c069「ここにいるお前は、何だ?」口パクエンジン比較

同じ声で、エンジンごとに作りました。止め絵と動く絵の2つの条件があります。気に入ったものの「これが良い」を押してください(何個でも)。最後に「結果をコピー」で送れます。

まだ選んでいません

1. 止め絵(第2話 c069・口を閉じた絵)

頭が完全に止まった絵に、口だけ動かした条件。声は 0.2〜2.2秒。

項目Kling リップシンクMuseTalk 1.5LatentSync 1.5LatentSync 1.6ChatGPT×Higgsfield Sync Lipsync 3ChatGPT×Higgsfield Sync Lipsync 3(修正v3)
口の開き 最大
唇の内側のすき間÷顔の幅。大きいほど大きく開く(閉じた口は 0.004)
0.0470.0430.0440.0050.0410.042
口の開き 平均
話している間の平均
0.0240.0220.0130.0050.0050.005
口の動きの幅
話している間の、いちばん開いた時と閉じた時の差
0.0430.0380.040.00.0370.039
声との連動
声の大きさと口の開きの相関(1に近いほど合う。0は合っていない)
0.350.140.00.130.110.01
セリフ後の口
声が終わった後の口の開き
0.0040.0050.0040.0050.0040.004
顔の崩れ(最小)
元の顔との似かた。1に近いほど同じ顔
0.9060.9070.9180.9740.9240.919
目まわりの変化
口より上の変化。大きいほど変わっていない(dB)
30.435.232.634.438.338.6
顔が取れないコマ
顔が崩れて検出できないコマ数
000000

Kling リップシンク

Kling 公式サイト(5秒で5クレジット)。134コマ(5.6秒)

口元の拡大 ↑ / 全体 ↓

MuseTalk 1.5

口元だけを1コマずつ描き直す方式(DAIV・CPU 約9分)

口元の拡大 ↑ / 全体 ↓

LatentSync 1.5

口元を拡散モデルで描き直す方式・256画素(メインPC・CPU 約25分)

口元の拡大 ↑ / 全体 ↓

LatentSync 1.6

同じ方式の高精細版・512画素(メインPC・CPU 約2時間11分)

口元の拡大 ↑ / 全体 ↓

ChatGPT×Higgsfield Sync Lipsync 3

ChatGPTのHiggsfieldプラグインで作成(約20クレジット)。初回の仕上げ版

口元の拡大 ↑ / 全体 ↓

ChatGPT×Higgsfield Sync Lipsync 3(修正v3)

同じ生成を、口元だけ局所調整した版(ChatGPT側の作業)

口元の拡大 ↑ / 全体 ↓