D-ID AI動画ジェネレーター

D-ID（d-id.com）はトーキングアバタースタジオです。公式FAQ：Creative Reality™ Studioは司会者の写真、ライブラリのアバター、または生成した顔を、打った脚本またはアップロードした音声で話すMP4にします。出力上限は5分。標準プレゼンターは最大1280×1280、HQはTrial / Pro / Advanced / Enterpriseで1080p。ImgToVidはD-IDを実行しません。このページの生成器はTalking Avatar——OmniHuman 1.5：静止画1枚と声のトラック、最短3秒を開きます。

01 — 主な機能

話す写真であり、8秒のテキストモデルではない

公開のD-IDページは顔アニメーションを売ります。尺と画の数字はスタジオ規則です。ここにある実働ボタンは別のトーキング静止画の仕事です。

01
写真、ライブラリ、または生成した顔
FAQ：プレゼンターを選ぶ、JPEG/PNGをアップロード（10 MB、顔は少なくとも200×200）、または顔を生成。キャンバスは横、正方形、縦。口は脚本、アップロード、クローンで駆動され、空白のテキスト動画プロンプトではありません。
02
5分でスタジオは止まる
FAQ：Creative Reality StudioとAPIは出力を5分に上限。音声アップロードは10 MB、同じ5分の天井。MP3、FLAC、M4A、MP4、WAV。1クレジットは最大15秒の動画と記載。
03
1280×1280、HQなら1080p
標準AI Presenter：全プラン最大1280×1280。Premium HQ：Trial、Pro、Advanced、Enterpriseで1080p——Liteにはない。出力はMP4。透かしは残る。Enterpriseはカスタムできても削除はできない。
04
このページはTalking Avatarを動かす
OmniHuman 1.5は最初のフレーム写真と声のトラックを取ります。尺は音声に従い、最短3秒。クレジットは音声1秒あたり20。D-IDのスタジオは開かず、打ったD-ID脚本も受けません。

02 — プロンプトと出力

上のクリップに対応するプロンプト

各プロンプトはカード上の絵を説明します。「このプロンプトを使う」はそれでもCreateへ行きます。Talking Avatarは静止画と音声が必要で、このプロンプトをOmniHuman入力としては読みません。

01 · ポートレート
プロンプト灰色のニットを着た巻き毛の若い男性のクローズアップ、柔らかい窓光。視線を外してから微笑む。ゆっくり寄る、浅い被写界深度。
02 · プロダクト
プロンプト淡いグレーのスタジオ背景に白いレザースニーカー、柔らかい拡散光。カメラがゆっくり周回。縫い目はシャープ、見た目はミニマル。
03 · ストリート
プロンプト古いヨーロッパの村の石畳の路地をゆっくりドリー。石壁のバラ、朝日のカフェテーブル、遠くを歩く人。
04 · キャラクター
プロンプト肩までの茶髪の若い女性、オリーブのTシャツ、夕方の金の光。頭を向けて画面外を見る。髪に風、手持ちの感触。

03 — 活用シーン

話す写真スタジオが売っている仕事

公開のD-ID文案は話すべき顔を指します。このページの実働経路も話すべき静止画ですが、別エンジンです。

脚本を読むべきヘッドショット
それがCreative Realityの仕事：プレゼンターに打った行またはアップロード、最大5分、119言語。ImgToVidはそのスタジオを実行しません。
ここで話さなければならない肖像
このページのTalking Avatarを使う。写真と少なくとも3秒の台詞をアップロード。口はトラックに従います。
ライブエージェントや翻訳クリップ
D-IDはAgents（アップロード文書へのチャット）とVideo Translate（10秒から5分、最大2 GB）も売ります。それらの製品はd-id.comに残ります。
プロンプトだけのショット
D-IDもTalking Avatarも顔が必要です。文だけならSeedanceでショットを書いてください。

04 — 評価

D-IDが実際に何か

強み

公式：写真＋脚本または音声、MP4最大5分
標準最大1280×1280、HQ 1080p
119言語。キャンバスは横、正方形、縦
このページで生成できる：Talking Avatar、OmniHuman 1.5

注意点

D-ID自体はImgToVidに配線されていない
スタジオの透かしは完全には消せない
Talking Avatarは音声ファイルが必要で、D-IDの脚本枠ではない
実働経路のクレジットは音声の長さに比例

05 — 比較

D-ID、Veo 3.1、Kling 4.0

D-IDはトーキングアバタースタジオです。Veo 3.1とKling 4.0の数字は各ベンダーの公開ドキュメントです。ワンショット生成器であり、5分の司会者書き出しではありません。

	D-ID	Veo 3.1	Kling 4.0
開発元	D-ID	Google DeepMind	Kuaishou
1本の長さ	最大5分（FAQ）	4、6、または8秒	3–30秒
映像	標準1280×1280、HQ 1080p	720p、1080p、4K、24 fps	720p、1080p、4Kを掲載
音	脚本、アップロード、クローン。119言語	ネイティブ、映像と同時	ステレオ、リップシンク付き
起点	司会者写真またはライブラリ＋脚本/音声	プロンプト、静止画、最初と最後のフレーム	キーフレームまたは15参照
ImgToVid	Talking Avatarを今すぐ	近日公開	近日公開

06 — 使い方

ImgToVidで話す静止画を始める

ステップ 1
Talking Avatarを受け入れる
実行するモデルはD-IDではありません。生成器はOmniHuman 1.5から始まります。
ステップ 2
静止画と声のトラックを足す
先に写真、音声は少なくとも3秒。プロンプトだけではこのシリーズは始まりません。
ステップ 3
Createで生成する
会員とクレジットはそこで確認されます。ここに戻っても実行はD-IDのスタジオに切り替わりません。

07 — バージョン

このページが実際に開くシリーズ

Createシリーズは1つ。ディレクトリ名はD-ID、実行はTalking Avatarです。

Talking Avatar
Talking Avatar：OmniHuman 1.5。静止画1枚と音声、尺はトラックから、最短3秒。
Create で開く

08 — よくある質問

D-IDを平たく

D-IDとは？

D-IDはトーキングアバターの会社です。d-id.comのCreative Reality™ Studioは司会者の写真を打った脚本またはアップロード音声で動かし、MP4、最大5分。同じサイトはAgents、Video Translate、APIも売ります。ImgToVidはD-IDをホストしません。

ImgToVidでD-IDを生成できますか？

できません。このページの生成器はTalking Avatar（OmniHuman 1.5）を動かし、静止画を音声に合わせて動かします。写真と少なくとも3秒の声のトラックが必要です。

D-IDの長さは？

D-IDのFAQはCreative Reality StudioとAPIを5分に上限。音声アップロードも同じ天井。このページのTalking Avatarの尺はあなたの音声に従い、3秒から始まります。

音声を出しますか？

D-IDでは：脚本を打つ（音声合成）、録音をアップロード、掲載プランで声クローン。スタジオFAQは119言語。このページのTalking Avatarは音声を作りません——トラックをアップロードします。

どの画サイズで書き出せますか？

D-ID FAQ：標準プレゼンター最大1280×1280、HQはLite以外1080p。キャンバスは横、正方形、縦。このページのTalking AvatarはD-IDの画素段階を公開しません。

結果は商用利用できますか？

ImgToVidで生成したものの商用利用はプラン次第です。公開前にPricingとTermsを確認し、プロンプトとアップロードが他人の権利を侵さないようにしてください。