本文へスキップ

V-Express

姿勢、画像、音声を釣り合わせる顔動画の生成

公式サイトを見る

V-Express とは

段階的な dropout で姿勢、入力画像、音声を釣り合わせる顔動画の生成モデルと説明されている。

できること

  • 生成用アダプタで制御した生成を行う
  • dropout で制御信号の釣り合いを取る
  • 与えた動画に沿う発話動画を作る

活用場面

  • 人物に似た仮想のアナウンサーを作る
  • オンライン教育の仮想講師を作る
  • ゲームの登場人物に会話の動きを付ける

長所と短所

✓ 良い点

  • 音声が弱い場合に合わせて調整
  • 与えた動画に沿う発話動画を作れる

! 注意したい点

  • 挙がる制御信号は姿勢、画像、音声が中心
  • 生成は選んだ振り分け方に沿う

よくある質問

必要な入力は?

資料には参照画像、音声、V-Kps 列が記載。

何を調整した?

資料では音声が弱い場合への最適化を説明。

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