D-IDとは？AIアバターが話す仕組みと2026年の最新機能
D-IDはどこの会社？何ができるサービスなのか
室谷代表取締役D-IDって、イスラエル発の会社が運営してるAIアバター動画のプラットフォームなんですよね。2017年創業で、写真や動画、音声といった素材から「台本どおりに話すアバター動画」を作れるサービスです。
テキトー教師DotAI 認定講師たしかに。初めて触る人は「カメラの前で喋らなくていいの？」ってところでまず驚きますね。
素材を入れて文章を書けば、口元と表情が動いて話し出すので。
素材を入れて文章を書けば、口元と表情が動いて話し出すので。
室谷代表取締役そこが事業としては効いてくるんですよ。研修動画を一本撮り直すたびにスタジオと人手を押さえるコスト、あれがまるごと消えるわけですから。
MYUUUでも動画の外注費は無視できない額なので、この構造は普通に脅威なんですよね。
MYUUUでも動画の外注費は無視できない額なので、この構造は普通に脅威なんですよね。
テキトー教師DotAI 認定講師撮り直しが効くのは現場でも大きいです。ただ動きが完璧というわけでもないので、固有名詞の読み方なんかは公開前に一度試聴して確認する前提で考えておくといいですよ。
写真1枚からアバターが話す仕組み
室谷代表取締役で、仕組みのほう。アバターの作り方は大きく4方式あって、いちばん手軽なのは正面の写真1枚から作るタイプなんですよね。
テキトー教師DotAI 認定講師そうなんですよ。素材が1枚でも、台本と音声を入れると口の動きと表情を合わせて話してくれる。
しかもこの方式はリアルタイムの会話にも使えるんですよね。
しかもこの方式はリアルタイムの会話にも使えるんですよね。
室谷代表取締役一方で自分の映像から作る上位の方式だと、本人がカメラの前で同意文と画面上のパスコードを読み上げる確認が要る。なりすまし対策として当然の設計で、これを面倒と見るか、信頼の担保と見るかで導入判断が変わってきます。
テキトー教師DotAI 認定講師顔を扱うサービスですからね。その一手間があるほうが社内に堂々と出せる、という声は現場でよく聞きます。
2026年に追加されたAgentic VideosとV4 Expressive Avatars
室谷代表取締役2026年に入って、Agentic VideosとV4 Expressive Avatarsという新しい動きが出てきてるんですよね。
テキトー教師DotAI 認定講師Agentic Videosは、動画を見ている途中や見終わったあとに、音声やチャットでその動画自体に質問できる機能です。V4のほうは感情表現が入ったアバター。
従来の「読ませるだけ」の動画とは質感が変わってきますね。
従来の「読ませるだけ」の動画とは質感が変わってきますね。
室谷代表取締役動画が一方通行じゃなくなる、これが地味に大きい。商品説明の動画に「で、保証はどうなってるの？」と聞けば答えが返ってくる。
問い合わせ対応に張り付いていた人の工数が動画側に寄るので、費用対効果の計算式そのものが変わるんですよ。
問い合わせ対応に張り付いていた人の工数が動画側に寄るので、費用対効果の計算式そのものが変わるんですよ。
テキトー教師DotAI 認定講師「動画は途中で離脱される」が前提だったのが、質問できるなら最後まで見る理由になる。制作の考え方自体が変わりそうですね。
「D-ID AI」と呼ぶとき何を指す？名称の整理
室谷代表取締役最後に名前の整理をしておくと。世間では D-ID AI と呼ばれてますけど、公式のサービス名は D-ID で、中身は用途ごとに分かれてるんですよ。
テキトー教師DotAI 認定講師そうですね。ブラウザで作業するのが Studio、システムに組み込むのが API、リアルタイムで会話するのが Visual AI Agents（もともとは Chat.D-ID）。
同じ会社の別プロダクトなので、話が噛み合わないことがけっこうあるんですよ。
同じ会社の別プロダクトなので、話が噛み合わないことがけっこうあるんですよ。
室谷代表取締役用語が混ざったまま社内の稟議に上がってくると、だいたい見積もりがズレる。先に「何を作りたいのか」を決めてから製品名を選ぶ、この順番が大事なんですよね。
テキトー教師DotAI 認定講師そこを最初にそろえておくと、後の比較がすごくラクになります。
D-IDの始め方と動画生成の手順｜登録から書き出しまで
アカウント登録からダッシュボードまでの流れ
- 公式サイトの「Start Free Trial」を開く
- Google などの外部アカウント、またはメールアドレスで新規登録する
- 利用目的に関する質問に回答する
- ダッシュボードにアクセスする
室谷代表取締役最初のハードルがとにかく低いんですよ。無料トライアルは14日間で、動画・Agents・翻訳・APIを合わせて3分ぶんまで試せる。
まず触ってから判断できるのは大きいですよね。
まず触ってから判断できるのは大きいですよね。
テキトー教師DotAI 認定講師初めて触る人が戸惑うのが、登録直後の質問項目なんです。ここで手が止まる人、けっこういます。
後から変えられるので、近いものを選んで先に進んでしまって大丈夫ですよ。
後から変えられるので、近いものを選んで先に進んでしまって大丈夫ですよ。
室谷代表取締役ただ無料トライアルは個人利用ライセンスなので、仕事で使うつもりなら商用可否を先に押さえておくべきなんですよね。その線引きは次の料金の話で掘ります。
テキトー教師DotAI 認定講師そうですね。登録自体は数分で終わるので、さっさとダッシュボードまで行ってしまうのが結果的に早いです。
アバターを選んで台本を入れる｜動画生成の基本フロー
D-IDで動画を作る基本フロー
- 01「+ Create video」を選ぶホーム画面から開始
- 02アバターを選ぶライブラリから選ぶ、または自社の人物画像をアップロード
- 03台本を入力する「Script」に台本を入力。音声ファイルのアップロードやStudio上での録音も可
- 04音声を選ぶ「Voice」で言語・音声を選択
- 05発音を確認する再生ボタンで試聴
- 06背景・テキスト・画像・動画を追加する
- 07「Generate video」をクリックする
- ホーム画面で「+ Create video」を選ぶ
- ライブラリのアバターを選ぶ、または自社の人物画像をアップロードする
- 「Script」に台本を入力する（音声ファイルのアップロードやStudio上での録音も可）
- 「Voice」で言語・音声を選ぶ
- 再生ボタンで発音を確認する
- 背景・テキスト・画像・動画を追加する
- 「Generate video」をクリックする
室谷代表取締役ダッシュボードまで来たら、あとは一本道なんですよ。上の順番で進めば最初の1本は作れます。
テキトー教師DotAI 認定講師現場でよく聞くのは、アバターを選ぶ段階で止まるケースなんです。種類が多くて選べない、と。
最初はライブラリから近い印象のものを選ぶだけで十分で、凝るのは2本目からでいいと思います。
最初はライブラリから近い印象のものを選ぶだけで十分で、凝るのは2本目からでいいと思います。
室谷代表取締役構造として見ると、台本さえ固まれば残りはテンプレート的に回せるんですよね。だから制作コストの大半は台本の設計に寄る。
ここは人件費の話と直結します。
ここは人件費の話と直結します。
テキトー教師DotAI 認定講師あと、リアルタイムで会話するAgentは動画生成とは別で、左サイドバーの「Agents」から作ります。同じ画面で混ざりやすいので注意なんですよ。
音声・背景・テキストの調整と試聴のコツ
室谷代表取締役台本に日本語テキストを入れて読み上げさせることは可能なんですよ。ただ、固有名詞や英数字が混ざると、意図した読み方にならないことがある。
テキトー教師DotAI 認定講師そこ、ハマる人多いんです。社名や型番をそのまま書くと、思ったのと違う読みになる。
だから「Voice」で音声を選んだら、生成前に再生ボタンで必ず聴く。これだけで手戻りがかなり減ります。
だから「Voice」で音声を選んだら、生成前に再生ボタンで必ず聴く。これだけで手戻りがかなり減ります。
室谷代表取締役一回の生成で消費するクレジットは決まっているので、読み直しで作り直すと積み上がっていくんですよね。試聴はコスト防御だと思ってます。
テキトー教師DotAI 認定講師背景も同じで、派手にするとアバターが沈むんです。最初は無地に近いほうが表情の動きが見えて、調整の勘所をつかみやすいですよ。
台本と音声、どちらから作ると早い？
テキトー教師DotAI 認定講師これ、聞かれることが多いんです。順番を逆にすると、あとから台本を削る羽目になるので。
先に台本を短く整えてから音声を選ぶのが、結局いちばん早いです。
先に台本を短く整えてから音声を選ぶのが、結局いちばん早いです。
室谷代表取締役同意でして。音声から入ると、尺に合わせて文章を削る作業が発生する。
編集の手戻りは制作コストに直結するので、テキストを先に固めるのが合理的なんですよね。
編集の手戻りは制作コストに直結するので、テキストを先に固めるのが合理的なんですよね。
テキトー教師DotAI 認定講師あと、書き出したあとに気づくのが、話し言葉になっていない台本なんです。読み上げ前提なので、漢語を並べるより短い文で区切るほうが自然に聞こえます。
室谷代表取締役この「読み上げ前提で書く」というスキル、日本の現場ではまだ言語化されてないんですよね。外注するか内製するかの判断どころになります。
D-IDの料金プラン｜StudioとAPIの違いと商用利用の条件
Studioの5プラン｜Trial・Lite・Pro・Advanced・Enterpriseの料金と違い
D-ID Studio 料金プラン比較
| プラン | 月額(月払い/年払い換算) | 月の動画量 | 商用利用 |
|---|---|---|---|
| Trial | $0 | 14日間で合計3分 | 不可(個人利用のみ) |
| Lite | $5.90 / $4.70 | 10分 | 不可(個人利用のみ) |
| Pro | $29 / $16 | 15分 | 可 |
| Advanced | $196 / $108 | 100分 | 可 |
| Enterprise | 個別見積り | 個別 | 可 |
室谷代表取締役まず、ブラウザで動画を作るStudio側の料金を一枚にしておきますか。ここを押さえないと後が全部ぼやけるんですよね。
テキトー教師DotAI 認定講師お願いします。最初に戸惑うのが、無料でどこまで試せて、どこからお金が要るのかの線引きなんですよ。
| プラン | 月払い | 年払い換算 | 月の利用量 | 商用利用 |
|---|---|---|---|---|
| Trial | $0 | - | 14日間で合計3分 | 不可 |
| Lite | $5.90 | $4.70/月 | 10分 | 不可 |
| Pro | $29 | $16/月 | 15分 | 可 |
| Advanced | $196 | $108/月 | 100分 | 可 |
| Enterprise | 個別見積り | - | 個別 | 可 |
室谷代表取締役年払いにするとLiteが20%引き、ProとAdvancedは45%引きなんですよ。ここまで差がつくと、月払いで様子を見るより、最初から年で握った方が得だという判断になる。
テキトー教師DotAI 認定講師Personal Avatarの数も、Liteが1体、Proが3体、Advancedが5体と増えていくんですよ。ただ、クレジットの消費のされ方や翌月への繰り越しの扱いはプランで変わるので、契約前に公式の料金ページを見ておくのが安心ですね。
商用利用はPro以上｜無料・個人利用ライセンスの範囲
室谷代表取締役で、実務で一番効くのが商用の線なんですよ。TrialとLiteは個人利用ライセンスで、仕事の動画には使えない。
テキトー教師DotAI 認定講師そこ、現場でよく聞くんですよ。「無料で作れました」の後に「これ客先に出していいんですか」で手が止まるパターン。
室谷代表取締役その線が取れるのがProから。月15分で$29、年払いなら$16/月です。
ただし汎用AIマークが入るので、そのまま広告に出すよりは自社サイトや社内研修の方が向いてる。カスタムロゴを入れたいならAdvancedですね。
ただし汎用AIマークが入るので、そのまま広告に出すよりは自社サイトや社内研修の方が向いてる。カスタムロゴを入れたいならAdvancedですね。
テキトー教師DotAI 認定講師プラン名が違うだけで用途がガラッと変わるんですね。個人で試すのか、会社の看板で出すのかで選び方が分かれると。
無料トライアルの条件｜14日間・合計3分・ウォーターマーク
テキトー教師DotAI 認定講師無料トライアルの条件も整理しておきたいです。14日間で、動画とAgents、Video Translate、APIを全部合わせて3分まで。
しかも全面にウォーターマークが入ります。
しかも全面にウォーターマークが入ります。
室谷代表取締役3分って短いようで、検証には意外と足りるんですよね。30秒のテストを6本撮れる計算なので。
ROIを見るなら、自社の課題をひとつ決めて、それだけで使い切るのが一番早い。
ROIを見るなら、自社の課題をひとつ決めて、それだけで使い切るのが一番早い。
テキトー教師DotAI 認定講師最初から欲張ると、あっという間に使い切って「よく分からないまま終わった」になりがちなんですよ。
室谷代表取締役あとトライアルは個人利用のみで、そのまま仕事には使えない。ここを先に頭に置いておかないと、後で全部作り直しになりかねないんですよね。
APIはStudioと別体系｜Build・Launch・Scaleと商用利用の条件
室谷代表取締役最後に、システムに組み込むAPI側。これはStudioとはまったく別の体系なんですよ。
テキトー教師DotAI 認定講師そこ、勘違いが多いんですよね。Studioの契約がそのままAPIでも使えると思い込んで、プランを確認せずに進んじゃう。
室谷代表取締役年払い換算の最小パッケージがBuild $14.40/月、Launch $35/月、Scale $138.60/月。Trial・Build・Launch・Scaleの4段階に、Enterpriseが個別見積りで乗る形です。
商用ができるのはLaunch以上で、Buildは個人利用ライセンスなんですよね。
商用ができるのはLaunch以上で、Buildは個人利用ライセンスなんですよね。
テキトー教師DotAI 認定講師なるほど。自社サービスに載せるなら、最初からAPI側の前提で予算を組む、と。
アバターの種類と本人確認｜V2・V3・V4は何が違う？
4種類のアバター方式｜素材とリアルタイム可否の違い
アバター4方式の比較
| 方式 | 素材 | リアルタイム対話 |
|---|---|---|
| V2 Photo Avatar | 正面の写真1枚 | ○ |
| V3 Instant Avatar | 短い本人動画 | × |
| V3 Pro Avatar | 3〜5分程度の本人動画 | ○ |
| V4 Expressive Avatar | 感情を収録した動画 | ○ |
室谷代表取締役D-IDのアバターって「写真1枚から作る」イメージが強いんですけど、実際は4方式あるんですよね。素材もリアルタイム可否もバラバラで・・・
テキトー教師DotAI 認定講師そこ、最初に戸惑うところです。名前だけ見ると、数字が大きい方が新しいんでしょ、くらいの理解で止まっちゃうんですよ。
室谷代表取締役並べるとこうです。
| 方式 | 素材 | リアルタイム対話 |
|---|---|---|
| V2 Photo Avatar | 正面の写真1枚 | 対応 |
| V3 Instant Avatar | 短い本人動画 | 非対応 |
| V3 Pro Avatar | 3〜5分程度の本人動画 | 対応 |
| V4 Expressive Avatar | 感情を収録した動画 | 対応 |
テキトー教師DotAI 認定講師V3 Instantだけリアルタイムに乗っていないのがミソで。動画を書き出す用と、その場で会話させる用は別物なんですよ。
V3 Proでできること｜高品質な本人動画と音声クローン
室谷代表取締役V3 Proは音声クローンが付いてくるのが効くんですよ。本人の声で喋らせられるので、研修動画だと別撮りが要らなくなる。
テキトー教師DotAI 認定講師現場でよく聞くのは「顔は本人なのに声が違うと一気に安っぽく見える」という声ですね。視聴者がそこで違和感を拾っちゃうんですよ。
室谷代表取締役経営目線で言うと、ナレーターの手配と収録の段取りがまるごと消えるわけで。動画制作の外注にかけてた手間がそのまま浮くのは大きいんですよね。
テキトー教師DotAI 認定講師ただ素材が3〜5分程度の動画なので、そこは覚悟がいるんですよ。短い動画で済ませたい人はInstantのままでいいと思います。
自分の映像からアバターを作るときの同意認証の流れ
室谷代表取締役ここが実務で一番詰まるところで。自分の映像からV3系のアバターを作るときは、本人確認の手続きが必須なんですよ。
テキトー教師DotAI 認定講師そうなんですよ。手順としては、
- Webカメラを用意して本人が映る状態にする
- 画面に表示された同意文を読み上げる
- 画面に出る動的パスコードを読み上げる
テキトー教師DotAI 認定講師この「動的パスコード」がポイントで、録音した音声を流すだけ、みたいな抜け道を潰しているんですよ。
室谷代表取締役肖像権まわりをここまで仕組みで縛ってくれているのは、企業として導入する側からすると安心材料なんですよね。稟議で必ず聞かれるところなので。
用途別にどのアバターを選ぶか
室谷代表取締役で、どれを選ぶかですが。動画を一度作って配るだけならV3 Instantで足りるし、その場で会話させたいならリアルタイム対応のV2かV3 ProかV4、という分かれ方なんですよ。
テキトー教師DotAI 認定講師初めて触る人は上のグレードを選びがちなんですけど、リアルタイムにしないなら手間のかかる素材を用意する意味は薄いんですよね。
室谷代表取締役逆に接客や窓口で使うなら、表情の豊かさがそのまま印象になる。先に用途を決めてから方式を選ぶのが、結局いちばん無駄がないんですよ。
日本語は使える？管理画面・音声・翻訳の実際
管理画面のUIは日本語化されていない
まとめ
日本語は使える？管理画面・音声・翻訳の実際
- 管理画面のUIは日本語化されておらず、メニューは英語のまま
- 台本欄に日本語を打ち込めば、そのまま日本語で読み上げてくれる
- 音声ライブラリは全体で120以上の言語やアクセントに対応
- 日本語の発音は固有名詞や英数字が混ざると崩れることがあるため、公開前に必ず試聴する
- 固有名詞だけ自分で録音してアップロードする運用が現実的
- Video Translateの尺の上限はTrialが30秒、Lite・Pro・Advancedが5分、Enterpriseが30分
- 対応する出力言語数は公式ページによって「30+」と「40以上」で表記が揺れているため、申し込み前に公式で確認する
- 公式サイトやヘルプセンターを見る限り、日本語UIや日本語サポート窓口の案内は確認できない
室谷代表取締役D-IDのStudio、最初に戸惑うのが画面なんですよ。UIは日本語化されていなくて、メニューは英語のまま。
日本のユーザーには地味に効くところで・・・
日本のユーザーには地味に効くところで・・・
テキトー教師DotAI 認定講師たしかに、そこは最初に戸惑うところですね。ただ、台本の欄に日本語を打ち込めば、そのまま日本語で読み上げてくれます。
画面は英語でも、作る中身は日本語で問題ないという感じです。
画面は英語でも、作る中身は日本語で問題ないという感じです。
室谷代表取締役なるほど。経営目線で言うと、ツールの導入コストって月額だけじゃなくて、現場が慣れるまでの時間も含むんですよね。
英語UIに抵抗があるチームだと、そこが最初のハードルになる。
英語UIに抵抗があるチームだと、そこが最初のハードルになる。
テキトー教師DotAI 認定講師現場でよく聞くのは「画面は英語だけど、やることはシンプル」という声です。動画を作る導線自体は短いので、慣れれば大丈夫なレベルです。
日本語の台本を読み上げさせる｜音声ライブラリの対応範囲
テキトー教師DotAI 認定講師音声ライブラリは全体で120以上の言語やアクセントに対応していると案内されています。なので日本語の読み上げ自体は普通にできます。
室谷代表取締役ただ、日本語の発音って固有名詞や英数字が混ざると崩れることがあるんですよね。社名や型番を読み上げさせると、意図した読み方にならない。
テキトー教師DotAI 認定講師そうなんですよ。だから公開前に必ず試聴する。
ここ、ハマる人多いんですよ。テキストだけ見て書き出して、あとから気づくパターンですね。
ここ、ハマる人多いんですよ。テキストだけ見て書き出して、あとから気づくパターンですね。
室谷代表取締役音声を自分で録ってアップロードする手もあるので、大事な固有名詞だけ録り直す、みたいな運用が現実的かなと。
Video Translateで動画を多言語化する｜対応時間の違い
室谷代表取締役既存の動画を翻訳するVideo Translate、これは尺の上限がプランで変わるんですよ。Trialは30秒まで、Lite・Pro・Advancedは5分まで、Enterpriseだと30分まで。
テキトー教師DotAI 認定講師尺で切られるのは見落としやすいですね。研修動画みたいに長い素材だと、上位プランじゃないと入りきらない。
室谷代表取締役あと細かいところで、対応する出力言語数は公式のページによって「30+」と「40以上」で表記が揺れているんですよね。だから申し込む前に公式で確認した方がいい。
テキトー教師DotAI 認定講師それは大事ですね。数字が違うと、それだけで判断を誤りますから。
「日本語サポートが充実」という説明に注意
室谷代表取締役ここははっきり言っておきたいんですけど、D-IDの日本語サポートが充実している、という書き方をしている記事があるんですよ。でも公式サイトやヘルプセンターを見る限り、日本語UIや日本語のサポート窓口の案内は確認できないんですよね。
テキトー教師DotAI 認定講師それは誤解を招きますね。画面が英語のままという事実とも話が合いませんし、初めて触る人が「日本語で聞けるはず」と思って申し込むと、ギャップが出ます。
室谷代表取締役ツール選びで一番コストが高いのは、期待値のズレなんですよ。導入前に、どこまで日本語でサポートされるのかを自分で確かめておくのが安全かと。
Canva連携とスマホアプリ｜D-IDを外部ツールから使う方法
CanvaのD-ID AI Presentersで何ができる？
- Canvaの編集画面で連携アプリ「D-ID AI Presenters」を開く
- D-IDアカウントで認証する
- 用意されたプレゼンターを選ぶ、または使用権のある人物画像をアップロードする
- 読み上げ文章または音声をアップロードして動画を生成する
テキトー教師DotAI 認定講師ここで最初に戸惑うのが「Canvaの中だけで完結する」と思い込んでしまう点なんですよ。実際はD-ID側のアカウントで認証するところから始まります。
室谷代表取締役編集はCanva、アバターの生成はD-ID、という役割分担なんですよね。Canvaで作ったデザインや資料にそのまま喋らせられるので、入口としてはかなり強いと思います。
テキトー教師DotAI 認定講師現場でよく聞くのは「資料はあるけど顔は出したくない」という相談ですね。そこにアバターを乗せられるのが、この連携の効きどころなんですよ。
CanvaとD-ID Studioは契約・クレジット・商用条件が別
室谷代表取締役ここが一番誤解されやすいところで。Canva側とD-ID Studio側は、契約も、無料で使える範囲も、消費するクレジットも、商用利用の条件も、それぞれ別に確認が必要なんですよ。
テキトー教師DotAI 認定講師たしかに。「Canvaで有料プランに入っているから大丈夫」と思い込む人が多いんですけど、話はそう単純じゃないんですよね。
室谷代表取締役D-ID Studio側は商用利用ができるのがPro以上で、それより下は個人利用に限られる、という線引きになっています。Canva側の条件はまた別の話なので、権利まわりは両方を見ておく。
経営目線で言うと、外注で動画を作っていたコストと比べるとき、この土台がどこにあるかを先に押さえておかないと、後で揉めるんですよね。
経営目線で言うと、外注で動画を作っていたコストと比べるとき、この土台がどこにあるかを先に押さえておかないと、後で揉めるんですよね。
スマホアプリ(iOS/Android)では何ができる？
室谷代表取締役出先で使いたい人向けに、モバイルアプリもiOSとAndroidで用意されているんですよね。公式の機能比較表にも並んでいます。
テキトー教師DotAI 認定講師ただ、できることの範囲がデスクトップとまったく同じとは限らないので、そこは公式の案内を見てもらうのが確実です。初めて触る人は「スマホだけで完結するのか」をまず気にしますから。
室谷代表取締役そうですね。少なくとも「スマホからも入口がある」ことは押さえておいていい。
移動中に台本だけ直して、仕上げはPCで、みたいな使い分けができるだけで体感は変わりますから。
移動中に台本だけ直して、仕上げはPCで、みたいな使い分けができるだけで体感は変わりますから。
PowerPointアドインなど他の連携方法
室谷代表取締役あとはPowerPointアドインですね。スライド資料をそのまま喋らせる、という発想なんだと思います。
テキトー教師DotAI 認定講師資料作成の流れを変えずに済むのは大きいです。研修用のスライドをそのまま動かしたい、という要望は現場でも多いんですよ。
室谷代表取締役MYUUU の現場でも、提案資料にアバターを乗せる使い方を試しているんですけど、連携の入口が増えるほど、契約とクレジットの確認先はそれぞれ別だという前提を忘れがちなんですよね。編集ツールが増えても、管理する場所は分けて考えておく。
地味ですけど、ここで事故るケースは結構あります。
地味ですけど、ここで事故るケースは結構あります。
リアルタイムで会話するVisual AI Agents(旧Chat.D-ID)とは
Chat.D-IDはVisual AI Agentsとして進化した
室谷代表取締役D-ID の AI って、動画を作るツールだと思われがちなんですけど、実は会話する側の機能も持っていて。2023年に Chat.D-ID として出たものが、今は Visual AI Agents という名前で動いてるんですよね。
テキトー教師DotAI 認定講師ここ、最初に戸惑うのが名前なんですよ。「Chat.D-IDで見た情報と今の説明が噛み合わない」となる。
同じ機能が名前を変えて進化した、という理解でいいんですよね。
同じ機能が名前を変えて進化した、という理解でいいんですよね。
室谷代表取締役中身は「アバターが画面にいて、こちらの問いかけにリアルタイムで返してくる」というもの。動画を書き出して見せるのと、対話するのとでは、そもそも体験の質が別物なんですよ。
テキトー教師DotAI 認定講師動画は「見せる」、Agentsは「応答する」。現場感覚で言うと、ここを混ぜて考えると設計がぐちゃっとなるんですよね。
用途が分かれてくる感覚、よく聞きます。
用途が分かれてくる感覚、よく聞きます。
使えるLLMと知識ベース・ツール連携
室谷代表取締役で、この Agents、中身の LLM をひとつに固定していないんですよ。OpenAI、Google、外部の Azure OpenAI 系、D-ID 自身のもの、あとはカスタムまで選べる。
ここは構造として大きい。
ここは構造として大きい。
テキトー教師DotAI 認定講師選べると聞くと自由で良さそうなんですけど、実際は「じゃあ何を選べばいいのか」で手が止まる人が多いんですよね。
室谷代表取締役それと自社資料を参照させる知識ベース、外部 API を呼び出すツール連携。つまり回答の中身を自社側で作り込めるわけで。
汎用チャットをそのまま置くのとは、責任の持ち方が変わってくるんですよ。
汎用チャットをそのまま置くのとは、責任の持ち方が変わってくるんですよ。
テキトー教師DotAI 認定講師そこは大きいですね。自社の資料を読ませて答える、と決められるだけで、現場の安心感がまるで違います。
動画生成とは別フロー｜Agentsの作成場所
室谷代表取締役作り方も別なんですよ。動画生成は「+ Create video」から。
会話する Agent は左サイドバーの「Agents」から入る。同じ Studio の中に別の入り口がある、という感覚なんですよね。
会話する Agent は左サイドバーの「Agents」から入る。同じ Studio の中に別の入り口がある、という感覚なんですよね。
テキトー教師DotAI 認定講師これ、ホーム画面だけ見て「動画しか作れないのか」と思い込む人が多いところです。サイドバーに気づくかどうかが、最初の分かれ目なんですよ。
室谷代表取締役しかも台本を書く感覚のままエージェントを触ると、会話の設計は別物なのでズレていく。ここは用途を分けて考えるべきところです。
リアルタイム対話に向くアバター方式
室谷代表取締役アバターの種類によって、リアルタイム対話に向くかどうかが分かれるんですよ。整理するとこうなります。
| アバター | リアルタイム対話 |
|---|---|
| V2 Photo Avatar | 対応 |
| V3 Instant Avatar | 非対応 |
| V3 Pro Avatar | 対応 |
| V4 Expressive Avatar | 対応 |
テキトー教師DotAI 認定講師これ、初めて触る人がいちばん引っかかる表なんですよ。短い本人動画から作る V3 Instant は対話には向かず、そっちは収録した動画を仕上げる用途なんですね。
室谷代表取締役逆に1枚の写真から作る Photo Avatar が対応している、というのが意外なんですよ。「手軽なものほど対話向き」という並びになっている。
テキトー教師DotAI 認定講師たしかに。本人映像から作るタイプは同意の手続きが要るので、対話用に使うなら最初から方式を決めてから作り始めた方がいいですね。
D-IDの活用例｜研修・マーケ・サポートでどう使われている？
社員研修・オンボーディングでの使い方
室谷代表取締役研修動画って、撮り直しのコストが地味に重いんですよね。講師の日程、会議室、編集、全部やり直しになる。
台本が1行変わるだけで同じ工程が発生するのが、経営目線だと一番もったいない。
台本が1行変わるだけで同じ工程が発生するのが、経営目線だと一番もったいない。
テキトー教師DotAI 認定講師たしかに。現場でよく聞くのは「入社手順の動画が古いまま放置されてる」という話です。
話すアバターに台本を読ませる形なら、更新は文字の修正で済みますから。
話すアバターに台本を読ませる形なら、更新は文字の修正で済みますから。
室谷代表取締役顔出し不要なのも効くんですよ。MYUUU の現場でも、撮影のために人が集まる時間そのものがコストで。
時給で換算すると、研修動画1本でかなりの工数が飛んでる計算になります。
時給で換算すると、研修動画1本でかなりの工数が飛んでる計算になります。
テキトー教師DotAI 認定講師なるほど。撮り直しのたびに人が集まる前提を外せるかどうか、そこが分かれ目ですね。
商品説明・マーケティング動画と営業支援
テキトー教師DotAI 認定講師マーケ側だと、商品説明の動画を量産する用途が多いですね。ナレーションを何パターンも録り直さずに、訴求だけ差し替えられます。
室谷代表取締役営業支援も面白くて。見込み客ごとに名前や課題を差し込んだパーソナライズ動画を送る使い方が紹介されてるんですよ。
相手ごとに撮るのは現実的じゃないので、そこを埋められる。
相手ごとに撮るのは現実的じゃないので、そこを埋められる。
テキトー教師DotAI 認定講師ただ、作りすぎると「またアバターか」って慣れが出ます。送る相手を絞ったほうが刺さる、というのが現場感覚です。
室谷代表取締役わかる。安く作れるほど、量より設計の差が出るんですよね。
どこに送るかで結果が決まる。ROI で見ると制作コストより配分のほうが効いてくる。
どこに送るかで結果が決まる。ROI で見ると制作コストより配分のほうが効いてくる。
カスタマーサポートのFAQ対応
室谷代表取締役サポートは、動画を置くだけじゃなくてリアルタイムで会話する Agent の使い方がありますよね。問い合わせの一次対応を人から外せるかが論点になりやすい。
テキトー教師DotAI 認定講師ここで最初に戸惑う人が多いんですよ。動画を作る場所と Agent は別で、左サイドバーの「Agents」から作る形になります。
室谷代表取締役独自の資料を知識ベースとして読ませて、サイトに埋め込む。よくある質問はそれで回して、込み入った相談だけ人に渡す設計なんですよね。
テキトー教師DotAI 認定講師そうそう。丸投げにすると不安になる人もいるので、有人に切り替える線引きだけ先に決めておくと現場が荒れないです。
多言語展開｜日本企業の活用事例
室谷代表取締役多言語は Video Translate ですね。既存の動画をそのまま翻訳にかけられる。
テキトー教師DotAI 認定講師扱える動画の長さがプランで変わるので、そこは先に確認が必要です。短い試作から始める人が多いですね。
室谷代表取締役日本だと博報堂テクノロジーズが、ストリーミングアバターと日本語音声合成を組み合わせて、イベントや店頭接客で使った事例が公開されてます。動画ツールを接客の場に持ち込む当てはめ方として参考になる。
テキトー教師DotAI 認定講師店頭って、同じ説明を毎回同じトーンでやるのが一番しんどいので、そこを任せられるのは大きいですよね。
よくある質問
Q1. 無料で試せる範囲はある？
室谷代表取締役無料で触れる範囲は用意されてますよ。ただ、試せる量には限りがあるので、本番で使う前提なら最初から有料の想定で見たほうがいいんですよね。
テキトー教師DotAI 認定講師たしかに。初めて触る人は、まず無料の範囲で一本作ってみるところから入るのが安全です。
使える範囲は変わってくるので、最新の表示は公式で確認してください。
使える範囲は変わってくるので、最新の表示は公式で確認してください。
室谷代表取締役そうそう。感触をつかんで、業務で回す段になってから課金する。
その順番が一番無駄がないです。
その順番が一番無駄がないです。
Q2. 他のAIアバターサービスと比べて何が違う？
テキトー教師DotAI 認定講師よく聞かれるんですけど、D-IDは「一枚の顔を喋らせる」ほうに寄せた作りなんですよ。動画素材をそのまま活かすタイプとは、得意分野が分かれます。
室谷代表取締役選び分けの話で言うと、結局は何を作りたいかで決まるんですよね。用途が先、ツールは後です。
テキトー教師DotAI 認定講師現場感覚で言うと、比較を並べる前に「作りたい動画を一行で書けるか」のほうが大事だったりします。
Q3. 生成した動画が思ったより自然にならないときのコツは？
テキトー教師DotAI 認定講師初めて触る人が最初に戸惑うのがここです。元の写真の顔の向きや解像度で仕上がりが変わるので、素材を選び直すだけで印象が変わります。
室谷代表取締役あと音声ですね。読み上げの間の取り方で不自然さが目立つかどうかが決まる。
原稿を一度声に出して読むと、詰まる場所が見えるんですよ。
原稿を一度声に出して読むと、詰まる場所が見えるんですよ。
テキトー教師DotAI 認定講師たしかに。喋らせる原稿が硬いと、どんなに顔が良くても機械っぽく聞こえますから。
Q4. BGMや字幕はあとから足せる？
テキトー教師DotAI 認定講師書き出した動画を別の編集ツールで仕上げる人が多いです。D-ID側で全部やろうとすると窮屈なので、字幕やBGMは編集ソフトに任せる発想がラクですよ。
室谷代表取締役MYUUUの現場でも、生成と編集は分けてますね。役割を分けたほうが手戻りが少ないんですよ。
Q5. 解約やプラン変更は簡単にできる？
室谷代表取締役契約前に見ておきたいところで。月単位のプランかどうか、解約のタイミングで次の請求がどうなるかは、申し込む前に確認すべきなんですよね。
テキトー教師DotAI 認定講師たしかに。あとから「思ってたのと違う」となりがちな部分なので、公式の契約まわりを先に読んでおくと安心です。
室谷代表取締役ツールの乗り換えは珍しくないですから、縛りがきつくないかは最初に確認する。地味ですけど、ここが効きますよ。
まとめ
室谷代表取締役ここまで来ると、D-IDって結局「人の手間をどこまで置き換えられるか」の道具なんですよね。研修動画を毎回撮り直す手間と比べたら、判断はシンプルです。
テキトー教師DotAI 認定講師そうですね。ただ、最初から全部を任せるより、まず一本作ってみる。
そこで自分の用途に合うかが見えるほうが、遠回りに見えて一番早いんですよ。
そこで自分の用途に合うかが見えるほうが、遠回りに見えて一番早いんですよ。
室谷代表取締役うん。無料の範囲で触って、料金と商用の条件を確認して、使えると判断したら業務に乗せる。
順番はそれでいい。
順番はそれでいい。
テキトー教師DotAI 認定講師現場でよく聞くのは「結局どれを選べばいいのか」なんですけど、用途がはっきりしていれば答えは出ますから。まずは作りたい動画を一本決めてみてください。
