D
DaVinci MagiHuman
1枚の人物写真と音声・テキストから口パク動画を作るオープンソースモデル
デフォルトのカバー
紹介
daVinci-MagiHumanは、Sand.aiとGAIR Labが開発した150億パラメータのオープンソースモデルです。1枚の顔写真と台本または音声から、話す動画を音声と映像を同時に生成します。ライセンスはApache 2.0です。
- 掲載日
- 2026年11月2日
- ウェブサイト
- davinci-magihuman.com
- 会社
- Sand.ai and GAIR Lab (Shanghai Jiao Tong University)
製品情報
DaVinci MagiHumanとは？
daVinci-MagiHumanは、人物画像と台本または音声から話す動画を作る150億パラメータのオープンソースモデルで、単一のTransformerで映像と音声を同時に扱います。
DaVinci MagiHumanの使い方
人物の写真と、台本または音声ファイルを用意し、公開されている重みを使ってローカルでモデルを実行すると、口の動きが合った動画が生成されます。
DaVinci MagiHumanの主な機能
- 音声と映像の同時生成
- 1枚の写真からトーキングヘッド作成
- 多言語のリップシンク
- Apache 2.0ライセンス
- H100クラスGPUでの高速推論
- 低い単語誤り率
DaVinci MagiHumanの活用例
- 1静止画の人物からマーケティング用アバターを作成
- 2口の動きが合う多言語の教育コンテンツ
- 3低遅延のデジタルヒューマン
- 4SNS向けトーキングヘッドのプロトタイプ
DaVinci MagiHumanに関するよくある質問
daVinci-MagiHumanの特長は何ですか?+
音声と映像を一度に生成するため、音声合成と動画を別々に組み合わせる必要がなく、同期しやすい点です。
商用利用はできますか?+
はい、Apache 2.0ライセンスのため、商用利用・改変・ローカル運用が認められています。
必要なハードウェアは?+
GPUの性能に左右されます。NVIDIA H100クラスで2秒の動画を約2秒で生成できると報告されています。
DaVinci MagiHumanはどのカテゴリに入っていますか？+
DaVinci MagiHumanはAIアバター動画に掲載されています。