AKOOLトーキングフォトの使い方｜静止画から動画を作成

トーキングフォトとは？

トーキングフォトは、1枚の静止画から人物が話している動画を生成する機能です。AIが顔の動きを解析し、入力した音声やテキストに合わせて自然なリップシンク（口の動き）と表情を生成します。

できること

• 写真を動画化：静止画の人物が話しているように見える動画を作成
• テキスト→音声→動画：テキストを入力するだけで音声と動画を同時生成
• 音声アップロード：自分の声や音声ファイルを使って動画化
• 表情・動きの調整：プロンプトで表情やジェスチャーを指定可能

リップシンクとの違い

リップシンク機能は既存の動画の口の動きを変更するのに対し、トーキングフォトは静止画から動画を生成します。

基本的な使い方

トーキングフォトの使い方を4ステップで解説します。

トーキングフォト編集画面

ステップ1：画像をアップロード

1. ダッシュボードの左メニューから「トーキングフォト」を選択
2. 「Choose an Image or Drag & Drop」をクリック
3. 人物の顔が写った画像をアップロード

ステップ2：音声を設定

音声の設定方法は2つあります。

方法A：テキストから音声を生成

1. 「Add script」タブを選択
2. 話させたいテキストを入力（最大1000文字）
3. 音声（ボイス）を選択
4. 「Generate Audio」をクリック

方法B：音声ファイルをアップロード

1. 「音声をアップロード」タブを選択
2. 音声ファイル（MP3, WAV等）をアップロード
3. 長さは5〜60秒まで対応

ステップ3：表情・動きを調整（オプション）

「プロンプト」欄に表情や動きの指示を入力できます。

• 「大きくうなずく」
• 「笑顔で話す」
• 「真剣な表情で」
• 「手を使ったジェスチャーを追加」

「Give me some ideas」をクリックすると、プロンプトの例が表示されます。

ステップ4：生成＆ダウンロード

1. 利用規約の同意チェックボックスをオンにする
2. 「生成する」ボタンをクリック
3. 処理完了後、プレビューで確認
4. 「ダウンロード」ボタンで動画を保存

高品質な動画を作るコツ

適した画像の選び方

• 正面向き：顔が正面を向いている画像が最適
• 高解像度：1024×1024ピクセル以上を推奨
• 顔がはっきり：顔が画像の中心にあり、大きく写っている
• 自然な表情：口を閉じた自然な表情がベスト
• 良い照明：顔に影がなく、均一に照らされている

音声設定のポイント

• テキストは短めに：長すぎると不自然になりやすい
• 句読点を活用：自然な間を作るために句読点を入れる
• 声質を選ぶ：画像の人物に合った声を選択

クレジット消費量

トーキングフォトのクレジット消費は、生成する動画の長さによって変わります。

※クレジット消費量は目安です。実際の消費量は処理内容により変動します。

詳しくはクレジットの仕組みガイドをご覧ください。

活用事例

SNSコンテンツ

• Instagram/TikTok：イラストや写真を動画化してリール/ショート動画に
• YouTube：サムネイル画像から短い紹介動画を作成
• X（Twitter）：静止画の投稿を動画化して目を引くコンテンツに

プレゼン資料

• CEOや創業者の写真を使った動画メッセージ
• マスコットキャラクターが話すプレゼン動画
• 製品説明の動画ナレーション

教育・研修

• 歴史上の人物が語る教育コンテンツ
• 多言語対応のトレーニング動画
• バーチャル講師による解説動画

マーケティング

• インフルエンサーの写真を使った広告動画（許可取得済みの場合）
• AIモデルを使った商品紹介
• パーソナライズされた動画メッセージ

よくある質問

イラストや絵画も動かせる？

はい、人物のイラストや絵画も動かせます。ただし、リアルな人物写真と比較すると品質は低下する場合があります。

複数人が写っている写真は使える？

1枚の画像につき1人の顔のみ対応しています。複数人を動かしたい場合は、それぞれ別の画像で生成してください。

動物やペットの写真は使える？

トーキングフォトは人間の顔に最適化されています。動物の写真は期待通りの結果にならない場合があります。

生成した動画の著作権は？

有料プランで生成した動画は商用利用可能です。ただし、使用した画像の権利は別途確認が必要です。詳しくは商用利用ガイドをご覧ください。