Syntopia BOXでAIアバター(デジタルヒューマン)を作る方法

Des Damakov
Syntopia BOXでAIアバター(デジタルヒューマン)を作る方法

Syntopia BOX ガイド

あなたのショップでAIホストをライブ配信しませんか?今すぐ始める仕組みを見る

すべてのAIライブ配信は、まず「ホスト」を決めることから始まります。このガイドでは、Syntopia BOXの中でAIアバターの作り方と、カメラの前で自然に見えるデジタルヒューマンの学習方法を解説します。Syntopia BOXは、AIライブホストを自分のPCで動かすWindows向けのオンプレミス型アプリです。

Syntopia BOXでAIアバター(デジタルヒューマン)を作る方法 — Syntopia BOXでの仕組み
Syntopia BOXでの仕組み

配信の完成度の大半は、ライブを始める前、学習用に読み込ませる数分間の映像で決まります。撮影素材が良ければ、アバターは横を向き、水を飲み、商品をカメラに向けて掲げ、ぎこちなさを感じさせずに何時間でも話し続けます。素材が悪いと、後からどんな設定をしても完全には直りません。

そこで、完全ガイドでは数行で触れている部分を、ゆっくり掘り下げます。何を撮るか、どの見た目を選ぶか、学習後のアバターに何ができるか、そして多くの人がつまずきやすい2つの特殊ケース(2人体制の学習とSmart Recordedオプション)です。

⚡ 重要ポイント

  • Syntopia BOXのAIアバターは合成ホストです。アップロードした短い学習動画から作られ、AIが生成したもので、実在の人物そのものではありません。
  • 最も早く安定してセットアップするには、V5の見た目を選びます。
  • 学習時の明るい照明と安定したカメラにより、後でアバターが商品を持ち、身につけ、見せる様子が自然になります。
  • 2人体制(ホスト+アシスタント)で学習するか、Smart Recorded Onlyにチェックを入れて、長時間の自己収録をインタラクティブな配信に変えられます。
  • AIアバターの作成はすべてのプランに含まれています。以前はアバター1体あたり$1,380で課金されていました。

「AIアバターを作る」とは実際に何をするのか

AIホストは2つの要素に分かれています。見た目(AIデジタルヒューマン)と声(音声モデル)です。この記事は見た目についてです。BOXではStep 1 — Create digital humanの下で、出演者の短い動画をアップロードして作成します。BOXはその映像からアバターモデルを学習します。できあがるのはAIデジタルヒューマン、つまりAIが生成した合成ホストで、特定の実在の人物をコピーしたものではありません。

この違いは期待値と表示ルールの両方に関わります。学習が終わったアバターは、台本を読み、チャットに答え、自律的に動くなど、AIによって完全に駆動されます。(例外はHuman Takeoverで、後述するとおり、実在の人物が顔になり、AIは口の動きだけを担当します。)

Syntopia BOXでAIアバター(デジタルヒューマン)を作る方法 — Syntopia BOXのライブスタジオ
Syntopia BOXのライブスタジオでAIアバターを作成

学習用に撮るべき映像

学習動画は、あなたが持つ最も大きなレバーです。BOXはこのクリップからアバターの顔、体、動き方を学習するため、素材がきれいで自然なほど、完成したホストも自然になります。スタジオは必要ありません。必要なのはコントロールです。

カメラ、照明、構図

安定したカメラ(三脚や、立てかけたスマートフォンで十分です)と、出演者の顔に当たる均一で柔らかい照明を使ってください。背景はすっきりとして物が少ないものを選び、出演者はフレームの内側にしっかり収めます。強い影や、背後から窓の光が差し込む状況は避けてください。これはBOX公式のウォークスルーでも求められている条件、「良い照明と安定したカメラ」です。元の映像のブレや照明のムラは、学習後のアバターが不自然に見える直接の原因になるからです。

カメラの前での出演者の振る舞い

出演者には、実際の販売配信でホストがするように、自然に話し、身振りをし、少し動き、レンズを見て話してもらいます。BOXは動きの幅から学習します。じっと座っている出演者からは固まった印象のアバターができ、自然に動く出演者からは、後で自分から向きを変え、身を乗り出し、身振りをするホストができます。

学習映像チェックリスト

  • 安定したカメラ(三脚または固定マウント)、出演者はフレームの中央に。
  • 顔に柔らかく均一な光を。逆光や深い影は避ける。
  • 背景はシンプルで、出演者の後ろで動くものがないように。
  • 出演者は自然に話して動き、視線はレンズに。
  • 出演者の声も一緒にクローンする予定があるなら、音声はクリアに。

最も早く設定するならV5を選ぶ

学習動画をアップロードすると、BOXはどの見た目のアバターを作るかを尋ねます。V5を選んでください。最も早く、最も信頼性の高いセットアップを求める場合に選ぶバージョンで、公式ウォークスルーでもデジタルヒューマン、Smart Recorded、Human Takeoverの学習すべてでこの見た目が使われています。特別な理由で試す場合を除き、最初のアバターにはV5が適切なデフォルトです。

学習後のアバターにできること

映像の質に手間をかける価値があるのはこのためです。Syntopia BOXのアバターは、固定された話す顔ではありません。学習後は実際の人のように動きます。横を向き、水を飲み、フレームの外に出て戻り、口元を隠し、ジャンプし、商品紹介の合間に休憩を取ります。

最も多く求められる機能は商品の扱いです。アバターは商品を顔の近くで持ち上げ、服を着て、カメラに見せることができます。これは、商品を説明するだけのAIホストと、人のライブセラーのように実演するAIホストの違いです。

持つ。着る。見せる。学習させたアバターは、商品について話すだけでなく、実際の商品をカメラの前で紹介できます。

また、それぞれ個別に学習させ、それぞれ独自の声を与えたアバターをチームとして作り、そのうち2体を同じルームで共同ホストとして並べることもできます。ホストごとに良い学習素材を用意しておくと、そのホストがライブに出るたびに効果が出ます。

2人体制で学習する(ホスト+アシスタント)

ホストと画面上のアシスタントを置きたい場合は、学習動画に2人をフレームに入れて撮影します。メインホストは左、アシスタントは右に配置します。アシスタントはクリップの間に話したり、リアクションしたり、フレームの内外に出入りしたりできます。その幅があることで、学習後のアシスタントもライブ配信で同じことができるようになります。

覚えておくべき設定は、この方法で学習するときに「mouth closed」オプションにチェックを入れることです。これで、アシスタントが話している間、メインホストは口を閉じたままになります。その効果はライブルームで現れます。2人体制で学習すると、アシスタントは実際に画面に映り(右側)、アシスタントの括弧付きの台本や、チャットへの回答を読み上げられます。1人だけで学習した場合もアシスタントは存在しますが、声だけで、画面にはもう1人の姿は映りません。

映像を配信方法に合わせる

ライブ配信の5つの方法のうち3つは、自分で撮影した映像に依存しており、それぞれ少しずつ異なる学習クリップを必要とします。実際に使うモードに合わせて撮影してください。

モード 撮影するもの 学習の種類 重要な設定
標準のAIデジタルヒューマン 出演者が自然に話し、動くショートクリップ。 Digital human、V5の見た目 —
Smart Recordedストリーム 良い照明と安定したカメラで撮った、自分がホストを務める3〜4時間の映像。 Digital human、V5の見た目 Smart Recorded Onlyにチェック
Human Takeover 配信時と同じ固定の環境、照明、距離で撮ったクリップ。 Digital human、V5の見た目 配信時のカメラは1920×1080

Smart Recordedオプション

Smart Recordedは、あなた自身の長い収録をインタラクティブな配信に変えます。視聴者には実際の収録映像が見え、質問がくるとAIがあなたの声で、あなたの口の動きに合わせて答えます。設定するには、良い照明と安定したカメラで自分がホストを務める3〜4時間を収録し、デジタルヒューマンとして学習します。V5の見た目でアップロードし、Smart Recorded Onlyにチェックを入れてください。商品の台本を書く必要はありません。BOXが音声認識によって収録から台本を作成し、商品が紹介されたときにポップアップする商品カードを追加できます。視聴者は本物の収録をAIのリップシンク付きで見ているため、重複除去は不要です。

Human Takeoverの映像について

Human Takeoverは別物です。このモードでは実在の人物が配信の顔になり、AIは台本に合わせて口を動かすだけです。このモードでのAIアバターではありません。ただし学習済みの見た目の恩恵は受けられるので、ガイダンスとしては、実際にライブで座る固定の環境、照明、距離で撮った映像でV5の見た目を学習させてください。学習クリップが本番の条件に近いほど、引き継ぎがスムーズになります。

アバターに声を与える

見た目には声が必要です。アバターの学習後は、数秒のクリアな音声から声をクローンするか、用意されたボイスから選べます。ボイスには2つのファミリーがあります。V6(主に英語向けに調整)とV10(英語も対応しますが、外国語の声向けに作られています)です。V10は600以上の言語に対応し、よく使われる言語は配信設定時にあらかじめ読み込まれています。特定の言語でライブ配信するには、その言語で短いサンプルを録音し、それでV10の声を学習させ、台本をその言語で書きます。そうすれば、ホストは自分自身の声でその言語を話します。読み込まれていない言語の場合は、コンテンツを翻訳して貼り付けるか、追加をリクエストしてください。声のクローンも、アバターの作成と同様に含まれています。声とライブルームの手順の詳細はSyntopia BOX完全ガイドにあります。

AIアバターを作る:ステップバイステップ

1 · 撮影出演者が自然に話して動く、安定して明るいクリップを撮ります。
2 · アップロードしてV5を選ぶBOXのStep 1 — Create digital humanで、クリップをアップロードし、V5の見た目を選びます。
3 · 学習BOXがアバターモデルを作成します。そのモードならSmart Recorded Onlyにチェック。
4 · 2人体制?ホスト+アシスタントを撮影し、mouth closedにチェックして、アシスタントだけが話すようにします。
5 · 声を追加数秒の音声から声をクローンするか、用意されたボイスを選びます。
6 · ライブ配信ライブルームを作り、映像と音声をプラットフォームに送ります。

AIアバターの作成は、すべてのSyntopia BOXプランに含まれています。現在のプランは料金ページで確認し、完全ガイドに沿ってライブルームを作成し、配信を開始してください。

日本のセラー向け:学習素材と配信の考え方

日本のライブコマースでは、視聴者は「人が話している感じ」と「商品の細部が見えること」を重視する傾向があります。商品を手に取って向きを変えて見せる、衣類なら着用感を見せる、といった実演の質が購入を左右しやすいため、学習素材でも動きと商品の扱いを意識して撮ると効果が出やすくなります。TikTokやYouTubeなど、日本の視聴者が普段使っているプラットフォームでの配信を前提に、画面の明るさや照明の色味が実際の視聴環境で自然に見えるかも確認してください。

配信時間は日本時間(JST)で考え、夜の時間帯に視聴が集中しやすい点を踏まえて、スケジュールを組むと良いでしょう。セール期間や年末年始、お盆、年度末などの季節の商戦に合わせて、学習済みのホストを使い分ける運用もおすすめです。AIホストであることを表示すべき場面では、その表示をわかりやすく行い、返品や表示に関する国内のルールに沿って商品説明を準備してください。

よくある質問

Syntopia BOXでAIアバターを作るには、どんな映像が必要ですか?

出演者の短い動画です。安定したカメラ、均一で良い照明、すっきりした背景で撮影し、出演者には自然に話して動き、レンズを見てもらいます。映像が自然でクリーンなほど、学習後のAIアバターも自然に見え、動きます。

V5の見た目とは何ですか? なぜV5を選ぶのですか?

V5は、学習動画をアップロードするときに選ぶアバターの見た目です。最も早く、最も信頼性の高いセットアップが得られ、デジタルヒューマン、Smart Recorded、Human Takeoverの公式ウォークスルーで使われているバージョンです。最初のアバターには、V5が推奨のデフォルトです。

2人体制でAIアバターを学習できますか?

はい。2人を映して学習動画を撮影し、メインホストは左、アシスタントは右に配置します。「mouth closed」オプションにチェックを入れると、アシスタントが話している間ホストは口を閉じたままになります。2人体制の学習ではアシスタントが画面に映り(右側)、1人の学習ではアシスタントは声だけになります。

Smart Recordedのアバターと標準のAIアバターはどう違いますか?

標準のAIアバターは、短いクリップから生成された合成ホストです。一方Smart Recordedは、あなた自身の3〜4時間の長い収録を使います。視聴者は実際の収録を見ており、AIがあなたの声で回答をリップシンクします。V5の見た目でデジタルヒューマンとして学習させ、Smart Recorded Onlyにチェックを入れます。

AIアバターを1体作るごとに追加料金がかかりますか?

いいえ。AIアバターの作成は、すべてのSyntopia BOXプランに含まれています。以前はアバター1体あたり$1,380で課金されていました。複数のアバターを作成して学習させ、それぞれに独自の声を与えることができます。

AIアバターに自社の商品を持たせたり、身につけさせたりできますか?

はい。学習後、アバターは実際の人のように動き、商品を顔の近くで持ち上げたり、服を着てカメラに見せたりできます。もちろん、向きを変える、身振りをする、休憩を取ることもできます。そのため、学習映像で自然な動きを撮ることが大切なのです。

あなたのショップでAIホストをライブ配信しませんか?

著者について

Des Damakov
執筆者

Desislav Damakov

I’m the Co-Founder and CEO of LiveBuzz Studio

毎月のニュースレターを メールでお届け

投稿をシェア

よくある質問

よくある ご質問

SYNTOPIAは、ハイパーリアルでインタラクティブなAIアバターを生み出し、企業や個人がオーディエンスとつながる方法に革新をもたらします。当社のアバターにできること:
How long can an avatar live broadcast?

アバターのトレーニングが完了すると、ご購入のプランに応じてライブ配信を行うことができます。

いいえ、未使用の時間は繰り越されません。毎月、時間はリセットされます。

はい、カスタムアバターをご注文いただけます。2つの方法があります。

  1. お客様ご自身でモデルを撮影し、そのデータを当社にご提出いただければ、Syntopiaプラットフォームにアップロードいたします。
  2. 当社がお客様に代わってモデルを撮影することも可能です。

ご自身で撮影される場合は、こちらの撮影ガイドラインに従ってください: カスタムアバター撮影ガイド。

はい、カスタムアバターはSyntopiaプラットフォーム上でお客様だけに表示されます。
カスタムアバターをご提出いただく際は、モデルご本人の肖像の使用について適切な許諾が得られていることを確認するため、モデルリリース(出演承諾書)と身分証明書をご提出いただく必要があります。
アバターのトレーニングでは、モデルのデータをアップロードするか、モデルを撮影した後、当社のシステムがアバターを処理・微調整し、ライブ配信中に期待どおりに振る舞い、やり取りできるようにします。トレーニングにかかる時間は、アバターの複雑さや種類によって異なります。

AI Video Platformを お試しになりませんか?

史上初のハイパーリアルでインタラクティブなデジタルライブ配信。コメントへの返信、視聴者への挨拶、そして商品やサービスの販売まで、24時間365日対応します!

🇯🇵日本語