Make Lip Sync について
Make Lip Syncは、画像・キャラクターシート・既存クリップの顔を、ユーザー提供の音声に同期させるagent-mediaのスキルです。音声合成やボイスクローンは行わず、9:16のトーキングヘッド動画を出力します。
主な機能
- 01画像または既存クリップからリップシンク
- 02ユーザー提供の音声を使用
- 039:16のトーキングヘッド動画を出力
- 04音声合成・ボイスクローンなし
活用シーン
- 01録音音声に合わせてキャラクターを動かす
- 02既存の顔から縦型トーキングヘッド動画を作成
MCP 対応
agent-media MCPサーバーの `mcp__agent-media__make_lip_sync` ツールを使います。認証にはユーザーの既存のagent-media Bearerトークンを使います。
インストール
コマンドをコピーしてターミナルで実行します。
npx skills add https:/ / github.com/ gitroomhq/ agent-media --skill make-lip-syncインストール後、Claude Code で/make-lip-syncを入力して読み込まれたか確認します。
詳細
リップシンクを作成する
音声はご自身でご用意ください。顔(R2 にホストされた画像/キャラクターシート、または既存のクリップ)を、指定した音声トラックにリップシンクさせます。テキスト読み上げや音声クローンは行いません。キャラクターはアップロードした録音を話します。出力は 9:16 のトーキングヘッド動画です。
いつ使用するか
ユーザーが上記の内容を求めた場合に、このスキルを呼び出してください。mcp__agent-media__make_lip_sync MCP ツールを介して、agent-media vNext のプリミティブランタイムで実行します。認証には、ユーザーがすでに持っている agent-media Bearer トークン(agent-media login で発行)を使用します。
呼び出し方法
推奨方法:MCP ツール mcp__agent-media__make_lip_sync。スキーマは同じ MCP サーバーに対する tools/list で自動公開されるため、ここでスキーマを再掲する必要はありません。サーバーの応答を信頼してください。
代替方法:REST。
POST https://api.agent-media.ai/v1/skills/make_lip_sync/run
Authorization: Bearer $AGENT_MEDIA_API_KEY
Content-Type: application/json
Idempotency-Key: <any unique string per intent>
{
"image_url": "https://pub-...r2.dev/vnext/primitive-runs/<id>/character-sheet.png",
"audio_url": "https://pub-...r2.dev/vnext/<your-uploaded-audio>.mp3",
"duration": 10,
"aspect_ratio": "9:16"
}
費用と所要時間
- クレジット:
140/280/420 (5s/10s/15s) - 所要時間(通常):
420–480s - 送信時に差し引かれます。最終的に失敗した場合は返金されます。
結果のポーリング
GET https://api.agent-media.ai/v1/primitives/runs/<run_id>
Authorization: Bearer $AGENT_MEDIA_API_KEY
このスキルに組み込まれているルール
- すべてのプロンプトに組み込まれているリアリズムの原則については、reference/realism-rubric.md を参照してください。
- 初回インストールと
agent-media loginについては、reference/auth.md を参照してください。
信頼できる情報源
このファイルは、services/api-v2/src/skills/registry.ts のレジストリから scripts/generate-public-skill.ts によって自動生成されます。手動で編集しないでください。CI によって差分があると拒否されます。