Craze のリップシンクとトーキングフォトの違い
Craze では、動画タブに、人物を話させる 2 つのタスクがあります。
- リップシンクは人物の動画から始め、口を新しい発話に合わせます。台詞の修正、差し替え、吹き替えに使います。
- トーキングフォトは 1 枚の人物写真から、発話する動画を作ります。プレゼンター、アバター、キャラクターに使います。
どちらも発話音声が必要です。なければ先に Craze の音声タブで作ってください。ナレーションをご覧ください。

Craze で動画をリップシンクする方法
Craze では、新しい発話に合わせる手順です。
- Craze のホームの動画タブ、またはプロジェクトの作成から動画を開きます。
- タスクをリップシンクにします。
- 話す人物の動画を追加します。
- 発話の音声を追加します。
- 料金が表示された生成を押します。
結果はギャラリーに届きます。Sync Lipsync 3、Kling LipSync、LatentSync などが対応し、動画・音声の長さの上限はモデルごとに異なります。各入力欄に上限が表示されます。
Craze でトーキングフォトを作る方法
Craze では、人物写真から話す動画を作ります。
- Craze の動画タブでタスクをトーキングフォトにします。
- 顔がはっきりした人物写真を追加します。
- 発話音声を追加します。
- 必要なら演技指示に「温かく、軽い笑顔、小さくうなずく」などと書きます。
- 生成を押します。
OmniHuman 2、Kling Avatar 2 Pro、VEED Fabric 1.0、HeyGen Avatar 6 などが対応します。発話の上限は約 1 分から数分までモデルで異なり、入力欄に表示されます。
Craze のギャラリーから始める方法
Craze では、既存のメディアから両タスクを開けます。その他メニューの「これを元に作成」を見てください。
| Craze のギャラリー項目 | 次の操作 | 開く内容 |
|---|---|---|
| 画像 | 話させる | 画像を人物写真に設定したトーキングフォト |
| 動画 | リップシンク | クリップを動画に設定したリップシンク |
| 音声 | 動画にリップシンク | 音声を発話に設定したリップシンク |
| 音声 | 写真に音声を付ける | 音声を発話に設定したトーキングフォト |
不足する素材を追加して生成します。
Craze でよい仕上がりにするコツ
Craze では、入力素材が明確なほどよい結果になります。
- はっきりした顔。 明るく、正面を向き、顔が隠れていない画像や動画を使います。
- 明瞭な発話。 音楽なしの 1 人の声を使います。音楽は後でタイムラインに追加します。
- 適切な長さ。 モデルの発話欄に表示された上限内に収めます。
最初の結果が合わなければ、ギャラリーで再利用し、同じ設定を読み込んでモデルや演技指示を変え、再生成します。
Craze エージェントに話すプレゼンターを作ってもらう方法
脚本、ナレーション、トーキングフォトやリップシンクをまとめて依頼できます。写真を添付し、「この顔写真に、親しみやすい声でこの原稿を読ませて」などと頼んでください。生成前にモデルと料金を示します。全モデルはCraze のモデルページをご覧ください。