TikTok、Instagramリール、YouTubeショート向けのトーキングアバター動画制作では、単に「話す静止画」を出力するだけでは視聴者の足を止めることはできません。不自然で機械的なアバター動画は、開始2秒以内にスワイプされてしまいます。コンバージョン率の高いオーガニック投稿やUGC（ユーザー生成コンテンツ）風広告を形にするには、2つの重要要素を完全にコントロールする必要があります。1つは独自のトーンとリズムを正確に反映させる「カスタム音声のインポート」、もう1つはスマホ縦型画面のUI配置を考慮した「肖像フレーミングの最適化」です。
Hedraには、Spaces内の対話型AIエージェントを活用するワークフローと、手動ツールで各パラメータを直接調整するワークフローの双方が備わっています。本稿では、カスタム音声をインポートする手順、9:16縦型構図の最適化基準、そして完成度を高める編集テクニックを具体的に解説します。
1. カスタム音声トラックの準備とインポート
Hedraのアバター生成において、音声はリップシンクと表情動作を司る「振り付けの指示書」として機能します。AIモデルは音声の音素、イントネーション、話速、ポーズ（無音区間）を解析し、口の開閉、まばたき、微細な首の傾きを自動生成します。音声の仕上がりがリップシンクの精度を直接左右します。
音声素材の準備基準
- クリアなボーカルの単離： ボーカル（声）のみが収録されたドライな音声ファイルを用意してください。BGM、カフェなどの環境ノイズ、強い部屋鳴り（リバーブ）が混入していると、モデルが環境音を音素と誤認識し、口元が痙攣するように不自然に動いてしまいます。既存の録音素材を使用する場合は、事前にボーカル抽出を行ってください。
- 自然なポーズ（間）の保持： 自然な会話には文章の間にわずかな間が存在します。Hedraのモデルはこの無音区間を利用して、自然な呼吸による胸の動き、眉の戻り、相槌のような首の動きを表現します。極端なテンポアップを狙って間を切り詰めすぎないように注意が必要です。
- 発音の明瞭化： 外部TTSツール（ElevenLabsなど）やHedra内蔵のSpeechツールを利用して音声を書き出す場合、英数字の略称はカタカナやアルファベット発音通りに記述し、句読点や改行で話すリズムを整えます。
カスタム音声をインポートする2つの方法
方法A：Spaces内でエージェントを活用する手順
- Spacesを開き、presenterまたはugcスキルを選択して新しいプロジェクトを開始します。
- Add reference assetをクリックし、ローカルから音声ファイル（MP3、WAV、M4A等）をアップロードします。
- 続けてアバターのベースとなる人物の肖像画像をアップロードします。
- エージェントに対して指示を入力します（例：「アップロードした音声に合わせて、親しみやすく説得力のあるトーンでこのキャラクターを動かしてください。カメラへの目線を安定させてください」）。
- エージェントがキャンバス上に生成候補を出力するため、気に入った要素を保持したまま微調整を指示できます。
方法B：手動Videoツール（Avatarモード）で直接制御する手順
- ナビゲーションからManual tools → Videoを選択し、モードをAvatarに切り替えます。
- リアルタイムモデルセレクターから、希望する動画の長さや解像度に応じたアバターモデル（Hedra Avatarや各種プレゼンターモデル）を選びます。
- プロンプト入力欄の上部にあるリファレンスパネルで、音声入力欄にカスタム音声ファイルを、画像入力欄に人物ポートレートをそれぞれドラッグ＆ドロップします。
- パフォーマンスのトーンをプロンプトに入力し、アスペクト比（9:16）と解像度を指定してGenerateを実行します。
生成の長さに関するコツ： Hedraの最新モデルは数分におよぶ長尺音声の処理にも対応していますが、SNS向けショート動画では15秒〜30秒単位の短いクリップに分割して生成することを推奨します。クレジット消費を抑えられるだけでなく、冒頭のフック（惹きつけ）のやり直しが容易になり、編集段階での差し替えがスムーズになります。
2. SNS向け縦型（9:16）ポートレートのフレーミング最適化
フレーミングの良し悪しは、アバターが「本物のクリエイター」に見えるか「違和感のある切り抜き」に見えるかを決定づけます。スマホ縦画面のSNSには、特有の視線誘導とインターフェース（UI）の重なりが存在します。
最適な構図：バストアップ（胸から上のミディアムクローズアップ）
SNSアバター動画に最も適した構図は、胸から上が収まるバストショットです。
- クローズアップ（顔のドアップ）を避ける理由： 顔全体が画面いっぱいに広がる構図では、発話時の下顎の上下動にゆとりがなくなり、画面下端で輪郭や顎が歪む原因になります。
- フルショット（全身）を避ける理由： スマホ画面内で顔の表示領域が小さくなりすぎると、唇の繊細な動きや歯の輪郭、目線の細かな揺らぎが潰れ、リップシンクの同期感が著しく損なわれます。
- バストアップの優位性： 首と両肩のラインが画面内に収まることで、AIモデルが骨格の支点を把握しやすくなります。これにより、話す際の体の傾きや呼吸に伴う自然な揺れが生まれ、背景の不自然な歪みも防げます。
スマホ画面UIを考慮したセーフゾーン設計
9:16の縦型画角では、各プラットフォームのUI要素との重複を避ける配置が不可欠です。
+-----------------------------------+
| 上部 10-15%：余白ゾーン | <- スマホステータスバー・検索窓・おすすめタブ
| |
| +---------------------------+ |
| | | |
| | 視線・顔の中心ゾーン | | <- 上部1/3付近（ユーザーの視線集中点）
| | | |
| +---------------------------+ |
| |
| 胸部・肩の輪郭エリア | <- 画面右端：いいね・コメント・シェアボタン
| |
| 下部 20-25%：UI被り回避帯 | <- アカウント名・キャプション・コメント入力欄
+-----------------------------------+
- 目線は上部1/3に配置： 人物の目の高さを画面上端から約1/3の位置に合わせます。フィードをスクロールする視聴者の視線は自然と画面上部に集まります。
- ヘッドルーム（頭上の余白）を10〜15%確保： 頭頂部が画面上端に密着していると、話す際に頭がわずかに上を向いただけで頭頂部が枠外に途切れてしまいます。
- 下部20〜25%の退避領域： 唇や顎が画面下部に入らないようにしてください。TikTokやInstagramリールでは、アカウント名、投稿文、楽曲名、検索バーが画面下部に常時重なるため、口元の動きが隠れてしまいます。
- 横方向は完全中央揃え： 各アプリの右端にはエンゲージメント用アイコン（いいね、保存、共有）が並んでいます。人物が右側に寄っていると顔やジェスチャーがアイコンで隠れるため、顔の中心は左右対称の中央に配置します。
元画像（ポートレート）の品質チェック項目
生成を開始する前に、ベースとなる人物画像が以下の条件を満たしているか確認してください。
- 均一なライティング： 顔の半分が濃い影に覆われていないこと。唇周りに強い影があると、モデルの音素認識が低下します。
- 顔周りの障害物ゼロ： 顎に手を当てたポーズ、口元を覆うマイク、目元が見えないサングラス、顔にかかる長い前髪などはすべて排除してください。
- カメラ目線の水平アングル： 極端な煽り（ローアングル）や見下ろし（ハイアングル）を避け、目線の高さから真正面を捉えた写真を使用します。
- 十分な解像度： 高精細なPNGまたはJPG画像を使用してください。元画像のノイズや粗さは、生成動画で何倍にも強調されてしまいます。
3. Hedra Elementsを用いたキャラクターの一貫性保持
ブランドアカウントの運用やシリーズ企画では、動画ごとにアバターの顔立ちが変わってしまうとファンや信頼を獲得できません。
HedraのElements機能を使えば、同一のアバターを固定資産として管理できます。
- Library → Elementsを開き、Create elementを選択します。
- 同一キャラクターのさまざまなアングルや照明で撮影された高品質な画像（最大10枚）をアップロードします。
- タイプをCharacterに設定し、一意のタグ（例：
@BrandSpokesperson）を命名します。 - 以降のSpace内での指示や手動Videoツールのプロンプトで
@BrandSpokespersonを指定するだけで、新しい音声ファイルを割り当てても同一人物としての生成が維持されます。
4. Composer（動画編集機能）での仕上げと組み立て
生成されたアバター単体のクリップは、いわば「素材」に過ぎません。SNSでの離脱を防ぐには、テンポの良いポストプロダクションが不可欠です。
Hedraに内蔵されているタイムラインエディタComposer（Manual tools → Edit Video）を使用すれば、外部ソフトを介さずに高品質なショート動画を仕上げることができます。
- クリップの配置： 生成した9:16アバター動画をタイムライン上に配置します。
- 無駄なフレームのトリミング： 音声が始まる前後の余分な静止フレームをカットし、開始1.5秒以内に最初のフックが伝わるようにテンポを詰めます。
- BGMの追加： 別トラックに控えめな音量（声に対して-18dB〜-24dB程度）でBGMを敷き、声の邪魔をせずに動画のエネルギーを高めます。
- Bロールやテロップのインサート： アバターが話し続けるだけでなく、3〜5秒おきに紹介する商品画像、操作画面のキャプチャ、要点を強調する大きなテキストをインサートし、画面に変化を持たせます。
- 書き出し： 1080p縦型動画としてレンダリングし、そのまま各SNSプラットフォームへ投稿可能な状態にします。
制作ステップとチェックポイントのまとめ
| 工程 | 推奨プラクティス | 避けるべき典型的なミス |
|---|---|---|
| 音声準備 | ノイズやBGMを含まない純粋なボーカル音源。適度な会話の間。 | BGMやリバーブが混ざった音声を使用し、口元が震える。 |
| インポート | 厳密なパラメータ設定はAvatarモード、企画段階はSpacesエージェント。 | 選択したモデルの上限時間を超える長尺音声を一度に流し込む。 |
| 構図設定 | 9:16バストアップ、目線を上部1/3に、頭上に10〜15%の余白。 | ドアップで顎が切れる、または引きすぎて表情が読み取れない。 |
| UI安全帯 | 口元を画面下部25%および右端アイコン列から確実に離す。 | キャプションやアカウント名でアバターの唇が覆い隠される。 |
| 仕上げ | Composerで冒頭の無駄をカットし、BGMとBロールを重ねる。 | 生成した動画をワンカットのまま書き出し、テンポが悪く離脱される。 |
クリーンなカスタム音声の調達と、縦型UIに最適化されたバストアップ構図を徹底することで、Hedraを用いたSNSアバター動画の訴求力と制作効率を飛躍的に高めることができます。