生成AIパスポート 用語集テキスト・画像・音声・動画の生成AI
リップシンクとはりっぷしんく
リップシンクの意味
リップシンクとは、人物の口の動きを音声に合わせて同期させる技術です。生成AIの分野では、特定の人物の画像や映像の口元を、別に用意した音声に合わせて自然に動かすことを指します。近年の技術進化により、バーチャルヒューマンの制作などに広く応用されるようになっています。
生成AIパスポート試験の対策なら → 無料の合格アプリ
詳しい解説
もともとリップシンクは、アニメのキャラクターの口の動きをセリフに合わせる作業や、歌手が録音に合わせて口を動かすことなどを指す言葉でした。AIの発達により、音声を入力するだけで、その発音に合った口の形や表情を自動で生成できるようになりました。
音声生成AIと組み合わせれば、1枚の顔写真から話しているような動画を作る、外国語に吹き替えた動画で口の動きも吹き替え後の言語に合わせる、といった表現が可能です。娯楽からビジネスまで、利用の場面が広がっています。
一方で、実在の人物が実際には言っていない発言をしているかのような映像を作れてしまうため、ディープフェイクに悪用される危険もあります。本人の同意なく使うことは、肖像権や名誉毀損の問題につながります。
試験のポイント
- 「画像の口の動きを音声に同期させる技術」という定義を押さえる
- 応用先としてバーチャルヒューマンの制作が挙げられている
- 音声生成AIの進化とセットで紹介されている
- ディープフェイクへの悪用リスクとも関連づけて理解する
リップシンクの確認問題（○×）
リップシンクとは、画像や映像の中の人物の背景を自動で別の風景に差し替える技術である。
答えと解説を見る
答え：×
リップシンクは、人物の口の動きを音声に合わせて同期させる技術です。