基盤となる AI モデルと提供事業者
以下のモデルは、当社のリップシンク、写真を話させる機能、音声、短編動画のワークフローに使用されています。AudioToVideoAI の製品名はサービスのプランやワークフローを示すものであり、基盤モデルを当社が学習させたと主張するものではありません。
- AudioToVideoAI 2 Fast / Fast Multi
モデル：InfiniteTalk Fast · 開発元：MeiGen-AI
Alibaba の Wan 2.1 を基盤としています。
API サービス：WaveSpeedAI
モデルのドキュメント- AudioToVideoAI 2 Pro / Pro Multi
モデル：InfiniteTalk · 開発元：MeiGen-AI
Alibaba の Wan 2.1 を基盤としています。
API サービス：WaveSpeedAI
モデルのドキュメント- AudioToVideoAI Expressive
モデル：OmniHuman 2.0 · 開発元：ByteDance
API サービス：WaveSpeedAI
モデルのドキュメント- LTX 2.3 / LTX Fast
モデル：LTX-2.3 · 開発元：Lightricks
API サービス：fal.ai
モデルのドキュメント- Zroq / Zrok
モデル：Grok Imagine · 開発元：xAI
API サービス：EvoLink
モデルのドキュメント- テキスト読み上げと音声クローン
モデル：S2 Pro · 開発元：Fish Audio
API サービス：Fish Audio
モデルのドキュメント- HeyGen Video Translate
モデル：Video Translate · 開発元：HeyGen
API サービス：Replicate
モデルのドキュメント
第三者のモデル名はそれぞれの開発元を示します。利用可能なモデルは選択した機能によって異なります。AudioToVideoAI は独立したサービスであり、モデルの掲載はその開発元による推奨を意味しません。
AI コンテンツ基準と通報Choose the right model faster
Short answer: this catalog groups every AudioToVideoAI model by workflow so users can quickly find the best fit for dubbing, talking-head video, audio-driven generation, or text-to-video creation.
Each model page now follows the same product-style structure: simple hero, live workspace, examples, use cases, specs, and FAQ.
動画から動画
既存の映像に新しい音声や動きを反映します。
音声から動画
会話や音楽の音声から、リアルなリップシンク動画を生成します。
テキストから動画
テキストの指示から話す動画を直接生成します。
Browse by workflow
動画から動画
既存の映像に新しい音声や動きを反映します。
音声から動画
会話や音楽の音声から、リアルなリップシンク動画を生成します。
テキストから動画
テキストの指示から話す動画を直接生成します。
吹き替え
多言語の音声吹き替えに適したモデルです。
新着
最近追加された最新モデルです。
Why this catalog works better
Users can start from the workflow they already understand instead of decoding technical model names first.
Each card leads to a focused product page with a live creation area, example output, and quick answers before the user commits time or credits.
That makes the catalog easier to use because discovery and action now happen in the same flow.
動画から動画
既存の映像に新しい音声や動きを反映します。
Sync Lipsync 2.0
PopularBalanced quality and speed for general lip‑sync dubbing.
Sync Lipsync 2 Pro
Higher facial detail and realism for close‑ups.
Sync React‑1
Emotion‑aware sync with subtle facial expression control.
Sync Lipsync 1.9
Legacy, lightweight option for fast processing.
LatentSync
Diffusion‑based sync with strong temporal consistency.
PixVerse LipSync
Reliable video lip sync with fast turnaround.
VEED LipSync
Clean, straightforward lip sync for standard formats.
音声から動画
会話や音楽の音声から、リアルなリップシンク動画を生成します。
LongCat Multi‑Avatar
Stable talking heads for longer content and multi‑speaker scenes.
LongCat Single‑Avatar
Consistent identity for single‑speaker narration.
OmniHuman
Turn a single photo and audio into a lip‑synced digital human video.
LTX 2.3
NewHigh-quality audio-to-video generation for stylized talking clips.
Kling LipSync (Audio‑to‑Video)
Audio‑driven lip sync with high precision.
テキストから動画
テキストの指示から話す動画を直接生成します。
吹き替え
多言語の音声吹き替えに適したモデルです。
新着
最近追加された最新モデルです。