トーキングフォトAIとは？
読み方: トーキングフォトエーアイ
30秒まとめ
1枚の顔写真をAIでアニメーション化し、テキストや音声に合わせて話す動画を生成する技術。
トーキングフォトAIの意味・定義
トーキングフォトAIは、静止した1枚の顔写真をもとに、入力したテキストや音声に合わせて口や表情を動かし、その人物が話しているかのような動画を生成する技術です。顔のランドマーク（目・鼻・口などの特徴点）検出、音声に同期した口の動きを作るリップシンク、そして自然な映像を作り出す生成モデルを組み合わせて実現されます。D-ID、HeyGen、Vidnozなどが代表的なツールで、説明動画のアバター、語学・eラーニング教材、歴史上の人物の肖像を動かす展示などに使われています。少ない素材から手軽に話す動画を作れる一方で、本人の同意なく顔を動かすディープフェイクや肖像権・パブリシティ権の侵害につながる懸念があります。実在人物の写真を使う際は必ず本人の許諾を得て、なりすましや誤情報の拡散に悪用しないことが重要です。