Skip to content
Stork.AIstork.ai

無料AIトーキングフォト

どんな写真も話し出します。顔写真を追加し、自分の声を録音またはアップロードすると、唇、頭、表情が音声に合わせて動く動画ができあがります。テキストを入力して内蔵の声に読ませることもできますが、対応は英語など10言語で、日本語はまだありません。無料でお試し、クレジットカード不要です。

フォーマット
解像度

無料オプションは720p

1. 顔が1人はっきり写った写真
2. 話す内容（1 分まで）

内蔵の声はまだ日本語に対応していません。ご自身の声をアップロードまたは録音するか（どの言語でも使えます）、対応する10言語のいずれかでテキストを入力してください。

Googleでログインすれば無料。クレジットカードは不要です。

使い方

  1. 1
    写真をアップロード

    1人の顔がおおよそカメラを向いている写真なら何でも使えます。自撮り、ポートレート、昔の家族写真など。JPG、PNG、WebPに対応しています。

  2. 2
    話す内容を用意する

    MP3、WAV、M4Aをアップロードするか、ブラウザで録音します。日本語を含め、どの言語でも使えます。無料では1分まで、クレジットを使えば長さ制限なしです。テキストを入力して声を選ぶこともできます。声は22種類で、英語、アラビア語、ヒンディー語、ウルドゥー語、フランス語、スペイン語、ポルトガル語、イタリア語、ロシア語、トルコ語に対応し（日本語は未対応）、動画を作る前に無料で試聴できます。

  3. 3
    動画をダウンロード

    トーキング動画は約1分で完成します（その日の最初の1本は2分ほどかかることがあります）。写真全体はそのままで、顔だけが動きます。

トーキングフォトとは？

トーキングフォトとは、1枚の静止画から作る短い動画のことです。AIモデルが音声の中の言葉を読み取り、口が正しいタイミングで正しい形になるように顔を動かし、頭や目も自然に動かします。Storkは顔だけを動かして元の写真に合成するため、背景、服装、構図は撮影したときのまま残ります。

こんな用途に

家族写真に命を吹き込む

祖父母の写真が、家族の声で誕生日のメッセージを伝えます。

撮影せずにカメラに向かって話す

顔写真を、短い自己紹介、近況報告、お知らせの動画にできます。

キャラクターに声を与える

肖像画、絵画、イラストのキャラクターを動かして、物語や投稿に使えます。

個人的なビデオメッセージ

挨拶、お礼、招待を、写真が自分の言葉で伝えます。

関連記事

ポッドキャストや講義をまるごと動画にする →

よくある質問

AIトーキングフォトは無料ですか？
はい。Googleで無料ログインすれば、1日2本、1本あたり1分までのトーキング動画を作成できます。無料動画には隅に小さなstork.aiロゴが入り、動画がAI生成であることを視聴者に伝える役割も果たします。クレジットカードは不要です。
ロゴを外したり、もっと長い動画を作ったりできますか？
はい、Storkクレジットで可能です（1クレジット＝1セント、パックは$5から、自動チャージも設定可能）。「ロゴなし」は無料動画と同じエンジンを使い、720pで1分$0.20です。「Pro」はより鮮明で安定しており、720pで1分$0.40です。480pはこれより安く、1080pは高くなります。YouTube向けの16:9、ShortsやReels向けの9:16、または1:1から選べます。どちらも長さの制限がないため、YouTube向けの長尺動画も作れます。課金は10秒単位（端数は切り上げ）で、最低5クレジットです。料金は生成した長さの分だけで、動画の作成に失敗した場合はクレジットを全額お返しします。開発者の方は、Talking Photo API（stork.ai/developers/talking-photo-api）から同じ料金で利用できます。
どんな写真が向いていますか？
1人の顔がおおよそカメラを向いている、明るくはっきりした写真です。自撮り、顔写真、ポートレートはどれも使えます。顔がとても小さい写真、横顔、集合写真はうまくいきません。
話す内容をテキストで入力するだけでも使えますか？
はい、ただし内蔵の声はまだ日本語に対応していません。テキスト入力では、10言語（英語、アラビア語、ヒンディー語、ウルドゥー語、フランス語、スペイン語、ポルトガル語、イタリア語、ロシア語、トルコ語）・22種類の声から選び、「試聴」を押して先に確認できます。無料オプションでも、約1分の音声までテキスト入力は無料です。日本語で話させたい場合は、ご自身の声を録音するか、音声ファイルをアップロードしてください。
自分の声を使えますか？
はい。ブラウザで直接録音するか、話している音声ファイルをアップロードしてください。日本語を含めどの言語でも使え、ほかのテキスト読み上げツールで作った音声でもかまいません。唇の動きは、用意した音声に合わせて同期します。
どのくらい時間がかかりますか？
短い動画なら約1分です。長い動画は音声そのものとほぼ同じ時間（Proは約2倍）がかかり、しばらく利用がなかった後はレンダラーの起動に最大2分ほど加わります。ページを開いたままにする必要はありません。長い動画が完成したらメールでお知らせします。
他人の写真を動かしてもいいですか？
ご自身の顔、または本人の許可を得ている場合に限ります。トーキングフォトを、人をだます、なりすます、嫌がらせをする目的で使用してはいけません。
写真と音声はどう扱われますか？
アップロードされたデータを販売することは決してありません。写真、音声、動画は保管し、Storkの運営と改善のために、AIサービスの利用を含めて確認・分析します（たとえば音声の文字起こしや写真の内容の記述）。ダウンロードリンクは14日間有効です（クレジットで作成した動画は30日間）。support@stork.ai までメールをいただければ、ファイルを削除します。