01
音声に追従するリップシンク
口元・目・肩がスピーチや歌唱に追従します。
詳しく見る
口元・目・肩がスピーチや歌に追従 — 解説、フック、ボーカルテイク向けに設計されています。
顔写真と音声トラックはもう用意済み — 表情と全身の動きを備えた 720p リップシンク動画に。1回あたり最大5分まで。
ステップ 1
ポートレート写真
顔がはっきり、目と口が見えること。無表情がおすすめ。JPEG / PNG / WebP、最大 30 MB。
ステップ 2
パフォーマンス音声
MP3 または WAV、4〜300 秒。前後の無音をカットするとクレジット節約になります。
ヒント:長尺の前に 10 秒の試作でポートレートを確認。 先にナレーションを作成
約 20 クレジット
脚本 → AI Voiceover またはマイク録音 → OmniHuman 2.0 → 末尾トリム → 公開またはアップスケール。
OmniHuman 2.0 は ByteDance の研究モデルで、Reeldo 経由で利用できます。Reeldo は ByteDance と提携・関係はありません。
パフォーマンス音声はあなたが用意。リップシンク・表情・動きは Reeldo が担当します。
顔は1人、正面、無表情が最適です。動画の画角は写真の構図に合わせます — 縦写真は縦クリップになります。
スピーチ、歌、台詞 — 4〜300秒。両端の長い無音はトリムし、無駄なクレジット消費を避けてください。
落ち着いたプレゼンター、小さな手のジェスチャーなど短いメモ。最大300文字。
実行前にクレジットが表示されます。プレビューし MP4 をダウンロード。無音の末尾はエディタでトリムしてください。
入力は同じ2つ — ポートレート+音声。課題に合う用途を選んでください。
01
撮影を組まずに、脚本変更のたびに撮り直さず、画面に出る解説動画が必要。
ヘッドショットとナレーションで、コース冒頭・更新案内・ウェルカム動画を 720p で作成。

02
キャラクターにボーカルトラックを歌わせたい — ビートに頷くだけではなく。
歌唱テイクをアップロードすると、ポートレートが音声のリズムに合わせてリップシンクし動きます。

03
毎週新しいタレントなしで、スポークスパーソン調のフックを量産したい。
承認済みの写真1枚と新しい音声録音で、短い広告リードをバッチ生成。

04
マスコットや OC は静止画のまま — 台詞や歌を演じさせたい。
イラスト、ファンアート、ブランドキャラを、パフォーマンス音声1本でアニメ化。
写真+音声
毎回3つの成果 — リップシンク動画、音声に連動する長さ、任意の演出。
01
口元・目・肩がスピーチや歌唱に追従します。
口元・目・肩がスピーチや歌に追従 — 解説、フック、ボーカルテイク向けに設計されています。
音声の長さ
1回最大 300 秒 · 秒単位課金
02
出力の長さはトラックに合わせます — 1回あたり4〜300秒。
1枚のポートレートでナレーション全体を担えます。極端に長い場合はモーションが弱まることがあるため、脚本は分割を検討してください。

03
ムード・ジェスチャー・カメラ感を最大300文字で指定。
最大300文字でムード、ジェスチャー、カメラ感を誘導 — 音声と併用できます。
このページは 2.0 のみです。チュートリアルや検索結果にまだ 1.5 が出る場合は表を参照してください。
| 項目 | OmniHuman 2.0 | OmniHuman 1.5 |
|---|---|---|
| Reeldo 上 | あり — このページ上部のジェネレーター | 現時点で Reeldo では未提供 |
| 一般的な最大長 | 音声1本あたり最大300秒(5分) | 多くのジョブで約60秒上限 |
| 出力解像度 | 720p MP4 | プロバイダーにより 720p または 1080p |
| 演出プロンプト | 任意 — 最大300文字 | 標準 1.5 リップシンク経路では非対応 |
| 向いている用途 | 長いナレーション、レッスン、フルボーカルテイク | 短い広告、フック、1080p ソーシャルカット |
15〜30秒の 1080p フックだけなら OmniHuman 1.5 が向く場合も — Reeldo では、先に 2.0 で10秒のプルーフを回してポートレートを確認してください。
課金は音声の長さ(切り上げ)に連動し、約 5 クレジット/秒です。
10s
10秒プルーフ ≈ 50 クレジット
60s
1分の読み上げ ≈ 300 クレジット
5 min
フル5分テイク ≈ 1500 クレジット
結果が違和感ある場合は、一度に1つだけ変数を直す — 多くは写真、音声、長さです。
クリップが音声よりわずかに長い
CapCut や Premiere で末尾を0.5秒ほどトリム — トーキングアバターモデルでよくあります。
背景がきらつく
被写体の後ろを無地の壁またはソフトブラーにして再アップロード。
長尺でモーションが弱まる
3分未満の音声2本に分割し、別々に生成して編集でつなぐ。
口元が緩い
声の下に音楽を載せないドライボーカルを使用し、クリーンな MP3 を再エクスポート。
長さ、クレジット、ポートレート、透かし、2.0 と 1.5 または Reference Studio の違い。