Sync Lipsync 2と2 Pro｜顔の寄りと口元の修正費で選ぶ

公式モデル表は両モデルをStudioとAPIの提供対象として掲載しています。APIでの正確な識別子は lipsync-2 と lipsync-2-pro。個々のアカウントで使えるモデルは、公式のモデル一覧APIで確認する設計です。

細部保持は提供元の説明です。今回、歯やひげの再現性、発音との同期、処理時間を同一素材で測っていません。顔領域の512×512と、動画全体の縦横サイズは別の項目として扱います。

比較に使うのは、話者の顔が見え、自然に話している元映像です。静止画を長く並べた動画や、口が動かない区間をProへ渡すだけで直す計画は避けます。顔の寄りが強いカットなら、Proの細部補正を確認する意味があります。引きの画でも、顔が小さすぎて検出できない素材は別に扱います。

ファイル仕様ではMP4動画とWAVまたはMP3音声を互換性の高い組合せとして案内しています。出力はH.264へ再エンコードされ、HDRはSDRへ変換され、透明部分も保持されません。既存のカラーグレーディングへ戻す案件では、モデルの選択と別に、色・フレームレート・出力尺を元映像と照合する工程を入れます。

動画と音声の長さが違うときはsync_modeが結果を変えます。cut_offは短い方で終了、remapは映像の速度を音声尺へ合わせます。台詞の末尾を残したい案件では、モデル変更より先に尺の不一致を直す判断が必要です。

従来の月額＋従量課金は出力フレーム数に基づきます。25fps換算の公表単価は通常版が0.04〜0.05米ドル／秒、Proが0.067〜0.083米ドル／秒。30秒なら通常版1.20〜1.50米ドル、Pro2.01〜2.49米ドルという計算になります。月額料金は別で、実際には同じプランの単価同士を使います。

クレジット課金へ移行した組織では、25fps換算で通常版が約5 credits／秒、Proが約8.3 credits／秒です。30秒で約150 creditsと約249 credits。1 creditを使用量上0.01米ドルに換算する規則と、クレジットの購入価格は別で、追加購入単価はプランにより異なります。従来プランの割引単価を、この方式の請求額へそのまま当てはめません。

いずれも公式表からの計算例です。生成や購入は実施していません。別のfps、出力尺、再試行、追加の音声処理があれば費用は変わります。

1. 元映像の発話が止まる区間、口を隠す手、顔の向き、音声の末尾を確認し、両モデルへ渡す素材と尺を固定する。
2. 通常版で条件を確認する。顔の寄りで歯やひげに修正が必要なら、その区間をProでも比較する候補にする。
3. Proの追加解析を使った場合は設定を記録し、通常版と異なる条件が結果へ影響した可能性を残す。
4. 口の同期だけでなく、色の差、顔の輪郭、字幕との尺、書き出し後のfpsを検収する。

この順番は、追加費用を払う対象を「Proという名前」から「納品時に直したい口元の問題」へ具体化するための提案です。実際にProで改善したという制作実績ではありません。