本文へスキップ

活用例・音楽 · 2026年10月 更新

写真を歌わせるAI: どんな写真も歌い出す

写真を歌わせるAIなら、ビートに合わせて口を開け閉めするだけでなく、本当に歌っているように見えるべきです。OmniHuman 2.0は音楽からリズムと感情を読み取るので、1枚の静止画から、ロングトーンの前に息を吸い、グルーヴに合わせて頭を動かし、体を揺らすパフォーマンスを生み出します。

写真+声=動画

声
写真がない場合はこちら:
  • 無料プレビュー
  • Googleでサインイン
  • 非公開アップロード
歌
UGC広告
複数人
1本あたり
5分
出力
720p
シーン対応
複数人
言語
6

ミュージシャンはビジュアライザー、リリックビデオのイントロ、カバー曲のティザー、ファン向けコンテンツに、ブランドはジングルやマスコットソングに活用しています。サビ全体まで見ごたえのあるパフォーマンスにするコツをご紹介します。

写真を歌わせるための音源の準備

ボーカルがクリアなほど、口の動きは正確になります。ステムがあれば、リードボーカルだけ、または伴奏を大きく下げたものをアップロードし、生成した動画にフルミックスを編集ソフトで重ねましょう。強いリバーブ、重ねたハモり、オートチューンの癖があると、音節が読み取りにくくなります。

クリップは4秒〜5分まで対応しているので、1番のAメロからサビまで丸ごと1テイクに収まります。SNS用のティザーなら、サビ周辺の15〜30秒がちょうどよい長さです。

歌い手の写真を選ぶ

口元がはっきり見え、頭と肩のまわりに少し余白がある画像を選びましょう。マイクが口の前にあるステージ写真は品質が下がりますが、胸の高さで低めに持っている程度なら問題ありません。アルバムアートのイラスト、3Dキャラクター、バンド写真もアニメーションにできます。グループ写真ならデュエットやコーラスにもなります。

パフォーマンスを演出する

口の形ではなく、動きと気持ちを書きましょう。

  • バラード:「ロングトーンで目を閉じ、サビで胸に手を当てる、ゆっくりと周回するカメラ」
  • アップテンポなポップス:「ビートに合わせて体を揺らし、笑顔で、サビでカメラを指さす」
  • ラップ:「自信満々で、キレのある頭の動き、韻を踏むところで手振り、手持ちカメラ風」
  • デュエット:「左の歌い手がAメロをリードし、右の歌い手がサビで加わる、固定のワイドショット」

音楽の権利とプラットフォーム

動画を生成しても、音楽の権利者が変わるわけではありません。自作曲、ライセンス済みの楽曲、正しく許諾を得たカバー曲を使い、AI生成コンテンツの表示については各プラットフォームのルールに従ってください。実在のアーティストの顔を許可なくアニメーションにすることは、利用規約で禁止されています。

編集ソフトで動画を仕上げる

生成が終わったら、クリップの下にフルミックスを敷き、アップロードしたボーカルと位置を合わせます。どちらも同じセッションから書き出したものなので、最初のフレームからぴったり揃います。あとは通常のライブ映像と同じように、歌詞、ロゴ、カラーグレーディングを加えましょう。

フルのミュージックビデオにするなら、同じアーティストの別々の写真から複数のアングルを生成し、ビートに合わせて切り替えます。どれも同じ音声で生成しているので、すべてのアングルが同期したままです。

SNS向けのフォーマット

縦長の写真からはReels、Shorts、TikTok向けの縦型クリップ、正方形の画像からはフィード投稿やSpotify Canvas風のループ、横長の写真からはYouTube向けの動画ができます。まずSNS用に15〜30秒のサビ部分を生成し、見た目が決まってから曲全体を生成しましょう。

よくある質問

速いラップにも対応できますか?

はい、ボーカルがクリアであれば対応できます。非常に詰まった、加工の強いボーカルだと精度が下がります。

フルミックスとボーカルのみ、どちらをアップロードすべきですか?

ボーカルが前に出ている音源がいちばんよくシンクします。フルミックスはあとから編集ソフトで重ねてください。

歌の動画はどれくらいの長さまで作れますか?

1テイクで最長5分、最短4秒です。

2人で一緒に歌わせることはできますか?

はい。2人が写った写真を使い、誰がどのパートを歌うかをプロンプトで指定してください。

アニメのキャラクターも使えますか?

はい。顔がはっきりしたイラストや3Dキャラクターなら、説得力のある歌唱になります。

音楽の権利は誰のものですか?

元の権利者のものです。自分が権利を持つ曲か、使用許諾を得た曲だけを使ってください。

インストだけのパートも使えますか?

ボーカルがないと歌う内容がないため、顔はほぼ落ち着いたまま、リズムに合わせて動く程度になります。インストの間奏は短めにしましょう。

曲のファイル形式は何がいいですか?

4秒〜5分、15MB未満のMP3またはWAVです。

アバターは踊りますか?

リズムに合わせて頭、肩、上半身が動きます。足さばきを含む本格的な振り付けは、このモデルの想定外です。

あわせて読みたい

写真をしゃべらせよう。

プレビューは無料。