リップシンクのよくある質問
対応音声フォーマットは?
MP3 と WAV。アップ時にスタジオが長さを読み、それで課金計算します。
いくらですか?
音声 5 秒ごとに 480p 32、720p 42、1080p 64 クレジット。10 秒 720p なら約 84 クレジット。
顔画像の代わりに動画は?
このページは顔画像+音声です。既存動画の見た目を変えるなら動画から動画へ。
2 人の会話はできますか?
1 顔 1 音源の設計です。複数話者の音声は口に曖昧な指示を出します。
音声はどのくらいまで?
スタジオ表示では 5〜20 秒の範囲。長いスピーチは分割して実行してください。
顔に言葉を入れる
LTX-2 Lipsync を開き、音声とポートレートを用意。
次に開くページ
よく一緒に使われる近いツールとページ。
ほかのモデルページ
各ページは同じスタジオでそのモデルを開きます。
料金

