音声から動画
Wan 2.2 で、音声トラックに合わせて動く動画を生成します。音声、ポートレート、プロンプトを接続すると、33 クレジットから話す動画が得られます。
音声から動画ノードは、音声トラックに合わせて動く動画を生成します。使うのは、Wan 2.2 の、音声から動画を作るモデルです。音声と、必要に応じてポートレートとシーンを説明するプロンプトを接続すると、ノードは音声に合わせて話す動画を返します。
使いどころ
- ナレーションに合わせて進む、動画のプレゼンテーションを作ります。
- ポッドキャストやナレーションから、動きのあるコンテンツを作ります。
- キャラクターのボイストラックから、話すキャラクターを動かします。
既存のポートレートやクリップに話させるには、リップシンクを使います。こちらは、選べるモデルも多くなります。
クイックスタート
ノードを追加する
キャンバス上で Tab を押し、動画 › アニメーションと演技 › 音声から動画を選びます。
音声とポートレートを接続する
明瞭な音声のオーディオノードを、オーディオに接続します。たとえば、テキストから音声です。ポートレートをポートレートに接続します。
シーンを説明する
設定パネルでプロンプトを書きます。たとえば「a presenter speaking in a bright studio」(明るいスタジオで話すプレゼンター)のように書きます。次に、解像度を選びます。
実行する
実行をクリックします。動画がノード上に表示されます。
入力
| 入力 | 接続できるノード | 説明 |
|---|---|---|
| オーディオ | オーディオノード | 動画を動かす音声です。必須です。 |
| ポートレート | 画像ノード | 話し手のリファレンス画像です。任意です。 |
| プロンプト | テキスト系ノードとピッカー | シーンの説明です。設定パネルに入力することもできます。 |
| 撮影技法 | ライティング、レンズ、カメラモーションなどのルック系・カメラ系ピッカー | 各ピッカーの言い回しが、プロンプトに追加されます。 |
出力の動画は、生成された動画の URL です。
設定
| 設定 | 説明 |
|---|---|
| 解像度 | 480p、580p、720p のいずれかです。それぞれの料金は、リストに表示されます。 |
| プロンプト | 音声の再生中に見せるシーンです。 |
| ネガティブプロンプト | 動画から除きたいものです。 |
| 前後のテキスト | プロンプトの前後に必ず追加されるテキストです。プロンプトの前後のテキストを参照してください。 |
細かく制御するには、詳細設定を表示をクリックします。欄を空にしておくと、モデルのデフォルト値が使われます。
| 設定 | 説明 |
|---|---|
| シード(任意) | 実行を再現できるようにする固定の数値です。空欄の場合はランダムです。 |
| フレーム数(16〜81) | 生成するフレームの数です。 |
| フレームレート(8〜24) | 1 秒あたりのフレーム数です。 |
| 推論ステップ数(1〜50) | ステップ数を増やすと細部が増えますが、時間がかかります。 |
| ガイダンススケール(0〜20) | 動画がプロンプトにどれだけ忠実に従うかです。高いほど忠実になり、低いほどバリエーションが増えます。 |
| シフト(0〜20) | 結果を微調整するための、モデルのパラメーターです。 |
クレジット
料金は解像度によって決まり、480p で 33 クレジット、580p で 55 クレジット、720p で 66 クレジットです。
ヒント
- きれいな音声を使う:明瞭で、きちんと録音された声が、最良の結果につながります。
- シーンを説明する:オーディオと一緒にプロンプトを渡すと、映像をより細かく制御できます。
- プレビューは安く済ませる:手早いプレビューには 480p を、最終的な動画には 720p を使います。
- 詳細設定は最後に変える:まずはデフォルトで始め、細部を増やしたい場合は、推論ステップ数を上げます。
よくある質問
「音声から動画」ノードには何が必要ですか?
必須なのは、音声のオーディオトラックです。ポートレート画像と、シーンを説明するプロンプトもあると、モデルがより多くの手がかりを得られます。
「音声から動画」ノードには何クレジットかかりますか?
解像度によって異なります。1 回の実行につき、480p は 33 クレジット、580p は 55 クレジット、720p は 66 クレジットです。
「音声から動画」と「リップシンク」の違いは何ですか?
「音声から動画」は、プロンプトと任意のポートレートをもとに、音声に合わせた新しい動画を生成します。「リップシンク」は、既存のポートレートや動画にオーディオを話させるノードで、リップシンクのモデルを選べます。
最初にどの設定を変えればよいですか?
まずはデフォルトのまま始め、必要な場合にだけ調整してください。推論ステップ数を増やすと細部が増えますが、時間がかかります。ガイダンススケールを高くすると、プロンプトにより忠実になりますが、バリエーションは少なくなります。
関連ページ
リップシンク
AI アバター
テキストから音声
カメラモーション
最終更新