台本に沿って話す AI 動画を制作

Speech ワークフローでは、文章の台本、選択した内蔵 TTS 音声、元動画を組み合わせられます。曖昧な環境音ではなく、決まった台詞が必要な場面に適しています。実際に話してほしい言葉を書き、発音、速さ、ショットとの相性を確認します。密度の高い段落より、短い文の方が確認しやすくなります。名前や略語の読みが不明瞭なら表記を調整して再テストし、動画の口の動き、表情の変化、映像の乱れも確認します。

演技を録音済みなら、Speech ワークフローは対応するアップロード音声も受け付けます。文書化された API は内蔵音声のほか、提供されたサンプル音声から作るカスタム音声にも対応します。手元の素材と使用許可に合う方法を選んでください。カスタム音声には準備とアカウント固有の識別子が必要で、人物名を入力するだけでは選べません。納品前に発音とタイミングを確認し、台本、音声の出所、音声の選択を正しい動画と対応させます。

商品やキャンペーンのシーンでは、要点を短い台詞で伝えます。口頭で述べる内容は承認済みの文章と一致させ、一文に複数のメッセージを詰め込まないようにします。ショットに対して話す速度が速すぎないかを確認してください。大げさな表現より、商品の正確さ、明瞭な発音、見やすい話者を優先します。

その場でのキャラクターの目的に沿って対話を書きます。話者が見やすいシーンを選び、動作に合わせて台詞と音声を試します。台本に沿った話す瞬間の制作には役立ちますが、演出や演技の確認に代わるものではありません。強調を聞きながら口の動きも見て、音声が物語の妨げになるなら台詞を短くするかショットを変えます。

説明を一つの要点ごとに短い発話へ分けます。適切な話すシーンを作り、長い内容は視聴者の理解に合わせて組み立てます。短い TTS リクエストに記事全体を入れられるとは考えないでください。重要な説明は正確に保ち、最終編集で読みやすい字幕を付け、無音でも内容が伝わるようにします。

ネイティブ音声生成と台本を使う TTS リップシンクは異なる選択です。指定の言葉を話す人物が必要なら、テキスト読み上げ動画を使用します。より広い映像と音声の生成には、対応モデルのネイティブ音声を使い、実際の出力を確認します。音楽や環境音が、台本どおりの発話を保証するわけではありません。聞き取りやすさ、強調、間の取り方を確認し、名前、数字、商品情報、安全上の説明が含まれる場合は特に慎重に言葉を確認します。

AI 動画ジェネレーターで映像を作ってから、台本に沿った発話を加えられます。文書化された Speech API は、PixVerse 生成動画または対応するアップロード映像と、完成した音声、もしくは台本と音声識別子を受け付けます。ガイドに記載された動画形式は MP4、MOV、WebM、音声形式は MP3、WAV、M4A、AAC で、サイズと長さにはエンドポイント固有の制限があります。他の生成モードと混同しないでください。開発者向けの連携では、受理されたリクエストを完成・承認済み動画と見なさず、完了確認後に結果を取得してから確認します。

承認済みの短いメッセージを、適切な話すシーンと音声で試します。言葉、速さ、映像表現の組み合わせをチームで評価できます。商品名、価格、オファーの表現は、生成された解釈に任せず承認済み資料と照合します。同じ指示のもとで複数の台詞を比べ、公開前に音声と字幕の最終確認を行います。

シーンを前に進める台詞を一つ与えます。狙う感情は制作指示に、実際に話す言葉は台本の欄に記します。結果のタイミング、表情、前後のショットとの一貫性を確認します。映像で既に舞台や目的が伝わる場合は、長い説明より短い一言の方が明瞭かもしれません。

正確な台本と見やすい話者を使い、短い説明を作ります。発話パートを生成してから、最終編集で補助映像と字幕を組み込みます。音声が付けば難しい内容も自動的に分かりやすくなるとは考えず、メッセージ自体の明瞭さを確認します。必要な背景情報を残し、無音でも視聴者が内容を追えるか試します。