Joypix AI

これが製品を定義する機能だ。写真をアップロードし、音声トラックを添える。するとJoypixが口と顔を音声に合わせて動かす。人物の肖像だけでなくペットの画像でも動く。ここから、ペットのポッドキャスト風のふざけたクリップが生まれ、シェアすると本当に楽しい。写実性は元写真次第だ。きれいな照明と鮮明な顔が最も大きな差を生む。

リップシンクモデルのMotion-2とMotion-2.5は、口の動きにとどまらない。頭の向き、体の姿勢、細かな表情も音声に合わせる。だからこそ、口だけがパクパク動く平板な効果より結果が持つ。新しいMotion-2.5-Dialogモデルは1本の動画に2人のキャラクターを入れ、それぞれを別々の音声トラックに同期させる。2つのクリップを繋ぎ合わせずに、掛け合いの会話シーンを作れる。

Joypixはおよそ10秒の音声から声をクローンできる。短いサンプルを録音するかアップロードする。クローンした声は、新しい原稿を複数の言語と感情のトーンで読み上げる。新しい原稿が来るたびに声優を手配せず、一貫したナレーターの声が欲しいクリエイターにとって、これが目玉の機能だ。他人の声をクローンすると同意や権利の問題が生じる点は覚えておきたい。使う許可がある声に限ろう。

手元に録音がない場合でも大丈夫だ。原稿を打ち込めば、内蔵のテキスト読み上げエンジンが読み上げてくれる。40以上の言語とアクセントをカバーする。これにより、このツールはローカライズ作業で本当に役立つ。小さな事業者でも、1本の原稿を書けば、スペイン語、日本語、ポルトガル語の版を作れる。録音ブースの予約も、声優の手配も一切要らない。

アバター生成ツールは、普通の写真をスタイル化されたAIアートに変換する。油絵、水彩、アニメ、3Dカートゥーンを含む40種類以上のルックを備える。こうしたスタイル化した画像を、話すアバターの土台に使う。すると動画は平凡な顔写真ではなく、独自の視覚的な個性を帯びる。アップロードの手間を省きたいなら、50以上の既製アバターのライブラリもある。

JoypixはWan2.1、Vidu、Seedanceを含む複数の動画モデルを1つのアカウントにまとめている。3つの別々のツールを契約し、3つの異なる画面を覚える代わりに、今日作るクリップに合う1つのモデルを選べばいい。これは利便性の話であり、技術的な飛躍ではない。カジュアルなクリエイターにとっては、登録の手間を大きく減らす。