写真を喋らせるAIは、1枚の静止画を、その顔が話す動画に変えます。写真をアップロードして音声を追加すると、Solmiが音声に合わせて口、あご、頭を動かし、写真の人物が言葉を話しているように見せます。チャンネル用のトーキングアバター、解説動画のAIプレゼンター、新曲リリースの告知メッセージなどに使えます。使いたい部分を1クリップ最大60秒で切り出し、480pか720pで書き出せます。動画は写真に合わせて縦型か横型になります。台本しかない場合は、SolmiのAIナレーション作成で音声にしてダウンロードし、ここにアップロードしてください。
静止画の顔を、音声に合わせて話しているように動かすAIです。Solmiは顔写真1枚と音声ファイルを受け取り、声に合わせて口、あご、頭を動かすので、写真の人物が言葉を話しているように見えます。こうした動画はトーキングアバターやAIトーキングヘッドとも呼ばれます。
正面からのはっきりした顔写真をアップロードするか、用意されたキャラクターから選びます。次に声を音声ファイルかYouTube・TikTokのリンクで追加し、使う部分を切り出して480pか720pを選び、「話す動画を生成」ボタンを押します。完成した動画はあなたの動画一覧に表示され、ダウンロードできます。
このページではできません。用意した音声に合わせて口を動かすツールで、テキスト読み上げ機能はありません。テキストから始めるなら、SolmiのAIナレーション作成で台本を書き（70以上の言語、複数の声から選択）、音声をダウンロードして、ここに声としてアップロードしてください。
どちらでも使えます。リップシンクは音声そのものから作られるので、話し声の録音も曲と同じように使えます。口の動きは言葉に追従します。背景ノイズの少ないクリアな録音ほど、口の動きがはっきりします。写真に歌を歌わせたい場合は、写真を歌わせるAIを使ってください。
動画の秒数で課金されます。480pは毎秒4クレジット、720pは毎秒8クレジットなので、480pの15秒クリップは60クレジットです。1クリップは最大60秒で、最長10分の録音から切り出せます。Webで作成した新規アカウントはクレジットカードなしで120クレジットから始められ、480pで約30秒分になります。
正面を向いた顔が1つだけはっきり写っていて、光が均一で、口元を隠すものがない写真が最適です。動画は写真の縦横比に合わせて作られます。縦長の写真ならTikTok、Reels、Shorts向けの9:16動画に、横長の写真ならYouTube向けの16:9動画になります。ぼやけた写真や小さい写真は、内蔵の画質補正（5クレジット）で先に補正できます。
はい。生成前に字幕をオンにすると、Solmiが声を書き起こし、6種類のスタイル（控えめ、太字、ネオン、ミニマル、セリフ体、カラオケ）のいずれかで言葉を動画に焼き込みます。