D-ID

D-ID は一つの技を規模化して名を馳せました。静止画 1 枚が話して表情のある顔になり、テキスト入力から多言語で口を同期したプレゼンター動画ができます。サイトでは現行世代を V4 Expressive Avatars と呼び、編集をしない人向けのスタジオ画面と、先に顔を据えたい製品向けの API を並べて売ります。本当に得意なのはトーキングヘッドの量産です。研修モジュール、現地向けの解説、エージェント画面 — ここでの代替案はカメラと出演者、そして台本が変わるたびの再撮影になります。

課金の目盛りは契約前に読むべき部分です。分単位で消費し、レンダリングごとの長さがプラン残から差し引かれ、秒数は 15 秒刻みで切り上げ、使い残しの分は翌月に繰越されず毎月消えます。API はウェブのスタジオと同一プールを引くため、連携機能が自社の制作作業と残高を奪い合います。トライアルの出力は全画面の透かし入りで、ベンダーはそれを課金壁ではなく合成内容であることの透明性表示として位置づけます。今回読んだページにプラン価格と解像度上限はなく（スタジオと API のシートに分かれ）、実在の人物の顔や声を複製する際の同意条件も載っていません。誰かを動かす前にベンダーから文書で取りつけてください。負けるのはトーキングヘッドがレパートリー全体である点で、マルチショットやカメラワーク、実写級の人体は Veo、Runway、Kling、PixVerse の側です。元写真が弱いと、この分野名高い不気味な出来に戻ります。