本文へスキップ

MEMO

音声で動く発話動画の公開重みモデル

公式サイトを見る

MEMO とは

本モデルは音声から同一性を保ち表情豊かな発話動画を生成する公開重みの仕組みと説明されている。

できること

  • 画像と音声から発話動画を作る
  • 長い断片でも同一性を保つ
  • 音声の感情を読み表情を整える
  • 動画内の感情をずらす

活用場面

  • 肖像と映画の音声で話す動画を作る
  • 肖像から歌う動画を生成する
  • 彫刻の画像と発話の音を組み合わせる

長所と短所

✓ 良い点

  • 肖像、彫刻、デジタル芸術、アニメの画風が挙がる
  • 発話、歌、ラップの音声が挙がる

! 注意したい点

  • 音声ファイルと参照画像の両方が必要
  • 口元の同期は模型の引数調整で整える

よくある質問

対応言語は?

資料は英語、普通話、スペイン語、日本語、韓国語、広東語を挙げる。

音声モジュールの役割は?

資料は音声から感情を検出し表情を整えると説明。

最終評価日: 2026-11-15

その他 AI動画生成 ツール

すべて見る →

評価方法