【AIで画像が喋る】リップシンクが可能なサービス3つを比較【EMOっての凄い】

Summary

このビデオでは、最新のAI技術を用いたリップシンク技術について紹介しています。特に、音のない動画に後から声を入れて口元とリンクさせる「リップシンク」の技術を使った、PICA、didid、そしてthinkという3つの動画生成AIサービスを比較しています。これらのサービスを利用することで、TikTokやYouTubeなどで面白いコンテンツを作成することが可能になります。また、中国のアリババグループによる研究レポートで紹介されている「emo」という高品質のRPSN系サービスも取り上げられており、将来的にリップシンク技術がどれだけ進化するかの可能性を示唆しています。

Takeaways

• 😃 リップシンクを使った3つのサービス(PICA、didid、think)を紹介
• 😮 PICAは月額1万円だが画像・動画両方対応、最大3秒まで
• 👍 dididは1番画質が高いが静止画のみ対応
• 🎥 thinkは動画のみ対応だが制限秒数なし、値段も手ごろ
• 🤔 おしゃれな画像をリップシンクで歌わせると面白いコンテンツに
• 😅 動画作成で2万円以上かかっていることが判明
• 😢 ピカの1万円の料金設定が想定以上に高かった
• 🙇‍♂️ 今までの動画作成で月額7万円払っていたことが判明
• ❗️ 不要なサブスクリプションは解約することを忘れずに
• 👍 YouTubeのメンバーシップに入ると特典がある

Q & A

この動画で紹介されているリップシンクサービスはどのようなものですか?

PICA、didid、thinkの3つのサービスが紹介されています。PICAは動画と画像からリップシンクが可能、dididは画像のみ、thinkは動画のみからリップシンクができます。

PICAのリップシンク機能を使うにはどのプランに入る必要がありますか?

現在は1番高いプロプラン(月額約1万円)に入る必要があります。将来的にはより低いプランでも利用できる可能性があります。

dididのリップシンク機能の特徴は何ですか?

画像からリップシンクを生成できる点です。紹介された3つのサービスの中で最もクオリティが高いとされています。

thinkのリップシンク機能にはどのような制限がありますか?

動画からのみリップシンクが可能で、画像からは生成できません。制限として、リップシンクできる秒数に上限がない点が特徴です。

これらのサービスを使って面白いコンテンツを作るアイデアとして何が紹介されていましたか?

おしゃれな画像を生成してリップシンクで歌わせる、というアイデアが紹介されていました。動画編集の技術と組み合わせることで面白いコンテンツが作れるとしています。

emoという技術とはどのようなものですか?

アリババグループの研究レポートで紹介されたリップシンク技術。紹介されたサービスより高いクオリティでしたが、現時点ではサービスとして利用できないようです。

PICAのリップシンク機能の制限は何ですか?

入れられる音声の長さが最大3秒までという制限がある点です。動画を接続することである程度回避は可能ですが、制限として痛い点だと述べられています。

月額7万円ものAIサービスのサブスクリプションを契約していたことが判明したとありますが、どのようにしたら良いでしょうか?

不要となったサブスクリプションは解約することが大切です。支払いを続ける必要がなくなったサービスは積極的に解約しましょう。

動画内で音声生成に使われたサービスは何ですか?

ElevenLabsというテキストから音声を生成するサービスが使用されていました。サービスの比較において音声データとして利用されていました。

月額料金を比較した場合、最もコストパフォーマンスが良いサービスはどれですか?

dididが月額約2000円と最も低く、しかもクオリティが高いとされていたため、コストパフォーマンスが最も良いサービスだと思われます。