![見出し画像](https://assets.st-note.com/production/uploads/images/103274602/rectangle_large_type_2_ef845b16deacd6b15ab9b8ebcd1a58d7.png?width=1200)
Stable diffusionで生成AIに言葉をしゃべらせたら超リアルだった
当記事では、画像生成モデル「Stable Diffusion」を使い生成された画像に音声合成モデル「D-ID」を使って喋らせることを目的とします。
Stable Diffusionは、高品質でリアルな画像を生成することができます。
また、D-IDは、リアルな音声を生成することができます。
これらの2つのモデルを組み合わせることで、高品質でリアルな画像を喋らせることができます。
めちゃくちゃリアルだったので、思わず記事にしてしまいました。
![](https://assets.st-note.com/img/1681733805509-vckr4gLZJD.png?width=1200)
![](https://assets.st-note.com/img/1681733827450-qDjUsGGf2K.png)
D-IDを使う
下記がTOPページのリンクです。
![](https://assets.st-note.com/img/1681733921370-NIemCmmI8V.png?width=1200)
D-IDに登録すると20creditが配布されて、credit内で合成動画を制作することができます。
![](https://assets.st-note.com/img/1681733986812-wcGpAzarN0.png?width=1200)
自己紹介文を考える
ChatGPTに文章を考えてもらい、自己紹介をしてもらいました。
![](https://assets.st-note.com/img/1681734777529-WDzfMlc75E.png?width=1200)
これをD-IDのテキストゾーンに埋め込み、生成ボタンを押します。
数十秒で生成されます。
![](https://assets.st-note.com/img/1681734757979-wPvD33Eo5c.png?width=1200)
以下が実際の動画
Stable Diffusionで適当に生成した女性の画像にChatGPTで生成した自己紹介文をD-IDにしゃべらせて動画にしてみた。英語は口元と発話に違和感が全くない。(聴き慣れてないのもある)日本語は区切りが難しく、まだ違和感がある。これもすぐに改善されるだろうけど。AIの学習と出力の精度がレベチ。 pic.twitter.com/IWSKqrytws
— Yasuto@エンジニア | 投資家 (@financedog1) April 17, 2023
ダウンロードもできます
※商用利用は有料登録が必要です。詳しくはD-IDのページをご覧ください。
ご覧いただきありがとうございました。 サポートしていただいたお金は開発費にかけさせていただきます。