AIアバタービデオ

スクリプト作成からマルチシーン制作まで、リアルなAIトーキングヘッドビデオ作成のための完全なフレームワーク。

---

パート1: アバタービデオ戦略（スタンドアロン）

1.1 トーキングヘッドコンテンツ用スクリプト作成

アバタースクリプトは、作成された文章ではなく、自然な会話のように聞こえる必要があります。以下のルールに従ってください:

ペーシングルール

トーン	1秒あたりの単語数	30秒あたりの単語数	スタイル
会話的	2.5～3.0	75～90	自然なポーズ、フィラーワードはOK
プロフェッショナル	2.0～2.5	60～75	クリーンで測定された話し方
エネルギッシュ/営業	3.0～3.5	90～105	速い、キャッチー、短い文
教育的	1.8～2.2	54～66	より遅い、理解のためのポーズ付き

認証性マーカー

本物の人のように聞こえるスクリプトには以下が含まれます:

• 縮約: 「I am」ではなく「I'm」、「do not」ではなく「don't」
• 文の断片: 「This is quite impressive, is it not?」ではなく「Pretty cool, right?」
• カジュアルな遷移: 「So here's the thing...」/ 「Now, this is where it gets interesting...」
• 直接的な呼びかけ: 「You know what? You're gonna love this.」
• 自己修正: 「It's fast — actually, it's really fast.」

アバタースクリプト向けフック・ツー・CTA構造

15秒スクリプトテンプレート:

フック (0～3秒): [パターン割込みまたは質問 — 8～12単語]
ブリッジ (3～7秒): [フックから製品へ接続 — 15～20単語]
ベネフィット (7～12秒): [コア価値提案 — 15～20単語]
CTA (12～15秒): [明確な次のステップ — 8～12単語]

30秒スクリプトテンプレート:

フック (0～3秒): [注目を集める — 8～12単語]
問題 (3～8秒): [共感可能なペインポイント — 15～25単語]
ソリューション (8～15秒): [製品導入＋主要機能 — 20～30単語]
証明 (15～22秒): [社会的証明またはデモンストレーション — 15～25単語]
CTA (22～30秒): [緊急性＋次のステップ — 15～25単語]

60秒スクリプトテンプレート:

フック (0～5秒): [強力なオープニング — 12～18単語]
ストーリー/問題 (5～15秒): [共感可能なシナリオ — 25～40単語]
発見 (15～25秒): [製品を見つけた方法 — 25～35単語]
機能 (25～40秒): [2～3つの主要なベネフィット（具体例付き） — 35～50単語]
証明 (40～50秒): [結果、証言、データ — 25～35単語]
CTA (50～60秒): [説得力のあるクローズ — 20～30単語]

スクリプトの「すべき」と「してはいけない」

すべき	してはいけない
短い文を使う（8～15単語）	長い複合文を書く
「...」で自然なポーズを含める	ポイントからポイントへ急ぐ
難しい単語は音声的に書く	文脈なしに専門用語や頭字語を使う
明確なアクションで終わる	尻すぼみで終わるまたは唐突に終わる
スクリプトのトーンをアバターの年齢/スタイルに合わせる	プロフェッショナルアバターでZ世代のスラングを使う

1.2 アバター/ペルソナ選択フレームワーク

適切なアバターを選択することは、スクリプトと同じくらい重要です。デモグラフィックスをターゲットオーディエンスに合わせてください。

業界別の信頼シグナル

業界	理想的なアバタープロフィール	理由
ヘルスケア/サプリメント	30～50歳、プロフェッショナルな外観	信頼性と信用
ビューティー/スキンケア	20～35歳、共感可能、身だしなみが良い	ピア推奨効果
テック/SaaS	25～40歳、カジュアル-プロフェッショナル	アプローチ可能な専門知識
ファイナンス/保険	35～55歳、スーツ着用、権威的	信頼と安定性
フィットネス	25～35歳、アスレティック、エネルギッシュ	願望的だが達成可能
食品/飲料	25～45歳、温かい、親しみやすい	共感可能なライフスタイル
教育	30～50歳、親切で、プロフェッショナル	威圧感のない権威
DTC/Eコマース	20～30歳、カジュアル、本物らしい	UGC/ピア推奨

ダイバーシティの考慮事項

• 複数のデモグラフィックスをテストする — 異なるオーディエンスは異なるプレゼンターに反応します
• 市場に合わせる: ジオターゲット設定キャンペーンではローカルに見えるアバターを使用します
• 性別でA/Bテストする: 一部の製品は男性プレゼンター対女性プレゼンターでより良く変換します（推測しないでテストしてください）
• 年齢の一致: アバターはあなたの顧客のように見えるべき、またはあなたの顧客が信頼する人のように見えるべき

1.3 マルチシーン構成ガイド

マルチシーンビデオは、シングルショットトーキングヘッドよりもダイナミックに見え、注意をより強く保ちます。

シーンを切り替えるタイミング

• 速いペースのコンテンツの場合は5～8秒ごと（TikTok/Reels）
• 中程度のペースの場合は8～15秒ごと（YouTube、フィード広告）
• 主要な遷移ポイントごと（問題 → ソリューション、機能 → 機能）

シーン遷移のベストプラクティス

1. スピーチブレークでカット — 自然なポーズでシーンを切り替える
2. スピーカー/背景を交互に — アバター、背景、またはその両方を変更する
3. Bロール挿入を使用 — トーキングセグメント間の製品ショット
4. ストーリーを進める — 各シーンはナレーティブを進めるべき

推奨シーン構造

2シーン（15秒）:

シーン1: フック＋問題（アバタートーク、ニュートラル背景）
シーン2: ソリューション＋CTA（アバタートーク、製品関連背景）

3シーン（30秒）:

シーン1: フック＋問題（アバターA、オフィス背景）
シーン2: ソリューション＋機能（アバターA、製品デモ背景）
シーン3: 社会的証明＋CTA（アバターAまたはB、ブランド背景）

5シーン（60秒）:

シーン1: フック（アバター、目を引く背景）
シーン2: 問題の深掘り（アバター、共感可能な設定）
シーン3: 製品導入（製品Bロールまたはデモ）
シーン4: 機能＋証明（データ/レビューオーバーレイ付きアバター）
シーン5: CTA（アバター、クリーンなブランド背景）

1.4 オーディオ&音声ベストプラクティス

感情のモジュレーション

• 興奮: やや速いペース、より高いエネルギー、ベネフィットワードの強調
• 共感: より遅いペース、柔らかいトーン、ペインポイント後のポーズ
• 権威: 測定されたペース、自信のあるトーン、宣言的な文
• 緊急性: 速いペース、短い文、時間/スケアシティワードの強調

発音ガイダンス

製品名、ブランド名、または技術用語については:

• スクリプトで音声的に書く: 「Creatify」 → 「cree-ATE-ih-fy」
• ピリオドを使用して1文字ずつ: 「A.I.」は「ai」ではなく「A I」と読む
• 数字: 「15%」ではなく「fifteen percent」と書く

ポーズの配置

• フックの後（沈ませる）
• CTA前（期待を構築）
• 驚くべき統計を述べた後
• 主要なセクション間

市場別のアクセント選択

• 米国市場: 標準的なアメリカ英語
• 英国市場: 英国RP または軽い地域的アクセント
• グローバル/ニュートラル: 標準的なアメリカ英語（最も普遍的に理解される）
• ローカルキャンペーン: ターゲット地域にリージョナルアクセントを合わせる

1.5 グリーンスクリーン/透明背景技術

透明背景を持つAIアバターは以下にオーバーレイできます:

ユースケース	アプリケーション
ウェブサイトウィジェット	ランディングページで機能を説明するアバター
製品デモ	スクリーン録画をナレーションするアバター
メールサムネイル	フルビデオにリンクするアバタービデオ
プレゼンテーション	スライドの隅にあるアバタープレゼンター
ソーシャル広告	製品画像またはBロール上のアバター

透明オーバーレイのベストプラクティス

• モバイルオーバーレイには9:16形式、スクエア配置には1:1を使用
• アバターを下3分の1またはカラーサイドに配置（メインコンテンツをブロックしない）
• ジェスチャーを限定的に — 広いアームムーブメントはエッジでクリップするかもしれません
• アバターの照明をバックグラウンド照明方向に合わせる
• 透明性のためWebM形式を使用（MP4はアルファチャネルをサポートしていません）

1.6 UGCスタイルアバター戦略

AIアバターを本物のユーザー生成コンテンツのように感じさせる:

ビジュアル認証性キュー

• カジュアルな背景: リビングルーム、キッチン、屋外 — スタジオではない
• 自然な照明: やや暖かい、完全に均等ではない
• カジュアルなフレーミング: やや中央からずれて、電話のセルフィー角度
• 最小限のブランディング: 最初の3秒はロゴなし

UGCのためのスクリプトトーン

• 一人称: 「I've been using this for 2 weeks and...」
• 不完全な言葉: 「Honestly? I was skeptical at first」
• 具体的な詳細: 「I ordered the blue one on Tuesday」（「I purchased the product」ではなく）
• 感情的な反応: 「I was literally shook when I saw the results」
• 会話的な余談: 「Okay but wait, it gets even better」

UGCアバター選択

• 20～35歳、カジュアルに着た服を見えるアバターを選択
• 「洗練されすぎた」プレゼンターを避ける — やや不完全 = より本物らしい
• アバターをカスタマーデモグラフィックに合わせる
• 複数のアバターをテスト — UGCパフォーマンスはプレゼンター別に大きく異なります

---

パート2: API自動化

アバタービデオ制作を大規模に自動化します。

2.1 セットアップ&認証

import requests

CREATIFY_API_ID = "your-api-id"
CREATIFY_API_KEY = "your-api-key"

HEADERS = {
    "Content-Type": "application/json",
    "X-API-ID": CREATIFY_API_ID,
    "X-API-KEY": CREATIFY_API_KEY,
}
BASE_URL = "https://api.creatify.ai/api"

APIキーをまだ持っていませんか? 問題ありません — 2分以内に取得できます:

1. creatify.ai で無料でサインアップ
2. Settings → API に移動
3. API IDとAPI Keyをコピー — 完了です。新規アカウントは開始用の無料クレジットを取得します。

def poll_until_done(url, headers, max_wait=600, interval=10):
    """ステータスエンドポイントをポーリングしてジョブが完了するまで待ちます。"""
    import time
    elapsed = 0
    while elapsed < max_wait:
        resp = requests.get(url, headers=headers)
        data = resp.json()
        if data.get("status") == "done":
            return data
        elif data.get("status") in ("failed", "error"):
            raise Exception(f"Job failed: {data.get('failed_reason', 'Unknown')}")
        time.sleep(interval)
        elapsed += interval
    raise TimeoutError(f"Job did not complete within {max_wait}s")

2.2 AI Avatar v1（シングルシーン）

テキストから単一のアバターが話しているビデオを生成します。シンプルで高速、短いコンテンツに最適です。

コスト: 30秒あたり5クレジット

利用可能なペルソナをリストアップ

def list_personas():
    """1,500以上の利用可能なアバタープレーン一覧を取得します。"""
    resp = requests.get(f"{BASE_URL}/personas/", headers=HEADERS)
    resp.raise_for_status()
    return resp.json()  # 各項目は以下を含みます: id, name, gender, thumbnail, など

アバタービデオを作成

def create_avatar_video(text, creator_id, aspect_ratio="9:16", model_version="aurora_v1_fast"):
    """テキストからシングルシーンのアバタービデオを生成します。"""
    resp = requests.post(f"{BASE_URL}/lipsyncs/", headers=HEADERS, json={
        "text": text,
        "creator": creator_id,
        "aspect_ratio": aspect_ratio,
        "model_version": model_version,
    })
    resp.raise_for_status()
    return resp.json()

def check_avatar_status(lipsync_id):
    """アバタービデオ生成のステータスをチェックします。"""
    resp = requests.get(f"{BASE_URL}/lipsyncs/{lipsync_id}/", headers=HEADERS)
    resp.raise_for_status()
    return resp.json()

透明背景のアバターを作成

def create_transparent_avatar(text, creator_id, aspect_ratio="9:16"):
    """透明な背景を持つアバターを生成します（WebM形式）。"""
    resp = requests.post(f"{BASE_URL}/lipsyncs/", headers=HEADERS, json={
        "text": text,
        "creator": creator_id,
        "aspect_ratio": aspect_ratio,
        "transparent_background": True,
    })
    resp.raise_for_status()
    return resp.json()

2.3 AI Avatar v2（マルチシーン）

異なるアバター、音声、背景、シーンごとのCTAを使用したマルチシーンビデオを作成します。

コスト: 30秒あたり5クレジット

def create_multi_scene_video(scenes, aspect_ratio="9:16", webhook_url=None):
    """マルチシーンのアバタービデオを作成します。

    scenes: リスト、各項目は以下を含む辞書:
        - text (str): このシーンのスクリプト
        - creator (str): アバタープレーナID
        - voice_id (str, optional): 音声をオーバーライド
        - background (str, optional): 背景画像/ビデオURL
    """
    payload = {
        "scenes": scenes,
        "aspect_ratio": aspect_ratio,
    }
    if webhook_url:
        payload["webhook_url"] = webhook_url

    resp = requests.post(f"{BASE_URL}/lipsyncs_v2/", headers=HEADERS, json=payload)
    resp.raise_for_status()
    return resp.json()

# 例: 3シーンの製品広告
scenes = [
    {
        "text": "Stop what you're doing. I need to tell you about something.",
        "creator": "18fccce8-86e7-5f31-abc8-18915cb872be",
    },
    {
        "text": "This serum literally transformed my skin in two weeks. No exaggeration.",
        "creator": "18fccce8-86e7-5f31-abc8-18915cb872be",
    },
    {
        "text": "Link is in my bio. Trust me, your future self will thank you.",
        "creator": "18fccce8-86e7-5f31-abc8-18915cb872be",
    },
]

video = create_multi_scene_video(scenes, aspect_ratio="9:16")

2.4 Aurora（イメージ＋オーディオ → ビデオ）

参照画像とオーディオファイルからスタジオグレードのアバタービデオを生成します。最高レベルのリップシンク。

コスト: 30秒あたり5クレジット

def create_aurora_video(image_url, audio_url, model_version="aurora_v1_fast", webhook_url=None):
    """イメージ＋オーディオからスタジオグレードのアバタービデオを生成します。"""
    payload = {
        "image": image_url,
        "audio": audio_url,
        "model_version": model_version,
    }
    if webhook_url:
        payload["webhook_url"] = webhook_url

    resp = requests.post(f"{BASE_URL}/aurora/", headers=HEADERS, json=payload)
    resp.raise_for_status()
    return resp.json()

def check_aurora_status(aurora_id):
    """Aurora生成のステータスをチェックします。"""
    resp = requests.get(f"{BASE_URL}/aurora/{aurora_id}/", headers=HEADERS)
    resp.raise_for_status()
    return resp.json()

2.5 テキスト音声変換

スクリプトをスタジオ品質のボイスオーバーオーディオに変換します。

コスト: 30秒あたり1クレジット

def list_voices():
    """すべての利用可能なTTS音声とアクセントをリストアップします。"""
    resp = requests.get(f"{BASE_URL}/voices/", headers=HEADERS)
    resp.raise_for_status()
    return resp.json()

def generate_tts(script, accent_id, webhook_url=None):
    """スクリプトからボイスオーバーオーディオを生成します。"""
    payload = {
        "script": script,
        "accent": accent_id,
    }
    if webhook_url:
        payload["webhook_url"] = webhook_url

    resp = requests.post(f"{BASE_URL}/text_to_speech/", headers=HEADERS, json=payload)
    resp.raise_for_status()
    return resp.json()

def check_tts_status(tts_id):
    """TTS生成のステータスをチェックします。"""
    resp = requests.get(f"{BASE_URL}/text_to_speech/{tts_id}/", headers=HEADERS)
    resp.raise_for_status()
    return resp.json()

2.6 音声クローニング

ブランド一貫性のためにカスタム音声をクローンします。

def clone_voice(audio_url, name):
    """オーディオサンプルから音声をクローンします。"""
    resp = requests.post(f"{BASE_URL}/voices/clone/", headers=HEADERS, json={
        "audio_url": audio_url,
        "name": name,
    })
    resp.raise_for_status()
    return resp.json()

2.7 カスタムアバター（BYOA）

独自のビデオをアップロードしてカスタムアバタープレーナを作成します。

注: カスタムアバター作成には処理/承認に1～2日かかります。

def create_custom_avatar(lipsync_video_url, name, gender="m", scene="office"):
    """独自のビデオからカスタムアバターを作成します。"""
    resp = requests.post(f"{BASE_URL}/personas/", headers=HEADERS, json={
        "lipsync_input": lipsync_video_url,
        "creator_name": name,
        "gender": gender,
        "video_scene": scene,
    })
    resp.raise_for_status()
    return resp.json()

def check_custom_avatar_status(persona_id):
    """カスタムアバター作成のステータスをチェックします。"""
    resp = requests.get(f"{BASE_URL}/personas/{persona_id}/", headers=HEADERS)
    resp.raise_for_status()
    return resp.json()

2.8 レシピ

レシピ: TTS → Auroraパイプライン

先にオーディオを生成し、任意の画像とペアリングしてアバタービデオを作成します。

def tts_to_aurora(script, accent_id, image_url):
    """パイプライン: スクリプト → オーディオ → アバタービデオ。"""
    # ステップ1: オーディオを生成
    tts = generate_tts(script, accent_id)
    tts_result = poll_until_done(
        f"{BASE_URL}/text_to_speech/{tts['id']}/", HEADERS, max_wait=120
    )
    audio_url = tts_result["output"]

    # ステップ2: Auroraビデオを生成
    aurora = create_aurora_video(image_url, audio_url)
    aurora_result = poll_until_done(
        f"{BASE_URL}/aurora/{aurora['id']}/", HEADERS, max_wait=600
    )

    return aurora_result

レシピ: バッチアバターA/Bテスト

複数のアバターで同じスクリプトをテストして最高のパフォーマーを見つけます。

def batch_avatar_ab_test(script, creator_ids, aspect_ratio="9:16"):
    """同じスクリプトで複数のアバターを生成してA/Bテストを行います。"""
    jobs = []
    for creator_id in creator_ids:
        video = create_avatar_video(script, creator_id, aspect_ratio)
        jobs.append({"creator_id": creator_id, "video_id": video["id"]})

    results = []
    for job in jobs:
        try:
            result = poll_until_done(
                f"{BASE_URL}/lipsyncs/{job['video_id']}/", HEADERS, max_wait=600
            )
            results.append({
                "creator_id": job["creator_id"],
                "video_url": result.get("output") or result.get("video_output"),
                "status": "done"
            })
        except Exception as e:
            results.append({
                "creator_id": job["creator_id"],
                "error": str(e),
                "status": "failed"
            })

    return results

レシピ: マルチスクリプトアバターバッチ

同じアバターで複数のスクリプトを生成してフックをテストします。

def multi_script_batch(scripts, creator_id, aspect_ratio="9:16"):
    """同じアバターで複数のスクリプトを生成します。"""
    jobs = []
    for script in scripts:
        video = create_avatar_video(script, creator_id, aspect_ratio)
        jobs.append({"script": script[:50], "video_id": video["id"]})

    results = []
    for job in jobs:
        try:
            result = poll_until_done(
                f"{BASE_URL}/lipsyncs/{job['video_id']}/", HEADERS, max_wait=600
            )