JoyPix、写真から喋る動画を生成する「Motion-2」を正式リリース

この技術を使えば、静止画に音声やテキストを合わせるだけで、被写体が本当に話しているかのような自然な動画を手軽に作成できます。今回のアップデートでは、表現のリアルさが飛躍的に向上したほか、これまで難しかった動物やアニメキャラクターへの対応も実現。個人からビジネスまで、活用の幅が大きく広がりそうです。

合同会社JoyPixが9月11日に発表した「Motion-2」は、写真から喋る動画を生成するAIモデルです。従来の課題であった不自然な口の動きや背景の不整合を大幅に改善し、より滑らかでリアルな動画生成を可能にしました。

今回のアップデートの核となるのが、独自の「フルシンク」技術です。音声に合わせて口元や表情が動くだけでなく、まばたきや首の傾き、さらには手や体の動きといった全身での表現まで自動で生成します。人物の動きに連動して背景も自然に揺れ動くため、動画全体の没入感が格段に向上しています。

「Motion-2」の大きな特徴は、その対応範囲の広さです。実写の人物はもちろん、ユーザーからの要望が多かったという動物の写真にも対応。愛犬や愛猫が、まるで飼い主に語りかけているかのような、心温まる動画を作れるようになりました。

さらに、アニメやイラストといった2Dキャラクターにも完全対応しており、キャラクターの画風を保ったまま、生き生きとした表情で喋らせることが可能です。SNSでのユニークなコンテンツ制作から、VTuberやゲームキャラクターのアニメーション制作まで、クリエイターの表現の幅を広げます。

実用面も大幅に強化されました。生成できる動画の長さは、従来の45秒から最大120秒へと延長。これにより、SNS向けの短いメッセージだけでなく、企業の製品紹介やプレゼンテーション、教育用コンテンツといった、より長い尺の動画制作にも十分対応できるようになりました。JoyPixは今後、さらなる長時間化や多言語対応なども視野に開発を進める方針です。

引用元：PR TIMES

O!Productニュース編集部からのコメント

写真1枚から自然な動画を作れる手軽さは、コンテンツ制作のハードルを一気に下げてくれます。広告やSNS運用の現場では、新しい表現手法として急速に浸透していくかもしれませんね。