🎨 Seedream 5.5 — ByteDance の最新画像モデル：ネイティブ透過背景、最大 2K、最大 10 枚の参照画像で編集！

試してみる！
Logo
動画モデル/video/text-to-video

daVinci MagiHuman テキスト/画像から動画生成 オーディオ同期付き

daVinci MagiHumanで動画を作成 - Sand.aiとSII GAIR Labが共同開発した150億パラメータのオープンソース音声動画基盤モデル。テキストや画像から同期した動画と音声を生成、7言語で業界最高のリップシンク精度。最大1080p、5-10秒。シングルストリームTransformerアーキテクチャ、H100 1枚で5秒256p動画をわずか2秒で生成。

daVinci MagiHuman テキストから動画へのギャラリー

daVinci MagiHumanのテキストから動画への生成が持つ映画のような表現力をご体験ください。詳細なテキスト説明から、業界最高水準の7言語対応リップシンクを備えた、同期音声付きの見事な動画を作成できます。

daVinci MagiHumanで作成する

雨の東京の夜

赤いコートを着た女性が、雨の夜にネオンが輝く東京の路地を歩き、きらめく反射が映り込む。

“Rainy night in a neon-lit Tokyo alley, a woman in a red coat walks slowly under an umbrella. Reflections shimmer on wet cobblestones. Handheld camera follows her from behind, bokeh street lights, cinematic color grade, moody atmosphere.”

daVinci MagiHuman 画像から動画ギャラリー

daVinci MagiHumanで静止画を動きのある動画に変換しましょう。リアルな表情、自然な身体の動き、そしてリップシンクされた音声を備えた、シームレスな画像から動画への変換をご体験ください。

daVinci MagiHumanで作成
話すポッドキャストホスト - 1

話すポッドキャストホスト

daVinci MagiHumanとは

Sand.aiの150億パラメータオープンソース音声動画基盤モデル、業界最高のリップシンク

  1. 150億パラメータ
  2. 1080p最大解像度
  3. 7対応言語
  4. 2秒256p生成速度

daVinci MagiHumanは150億パラメータのシングルストリームTransformerで、テキストや画像から同期した動画と音声を共同生成し、7言語で14.6%の単語エラー率という業界最高のリップシンク精度を達成します。

daVinci MagiHumanの強力な機能

daVinci MagiHumanを音声動画生成で卓越させる先進機能をご覧ください

  1. 01

    音声動画同時生成

    統一されたシングルストリームTransformerアーキテクチャでself-attentionのみを使用し、1回のパスで同期した動画と音声を生成。別途の音声パイプラインは不要。

  2. 02

    業界最高のリップシンク

    リップシンクの単語エラー率14.6%を達成。Ovi 1.1（40.45%）やLTX 2.3（19.23%）を大幅に上回る音声精度ベンチマーク。

  3. 03

    7言語音声対応

    英語、中国語（普通話・広東語）、日本語、韓国語、ドイツ語、フランス語で自然な発音と唇の動きを持つ音声同期動画を生成。

  4. 04

    超高速生成

    単一のH100 GPUで5秒の256p動画をわずか2秒で生成。8ステップDMD-2蒸留によりclassifier-free guidanceなしで品質を維持。

  5. 05

    デュアル入力モード

    テキストプロンプトから動画を作成、または静止画像をアニメーション化。両モードとも設定可能なアスペクト比、解像度、5-10秒の長さに対応。

  6. 06

    最大1080p超解像

    潜在空間超解像パイプラインにより256p、540p、720p、1080pの動画を生成。追加のVAEデコード・エンコードオーバーヘッドなし。

  7. 07

    オープンソース Apache 2.0

    Apache 2.0ライセンスで完全オープンソース。ベースウェイト、蒸留モデル、超解像モデル、推論コードの完全なスタックを含み、商用利用無制限。

  8. 08

    人間中心の卓越性

    デジタルヒューマン生成に特化。表情豊かな顔の動き、リアルな体の動き、フレーム間での一貫したキャラクター保持でプロのトーキングヘッドコンテンツに最適。

daVinci MagiHuman テキストから動画の使い方

テキスト説明から同期オーディオ付き動画を生成

  1. 01

    プロンプトを書く

    作成したい動画の詳細な説明を入力してください。最適なリップシンク結果のために、主題、アクション、音声内容、希望する言語を含めてください。

  2. 02

    設定を構成

    解像度（256pから1080p）、アスペクト比（16:9または9:16）、長さ（5-10秒）を選択。7つのサポート言語から音声言語を選択。

  3. 03

    動画を生成

    生成をクリックすると、daVinci MagiHumanが1回の統一生成パスで同期オーディオとリップシンク音声付きの動画を作成します。

daVinci MagiHuman 画像から動画の使い方

静止画像を同期オーディオ付き動画にアニメーション化

  1. 01

    画像をアップロード

    アニメーション化したい人物やシーンのリファレンス画像をアップロード。daVinci MagiHumanはリアルな表情と体の動きの人間中心コンテンツに優れています。

  2. 02

    プロンプトと設定を追加

    希望するモーションとスピーチを記述。解像度（256p〜1080p）、アスペクト比、長さ（5-10秒）、7つの対応言語から音声言語を選択。

  3. 03

    アニメーション動画を生成

    生成をクリックして画像を自然なモーション、表現力豊かなパフォーマンス、リップシンクオーディオ付きのダイナミック動画に変換します。

daVinci MagiHuman YouTube動画

daVinci MagiHumanの音声動画生成機能を紹介するコミュニティのデモンストレーションとレビューをご覧ください

  • daVinci-MagiHuman: Fast Audio-Video Synthesis - AI Research Roundup
  • 达芬奇最新开源模型，革命Seedance2.0 DaVinci-MagiHuman：开源音视频生成新标杆，5秒视频2秒出，还能说6种语言！ - XIAOXIAO LI
  • LTX 2.3, Veo и Sora больше не нужны? Тестируем daVinci-MagiHuman - ServerFlow AI Lab - R&D в области ИИ и LLM
  • Ai动画224-化繁为简！daVinci-MagiHuman，快速音视频生成基础模型的单流架构，支持多国语言，音画同步，音色参考-T8 Comfyui教程 - T8star-Aix

daVinci MagiHuman YouTube動画

daVinci MagiHumanの音声動画生成機能を紹介するコミュニティのデモンストレーションとレビューをご覧ください

daVinci MagiHuman X での人気レビュー

X (Twitter) で daVinci MagiHuman について何を言っているか見てみましょう

他のモデルを見る

人気の AI モデルをここでそのまま試せます。

すべてのモデル

料金

料金

あなたに合ったプランを選んでください。隠れた料金や予期せぬ費用はありません。

一回限り は暗号通貨決済に対応 (BTC, USDT, ETH, 350+) · 月間請求

無料

購入前にお試し

無料
32クレジット
  • 最大 3 動画
  • 最大 32 画像
  • マルチモデル対応
  • テキストから動画
  • 画像から動画
  • 動画から動画
もっと見る (+11)
  • キャラクター一貫性
  • AIアニメーション生成
  • テンプレートとエフェクト
  • AI動画エンハンサー
  • インタラクティブコミュニティ
  • 高速生成
  • 透かしなし出力
  • カメラワーク追加
  • 動画プライバシー
  • コピー保護
  • 優先サポート

Pro

人気

AIエクスペリエンスを向上

29.99USD / 1ヶ月
800
800 クレジット/月
  • 最大 80 動画
  • 最大 800 画像
  • 3 タスク(並列タスク)
  • マルチモデル対応
  • テキストから動画
  • 画像から動画
もっと見る (+12)
  • 動画から動画
  • キャラクター一貫性
  • AIアニメーション生成
  • テンプレートとエフェクト
  • AI動画エンハンサー
  • インタラクティブコミュニティ
  • 高速生成
  • 透かしなし出力
  • カメラワーク追加
  • 動画プライバシー
  • コピー保護
  • 優先サポート

Lite

AIの旅を始めよう

19.99USD / 1ヶ月
300 クレジット/月
  • 最大 30 動画
  • 最大 300 画像
  • 3 タスク(並列タスク)
  • マルチモデル対応
  • テキストから動画
  • 画像から動画
もっと見る (+12)
  • 動画から動画
  • キャラクター一貫性
  • AIアニメーション生成
  • テンプレートとエフェクト
  • AI動画エンハンサー
  • インタラクティブコミュニティ
  • 高速生成
  • 透かしなし出力
  • カメラワーク追加
  • 動画プライバシー
  • コピー保護
  • 優先サポート
  • Card
  • BTC, USDT, ETH および 350+ 種類の暗号通貨に対応
詳細な価格を見る

よくある質問

daVinci MagiHumanの音声動画生成に関するよくある質問

他にご質問は？

[email protected]DiscordDiscordに参加チケットを送信
daVinci MagiHumanは2つの主要な入力モードに対応しています：テキストから動画（テキストプロンプトから同期オーディオ付き動画を生成）と画像から動画（静止画をオプションのオーディオ付きモーション動画にアニメーション化）。両モードとも設定可能なアスペクト比（16:9横向き、9:16縦向き）、最大1080p解像度、5-10秒の長さに対応しています。
daVinci MagiHumanは7言語での同期音声生成に対応しています：英語、中国語（普通語）、広東語、日本語、韓国語、ドイツ語、フランス語。リップシンクの単語エラー率14.6%を達成し、Ovi 1.1（40.45%）やLTX 2.3（19.23%）を大幅に上回ります。
daVinci MagiHumanは複数の解像度に対応：256p（最速）、540p（超解像）、720p、1080p（超解像）。動画の長さは1秒刻みで5秒から10秒まで設定可能。横向き（16:9）と縦向き（9:16）の両方のアスペクト比に対応しています。
単一のNVIDIA H100 GPUで、daVinci MagiHumanは5秒の256p動画を約2秒で生成します。より高い解像度では：540pは約8秒、1080pは約38.4秒かかります。この速度はclassifier-free guidanceなしの8ステップDMD-2蒸留により実現されています。
はい、daVinci MagiHumanはSand.aiとSII GAIR LabによりApache 2.0ライセンスで完全にオープンソース化されています。ベースモデルの重み、蒸留モデル、超解像モデル、推論コードを含む完全なスタックが利用可能で、無制限の商用利用が可能です。
daVinci MagiHumanは、self-attentionのみを使用するユニークなシングルストリームTransformerアーキテクチャ（cross-attentionやマルチストリームパスなし）により、単一モデルでの音声動画同時生成を実現する点で際立っています。業界最高のリップシンク精度（14.6% WER）を達成し、7言語に対応、人間評価でOvi 1.1に対して80%の勝率を記録しています。

プライバシー設定

サービスに必要な保存機能を使用します。任意の分析、広告、便利機能は、許可するまで無効です。 プライバシーポリシー