AIアバターの口パク動画、自作と有料（832クレジット）を実測比較｜向き不向きと選び方

「AIの案内役に、動画の中でしゃべってもらいたい」——でも、画像と音声を渡しても口が合わない。有料ツールは結局1本いくらかかるのか。そこで止まっていた私（あお）が、同じ画像・同じ声で、口パク動画を「自作」と「有料ツール」の2通りで作り比べました（2026年9月30日の実測）。

この記事では、その結果のうち「実測の数字」「向き不向き」「選び方の考え方」「注意点」を、単独で読める形でまとめます。※リップシンク（口パク）とは、声に合わせて口を動かすことです。

AIアバターの口パクを、自作と有料ツールで実測比較（タイトル画像）
注意

数字は2026年9月30日時点の、私のアカウントでの実測です。料金・クレジット・規約は変わります。設定・長さ・モデルで結果は変わるため、実行前に必ず各社の公式ページで再確認してください。映像の女性と声はAIが作った架空の人物で、特定の実在人物をモデルにしていません。

目次

まず結論：有料は832クレジット、自作は口の部分に追加課金なし

  • 有料ルート：Genspark Plus（AIツールをまとめて使える有料サービス）で、5.3秒の完成映像に832クレジット。内訳は「Kling V3」による動きづけ462＋「Fal Lipsync V3」による口パク370です。
  • 月の枠での目安：月10,000クレジットの段階なら、同じ作り方で約64秒ぶんの計算です（5.3秒で832クレジットの実測が、長さに比例すると仮定した概算）。
  • 追記（2026年10月2日）：同じ画像・同じ声で、費用を抑える作り方も試しました（各1回の実測で、確定額は368クレジットと494クレジット）。頭や背景の動き方などが違うので、832の作り方と同じ品質で安くなるという意味ではありません。作り方は note（有料）の3-4章で解説しています。
  • 自作ルート：口を動かす部分に、外部AIサービスへの追加課金はありません。ただし「無料」ではなく、動画ソフト（Remotion）のコードを動かす手間と、画像・声を作るサービスの利用条件が別にあります。
  • 感想：私の感想では、口の動きは有料のほうが自然でした。これは運営者個人の感想で、数値で保証するものではありません。

比較の全体は、約50秒のショート動画にまとめています。実際の画面（クレジット使用状況）も映っています。

👉 YouTubeで見る（映像の人物はAIが作った架空の人物です）

2つの方法の違い

項目 自作ルート 有料ルート（Genspark）
口を動かす部分の外部AI費用 追加課金なし（画像・声は別サービス） 832クレジット（5.3秒）
口の作り方 声の音量に合わせて、3種類の口の画像を切り替える AIが声に合わせて口を動かす
顔の動き ほぼ固定（頭の向きは変わらない） 少し動く（まばたき・微笑み・うなずきを指示）
必要なもの Remotion＋Claude Code、コードを動かす環境 Genspark Plus（有料会員）とブラウザ
同じ画像から作った3つの映像（自作・有料1段目・有料2段目）を、それぞれ2.4秒目で並べた比較
同じ画像から作った3つの映像（各2.4秒目）。①自作 ②有料1段目（声なし・口は閉じたまま）③有料2段目（口パク後）。映像はすべてAIで作った架空の人物です。

共通で使ったのは、Codex（OpenAIの画像生成）で作った架空の人物の画像1枚と、Gemini TTS（文章を読み上げる音声合成AI）で作った約5.3秒の日本語音声です。両方とも同じ音声を使ったので、声の差は比較に混ざっていません。

ポイント

有料版は「動き（まばたき・微笑み・うなずき）」を指示し、映像を往復で延ばしてから口を合わせています。自作版は頭を動かさない作りです。設定が違うので、動きの差はツールだけの差ではありません。また、これは2つの作り方の完成物の比較で、Fal Lipsync V3単体の性能比較ではありません。

実測の数字（有料ルートの内訳）

※クレジットとは、Gensparkの使用量の単位（お金の代わりのポイント）です。

段階 内容 クレジット
1段目 Kling V3で写真1枚から動きの動画（5.04秒） 462
2段目 Fal Lipsync V3で口を音声に合わせる（5.33秒） 370
合計 完成映像5.3秒 832
Gensparkのクレジット使用状況の画面（利用可能9,168・使用済み832・内訳 AIビデオ462／スーパーエージェント370）
Gensparkの使用量画面（2026年9月30日）。使用済み832の内訳は、AIビデオ462＋スーパーエージェント370。

Gensparkの使用量画面では、今月の月間クレジット10,000のうち使用済み832、残り9,168でした。832は月の枠の約8%です。

「約64秒」は、1秒あたり約156クレジットという実測から、月10,000クレジットを割った概算です。Gensparkの公式ヘルプは、長さや解像度でコストが変わると説明しており、長さに比例するとは限りません。あくまで目安として見てください。

知っておきたい費用まわりのルール（Gensparkの公式ヘルプ、2026年9月30日確認）：

  • 作り直し（再生成）は、その段階の最初の生成と同額です。
  • 週次の無料枠は動画・音声の生成には使えず、動画はクレジットを消費します。
  • 月間クレジットは翌月に繰り越されません。

参考として、fal.ai（Fal Lipsync V3を配信しているサービス）の公式ページでは、口パクモデルは1分あたり8ドルと表示されていました。料金は公式ページで確認してください。

向いている人・向かない人

有料ルートが向いている人

  • ブラウザ操作だけで、口の自然さを優先して作りたい人
  • まず5秒前後を1本作って、質と費用を体感したい人

自作ルートが向いている人

  • 口を動かす部分の外部AI費用を抑え、本数を増やしたい人
  • Claude Codeなどに頼みながら、コードで動画を作る作業が苦にならない人（初心者向けの手順ではなく、環境の準備やエラー対応が発生します）

どちらも向かない人

  • 頭や体が大きく動く「本物の人間そっくり」の映像を求めている人（今回の2方式はどちらもそこまで動きません）
  • 「この方法で稼げる」「商用で必ず使える」という保証が欲しい人（この記事では保証しません）
  • 実在の人物や有名人に似せたい人

選び方の考え方

  1. 環境を用意できるか：コードを動かす環境が用意できないなら、有料ルートが現実的です。
  2. 口の自然さを最優先するか：私の感想では有料が上でした。
  3. 月にどれだけ作るか：有料は月の枠が決まっています（今回の設定で約1分の計算）。それ以上作るなら、自作を検討します。
  4. 混ぜてもよい：冒頭だけ有料、残りは自作、という使い分けも考えられます。

どちらを選んでも共通する原則が1つあります。口パクは特定の1本の音声に合わせて作るので、音声を作り直すと口と声がずれます。声を作り直したくなったときは、口パクも作り直す前提で考えてください。

注意点：AI開示・商用利用・比較の限界

重要：AI人物であることの開示

実写風のAI人物を使う動画は、YouTubeの「AIの使用」を「はい」で開示する前提で運用しています（今回の動画も「はい」で開示）。映像にAI生成の表示を入れ、概要欄にも「AIが作った架空の人物」と明記しました。「実在しない」と言い切らず、「特定の実在人物をモデルにしていません」と書くのがポイントです。

  • 商用利用は断言できません：生成物を商用で使えるかは、サービス・モデルごとの規約で違います。Gensparkのヘルプは、Plus/Pro加入者が契約期間中に作った生成物の商用利用権を付与すると説明していますが、保証期限の日付は公式ページで記載が異なります。Klingなど動画生成モデルごとの規約との関係は、公式に明記が見つかっていません。商用で使う前に、各サービスの最新の規約を自分で確認してください。本記事は法的助言ではありません。
  • 収益化ポリシー：YouTubeは、独自性のない量産型を収益化の対象外としています。また、AIの人物に人間の専門家を装って法律・金融などの助言をさせることも避けたほうが安全です。私の運用では、AI人物は自己紹介までにとどめています。
  • 比較の限界：同じ画像・同じ声で、5秒ほどの映像を1本ずつ作った結果です。動きの指示や延長など設定が異なり、あらゆる場合に当てはまるものではありません。
  • モデルの入れ替わり：Kling 4.0が9月末に告知され、10月に正式ローンチ予定と発表されています。Kling V3は今後入れ替わる可能性があります（新モデルでの結果・クレジットは未確認です）。

次の一手と、詳しい手順の入手先

まずは有料ルートで5秒を1本作って、質と費用を体感するのが手堅い始め方です。本数を増やしたくなったら、自作ルートを検討してください。

「同じものを自分で作る具体的な手順」は、note（有料）で公開しています。指示文の全文、設定の詳細、コードの解説、つまずきと対処、公開前チェックリストは、こちらに入れています。

  • 📝 note（有料）：「実写風AIアバターに口パクで解説させる方法｜自作と832クレジットの有料版を実測比較【指示文・手順つき】」 この記事をnoteで読む
  • あおサロンAIの会員の方には、関連するプロンプト集もご用意しています。
ご相談はこちら

「自分のケースだとどちらが合う？」「詰まってしまった」という方は、あおサロンAIのLINE公式からお気軽にご相談ください。
👉 あおサロンAI・LINE公式

出典・参考

  • あおサロンAI「口パク比較ショート動画」 https://youtu.be/lnPJ9zVsN00 （検証日: 2026年9月30日）
  • Genspark ヘルプセンター「メンバーシップ」 https://www.genspark.ai/helpcenter/membership-plans （2026年9月30日確認）
  • Genspark ヘルプセンター「Credits Guide」 https://www.genspark.ai/helpcenter?doc=general_Credits_Guide （2026年9月30日確認）
  • YouTube ヘルプ「生成AIコンテンツの使用に関する開示」 https://support.google.com/youtube/answer/14328491 （2026年9月30日確認）
  • fal.ai「sync-lipsync/v3」 https://fal.ai/models/fal-ai/sync-lipsync/v3 （2026年9月30日確認）
  • Kling AI リリースノート「Kling 4.0」 https://kling.ai/release-note/release-notes/Kling_4 （2026年9月30日確認）

※本記事は2026年9月30日時点の、筆者の実測と各社公式ページの確認に基づく一般的な情報です。クレジット数は筆者の実測値で、設定によって変わります。「有料のほうが口の動きが自然」は運営者（あお）個人の感想です。映像の女性と声はAIで生成した架空の人物で、特定の実在人物をモデルにしていません。一部AIの支援を受けて作成しており、誤りがある場合があります。