目次

1. 目次
2. SadTalkerとは？
3. 作成してみた難易度は？
4. 学習したモデルで実際に生成してみた結果

SadTalkerとは？

SadTalkertとは、音声データに合わせ、顔（頭）の角度や、表情を自動的に変化させた動画を生成できる技術です。
詳細は、ココに記載があります。

作成してみた難易度は？

めちゃくちゃ簡単でした。特に説明は不要だと思います。
Stable Diffusion WebUIの拡張機能も公開されているようです。

まず、話をさせたい画像を用意します。
私は、オリジナルモデルの「エリカ」の最高の1枚を用意しました。

上記画像から顔部分を正方形になるように、トリムします。とても可愛いです。

音声データを用意します。今回は「VOICEVOX」を利用しました。
その中でも「九州そら」さんのセクシーボイスを利用させていただきました。

これらを準備したら、あとは生成するのみです。

学習したモデルで実際に生成してみた結果

以下の投稿の動画が生成結果です。
いかがでしょうか？多少の違和感はありますが、たった1枚の画像と音声から、このレベルの動画ができるなんて感動しませんか？

上記投稿以外にも、同じ音声で他に3つの動画を生成していますので、ここで公開させていただきます。

色々な使い方ができますね…

最後までご覧いただき、ありがとうございました。