演技もリップシンクもできる | BytePlusのAIアバター「OmniHuman 1.5」の使い方とプロンプトのコツを徹底解説 #PR

1枚の画像と音声ファイルを用意するだけで、『話して指示通りに動く』AIアバターが作れる『OmniHuman1.5』がBytePlusから登場しました👇🏻

実はこれ、ただ口パクするだけじゃないんです…！

私も最近知ったのですが、
✅音声の感情を読み取って表情を変えたり、
✅話の内容に合わせて自然なジェスチャーをしたり、
✅カメラワークまで自動で作ってくれる
という、他にはないすごい機能がてんこ盛りなんです😂

ということで早速『OmniHuman1.5』の概要や、何がすごいのか、どんな動画ができるのか、使い方まで徹底解説していきます✊🏻

OmniHuman1.5って何？BytePlusが開発したAIアバター技術

OmniHuman1.5は、BytePlusが開発した最新のデジタルヒューマン生成AIです。

2025年9月末にリリースされたこの技術は、前バージョンのOmniHuman-1をさらに進化させた「1.5」というアップデート版になります。

一番の特徴は、たった1枚の人物画像と1つの音声ファイルがあれば、動いて話すAIアバター動画を生成できるという点。

前述しましたが、音声の内容や感情を理解して、それに合わせた表情やジェスチャー、さらにはカメラワークまで自動で作ってくれるんです。

OmniHuman1.5の何がすごいの？

①プロンプトや音声から感情を読み取り再現

従来のAIアバターやリップシンクって、音声に合わせて口が動くだけで、表情は棒読みみたいな感じのツールも中にはありました。

でもOmniHuman1.5は音声から感情を読み取って、それに合わせた表情やジェスチャーを自動で作ってくれます。

と、リアルな表現ができます。

②マルチモーダル入力

「マルチモーダル」とは、テキスト、画像、音声、動画など、複数の異なる種類の情報を同時に扱える能力のこと。

『OmniHuman 1.5』では、基本的な「画像＋音声」の組み合わせに加えて、

テキストプロンプト:
「風で髪や服がなびいている」「背景に花火が上がっている」「手持ちカメラで撮影したような映像にして」といった、情景やカメラワーク、キャラクターの雰囲気までを細かく指示できます。

これらの情報を組み合わせることで、単に話しているだけの動画に留まらず、歌って踊ったり、楽器を演奏したり、特定のシチュエーションで演技をしたりと、表現の幅が広がります。

③2人の会話シーンも作れる

2人が話している音声があれば、それぞれのキャラクターが自然に会話しているシーンを作れるらしいです。

これは実際にいろいろなプロンプトで試してみたのですが、私はうまくいきませんでした🤔
もしかしたらローカルのみなのかもしれないです。

使い方は？実際にどうやって動画を作るの？

OmniHuman1.5は、「SousakuAI」で使用できます。

基本的な使い方の流れ：

①入力画像の準備
人物の顔が写った1枚の画像を用意します。実写の人物でも、アニメキャラクターでも、イラストでもOK。

②音声ファイルの準備
話している音声、歌声、対話音声などを用意します。

用意されている音声もあるので、自分で音声を用意するのが難しい方はここで作成できます。

③テキストプロンプト（オプション）
さらに細かく制御したい場合は、カメラワークや動き、雰囲気を指定するテキストプロンプトを追加します。

④生成
音声に合わせた表情、ジェスチャー、カメラワークを自動生成。

⑤出力
数分で、AIアバター動画が完成します。

これで出来た動画がこちらです！

基本的な使い方は分かったけれど、👆🏻みたいなCMの動画みたいに、もっとキャラクターを思い通りに動かしたい！と思いますよね。

たくさん生成していく中で、クオリティを格段に上げるには「キャラクターの動作（任意）」に入力するプロンプトにちょっとしたコツがあることがわかりました◎

ということで、
✅私が実際に試してみて効果的だった2つの書き方
をご紹介します！

さらに、
✅今後『OmniHuman 1.5』活躍できる動画の活用方法
も続けてご紹介します。

動作プロンプトのコツ

コツ①：タイムコードで動きを秒単位でコントロールする

まずはこちらのプロンプトをご覧ください。
これは、先ほどのビールテイスト飲料のCMで実際に私が使ったものです。

このように、「0:00-0:01」のように時間を区切って、その時間内にどんな動きをしてほしいかを具体的に指示する方法です。

このやり方のメリットは、音声のタイミングに合わせて、狙った通りのアクションをさせられること。

といった、タイミングが重要な動画を作る際に非常に有効です。
特にCMや商品紹介、プレゼンテーション動画などに効果を発揮します。

コツ②：一連の行動をストーリーのように記述する

もう一つは、タイムコードを使わずに、キャラクターの一連の行動を文章で書き連ねていく方法です。

例えば、こんなプロンプトを作ってみました。

このように、キャラクターの行動を時系列で記述していくイメージです。

この方法のメリットは、より自然で連続性のある動きをAIに生成させやすい点です。
タイムコードで細かく区切るよりも、AIが文脈を読み取って、一連の流れとして滑らかな動きを表現してくれる傾向があります。

短い物語やVlog、シチュエーション動画など、キャラクターの自然な振る舞いを描写したい時におすすめの書き方です。

どんな動画ができる？『OmniHuman 1.5』の可能性

では、具体的に『OmniHuman 1.5』を使ってどんな動画が作れるのでしょうか？
公式デモで紹介されている例を見てみると、そのポテンシャルの高さにかなり期待できます。

バーチャルヒューマン／VTuber

たった1枚のイラストや写真から、キャラクターが感情豊かに話したり、歌ったりする動画を簡単に作成できます。

広告・マーケティング
モデルの写真と商品の説明音声を組み合わせるだけで、様々なパターンの動画広告を短時間で大量に生成できます。

教育・研修コンテンツ
歴史上の人物の写真とスピーチの音声を組み合わせれば、没入感の高い教育コンテンツが作れます。
講師の写真一枚で、様々な言語のオンライン講義動画を作成、それを使いまわししたりも簡単にできるようになります。

エンターテイメント
映画やゲームに登場するキャラクターを、よりリアルで感情豊かに動かすことができます。
アニメキャラクターの表情や動きを自動生成し、制作にかかる時間を大幅に短縮できそうです。

個人的なコンテンツ制作
自分のペットの写真を喋らせたり、好きなキャラクターに思い出のメッセージを語らせたり…といった使い方も流行りそうです。
現に、自分のペットの写真を撮って躍らせる動画もSNSでバズってますね！

まとめ

今回は、BytePlusが開発した『OmniHuman 1.5』について深掘りしてきました。

広告や動画制作といったプロの現場から、私たちの日常的なSNS投稿まで、いろいろな動画コンテンツのあり方を根底から変えてしまうほどのインパクトがあります。

この記事を参考に、ぜひBytePlusの『OmniHuman 1.5』で、表現豊かな動画を作成してみてください！😊

BytePlusツールは公式から直接利用すると、50万トークンを無料で使えるとのこと！ （※Seedreamの場合約200枚分の画像生成が可能）

こちらから申込できます🖊

📌 Xで最新のAIツールの検証や、画像・動画生成のアイデアを日々シェアしています！

「一緒に手を動かして生成AI×クリエイティブを学べる情報発信」を心がけてます！
ぜひ一緒に学んでいきましょう！
いつも最後まで見て頂きありがとうございます🥰