メインコンテンツまでスキップ

プラグイン設定

モデル設定​

標準モデル設定​

Create Runtime Viseme Generator ノードは、ほとんどのシナリオで適切に機能するデフォルト設定を使用します。設定は、アニメーションブループリントのブレンディングノードプロパティを通じて処理されます。

アニメーションブループリントの設定オプションについては、以下の リップシンク設定 セクションを参照してください。

リアリスティックモデル設定​

Create Realistic MetaHuman Lip Sync Generator ノードは、オプションの Configuration パラメータを受け入れ、ジェネレーターの動作をカスタマイズできます：

モデルタイプ​

Model Type 設定は、使用するリアリスティックモデルのバージョンを決定します：

モデルタイプパフォーマンス視覚的品質ノイズ処理推奨使用例
Highly Optimized (デフォルト)最高のパフォーマンス、最低のCPU使用率良好な品質バックグラウンドノイズや非音声サウンドで顕著な口の動きが現れる可能性ありクリーンな音声環境、パフォーマンス重視のシナリオ
Semi-Optimized良好なパフォーマンス、中程度のCPU使用率高品質ノイズの多い音声に対してより安定バランスの取れたパフォーマンスと品質、混合音声条件
Original最新のCPUでのリアルタイム使用に適している最高品質バックグラウンドノイズや非音声サウンドに対して最も安定高品質プロダクション、ノイズの多い音声環境、最大精度が必要な場合

パフォーマンス設定​

Intra Op Threads: モデル内部処理操作に使用されるスレッド数を制御します。

  • 0 (デフォルト/自動): 自動検出を使用（通常、利用可能なCPUコアの1/4、最大4）
  • 1-16: スレッド数を手動で指定。高い値はマルチコアシステムでパフォーマンスを向上させる可能性があるが、より多くのCPUを使用する

Inter Op Threads: 異なるモデル操作の並列実行に使用されるスレッド数を制御します。

  • 0 (デフォルト/自動): 自動検出を使用（通常、利用可能なCPUコアの1/8、最大2）
  • 1-8: スレッド数を手動で指定。通常、リアルタイム処理では低く保たれる

処理チャンクサイズ​

Processing Chunk Size は、各推論ステップで処理されるサンプル数を決定します。デフォルト値は 160サンプル (16kHzでの10msの音声) です：

  • 小さい値はより頻繁な更新を提供するが、CPU使用率を増加させる
  • 大きい値はCPU負荷を軽減するが、リップシンクの応答性を低下させる可能性がある
  • 最適なアラインメントのために160の倍数を使用することを推奨

処理チャンクサイズの設定

ムード対応モデル設定​

Create Realistic MetaHuman Lip Sync With Mood Generator ノードは、基本的なリアリスティックモデルを超える追加の設定オプションを提供します：

基本設定​

Lookahead Ms: リップシンクの精度向上のための先読みタイミング（ミリ秒）。

  • デフォルト: 80ms
  • 範囲: 20ms から 200ms（20で割り切れる必要があります）
  • 値を高くすると同期は良くなりますが、レイテンシーが増加します

Output Type: 生成される顔面コントロールを制御します。

  • Full Face: 81個すべての顔面コントロール（眉毛、目、鼻、口、顎、舌）
  • Mouth Only: 口、顎、舌に関連するコントロールのみ

Performance Settings: 通常のリアリスティックモデルと同じ Intra Op Threads および Inter Op Threads 設定を使用します。

ムード設定​

利用可能なムード:

  • Neutral, Happy, Sad, Disgust, Anger, Surprise, Fear
  • Confident, Excited, Bored, Playful, Confused

Mood Intensity: ムードがアニメーションに影響を与える強さを制御します（0.0 から 1.0）

ランタイムでのムード制御​

以下の関数を使用して、ランタイム中にムード設定を調整できます：

  • Set Mood: 現在のムードタイプを変更
  • Set Mood Intensity: ムードがアニメーションに影響を与える強さを調整（0.0 から 1.0）
  • Set Lookahead Ms: 同期のための先読みタイミングを変更
  • Set Output Type: Full Face と Mouth Only コントロールを切り替え

ムード設定

ムード選択ガイド​

コンテンツに基づいて適切なムードを選択してください：

ムード最適な用途典型的な強度範囲
Neutral一般的な会話、ナレーション、デフォルト状態0.5 - 1.0
Happyポジティブなコンテンツ、明るい対話、祝賀シーン0.6 - 1.0
Sad憂鬱なコンテンツ、感情的なシーン、陰鬱な瞬間0.5 - 0.9
Disgust否定的な反応、不快なコンテンツ、拒絶0.4 - 0.8
Anger攻撃的な対話、対立シーン、欲求不満0.6 - 1.0
Surprise予期せぬ出来事、新事実の発覚、衝撃的な反応0.7 - 1.0
Fear脅威的な状況、不安、緊張した対話0.5 - 0.9
Confidentプロフェッショナルなプレゼンテーション、リーダーシップ対話、断定的な発言0.7 - 1.0
Excitedエネルギッシュなコンテンツ、アナウンス、熱狂的な対話0.8 - 1.0
Bored単調なコンテンツ、無関心な対話、疲れた発話0.3 - 0.7
Playfulカジュアルな会話、ユーモア、軽快なやり取り0.6 - 0.9
Confused質問の多い対話、不確実性、当惑0.4 - 0.8

アニメーションブループリント設定​

リップシンク設定​

Blend Runtime MetaHuman Lip Sync ノードには、そのプロパティパネルに設定オプションがあります：

プロパティデフォルト説明
補間速度25口の動きがビセム間で遷移する速さを制御します。値が高いほど、より速く、より突然の遷移になります。
リセット時間0.2リップシンクがリセットされるまでの時間（秒単位）。これは、オーディオが停止した後もリップシンクが継続するのを防ぐのに役立ちます。

笑いアニメーション​

オーディオ内で検出された笑いに動的に反応する笑いアニメーションを追加することもできます：

  1. Blend Runtime MetaHuman Laughter ノードを追加します
  2. RuntimeVisemeGenerator 変数を Viseme Generator ピンに接続します
  3. すでにリップシンクを使用している場合：
    • Blend Runtime MetaHuman Lip Sync ノードからの出力を Blend Runtime MetaHuman Laughter ノードの Source Pose に接続します
    • Blend Runtime MetaHuman Laughter ノードの出力を Output Pose の Result ピンに接続します
  4. リップシンクなしで笑いのみを使用する場合：
    • ソースポーズを直接 Blend Runtime MetaHuman Laughter ノードの Source Pose に接続します
    • 出力を Result ピンに接続します

Blend Runtime MetaHuman Laughter

オーディオ内で笑いが検出されると、キャラクターはそれに応じて動的にアニメーションします：

Laughter

笑いの設定​

Blend Runtime MetaHuman Laughter ノードには独自の設定オプションがあります：

プロパティデフォルト説明
補間速度25笑いアニメーション間で口の動きが遷移する速さを制御します。値が高いほど、より速く、より突然の遷移になります。
リセット時間0.2笑いがリセットされるまでの時間（秒単位）。これは、オーディオが停止した後も笑いが継続するのを防ぐのに役立ちます。
最大笑いウェイト0.7笑いアニメーションの最大強度をスケーリングします（0.0 - 1.0）。

注意： 笑い検出は現在、Standard Model でのみ利用可能です。

既存のアニメーションとの組み合わせ​

既存のボディアニメーションやカスタムの顔アニメーションを上書きせずに、リップシンクと笑いを適用するには:

  1. ボディアニメーションと最終出力の間に Layered blend per bone ノードを追加します。Use Attached Parent が true であることを確認してください。
  2. レイヤー設定を構成します:
    • Layer Setup 配列に 1 項目 を追加します
    • レイヤーの Branch Filters に 3 項目 を追加し、以下の Bone Name を設定します:
      • FACIAL_C_FacialRoot
      • FACIAL_C_Neck2Root
      • FACIAL_C_Neck1Root
  3. カスタム顔アニメーションの場合重要: Curve Blend Option で "Use Max Value" を選択します。これにより、カスタムの顔アニメーション（表情、感情など）がリップシンクの上に適切にレイヤーされます。
  4. 接続を行います:
    • 既存のアニメーション（BodyPose など）→ Base Pose 入力
    • 顔のアニメーション出力（リップシンクおよび/または笑いノードから）→ Blend Poses 0 入力
    • レイヤードブレンドノード → 最終的な Result ポーズ

Layered Blend Per Bone

リップシンク動作の微調整​

舌突出制御​

標準のリップシンクモデルでは、特定の音素において舌が過度に前方に動くことがあります。舌の突出を制御するには：

  1. リップシンクブレンドノードの後に、Modify Curveノードを追加します
  2. Modify Curveノードを右クリックし、Add Curve Pinを選択します
  3. 名前がCTRL_expressions_tongueOutのカーブピンを追加します
  4. ノードのApply ModeプロパティをScaleに設定します
  5. Valueパラメータを調整して舌の伸びを制御します（例：0.8で突出を20%減少）

顎の開き制御​

リアルなリップシンクは、使用するオーディオコンテンツや視覚的な要件によっては、顎の動きが過度に反応的になる場合があります。顎の開きの強度を調整するには：

  1. リップシンクブレンドノードの後に、Modify Curveノードを追加します
  2. Modify Curveノードを右クリックし、Add Curve Pinを選択します
  3. 名前がCTRL_expressions_jawOpenのカーブピンを追加します
  4. ノードのApply ModeプロパティをScaleに設定します
  5. Valueパラメータを調整して顎の開きの範囲を制御します（例：0.9で顎の動きを10%減少）

ムード固有の微調整​

ムード対応モデルでは、特定の感情表現を微調整できます：

眉の制御：

  • CTRL_expressions_browRaiseInL / CTRL_expressions_browRaiseInR - 眉の内側を上げる
  • CTRL_expressions_browRaiseOuterL / CTRL_expressions_browRaiseOuterR - 眉の外側を上げる
  • CTRL_expressions_browDownL / CTRL_expressions_browDownR - 眉を下げる

目の表現制御：

  • CTRL_expressions_eyeSquintInnerL / CTRL_expressions_eyeSquintInnerR - 目を細める
  • CTRL_expressions_eyeCheekRaiseL / CTRL_expressions_eyeCheekRaiseR - 頬を上げる

モデルの比較と選択​

モデルの選択​

プロジェクトに使用するリップシンクモデルを決定する際は、以下の要素を考慮してください：

考慮事項標準モデルリアルモデルムード対応リアルモデル
キャラクター互換性MetaHumansおよびすべてのカスタムキャラクタータイプMetaHumansのみMetaHumansのみ
視覚的品質効率的なパフォーマンスによる良好なリップシンクより自然な口の動きによるリアリズムの向上感情表現を伴うリアリズムの向上
パフォーマンスモバイル/VRを含むすべてのプラットフォーム向けに最適化より高いリソース要件より高いリソース要件
機能14のビジーム、笑い検出81の顔面制御、3つの最適化レベル81の顔面制御、12のムード、設定可能な出力
プラットフォームサポートWindows, Android, QuestWindows, Mac, iOS, Linux, Android, QuestWindows, Mac, iOS, Linux, Android, Quest
ユースケース一般的なアプリケーション、ゲーム、VR/AR、モバイル映画的な体験、クローズアップインタラクション感情的なストーリーテリング、高度なキャラクターインタラクション

エンジンバージョン互換性​

UE 5.2 互換性の問題

Unreal Engine 5.2 を使用している場合、Unreal Engineのリサンプリングライブラリのバグにより、リアリスティックモデルが正しく動作しない可能性があります。信頼性の高いリップシンク機能を必要とする UE 5.2 ユーザーは、代わりに スタンダードモデル を使用してください。

この問題は UE 5.2 に固有のものであり、他のエンジンバージョンには影響しません。

パフォーマンスに関する推奨事項​

  • ほとんどのプロジェクトでは、スタンダードモデル が品質とパフォーマンスの優れたバランスを提供します
  • MetaHumanキャラクターに最高の視覚的忠実度が必要な場合は、リアリスティックモデル を使用してください
  • アプリケーションにとって感情表現の制御が重要な場合は、ムード対応リアリスティックモデル を使用してください
  • モデルを選択する際は、ターゲットプラットフォームのパフォーマンス能力を考慮してください
  • 特定のユースケースに最適なバランスを見つけるために、さまざまな最適化レベルをテストしてください

TTS 互換性​

モデルタイプローカルTTSサポート (Runtime Text To Speech経由)外部TTSサポート備考
スタンダードモデル✅ 完全サポート✅ 完全サポートすべてのTTSオプションと互換性あり
リアリスティックモデル❌ 限定サポート✅ 完全サポートONNXランタイムがローカルTTSと競合
ムード対応リアリスティックモデル✅ 完全サポート✅ 完全サポートすべてのTTSオプションと互換性あり

トラブルシューティング​

よくある問題​

リアリスティックモデルのジェネレーター再作成: リアリスティックモデルで信頼性が高く一貫した動作をさせるためには、一定期間の非アクティブ状態の後に新しいオーディオデータを供給したい場合、毎回ジェネレーターを再作成することをお勧めします。これは、ONNXランタイムの動作により、無音状態の期間後にジェネレーターを再利用するとリップシンクが動作しなくなる可能性があるためです。

ローカルTTS互換性: Runtime Text To Speechプラグインによって提供されるローカルTTSは、ONNXランタイムの競合により、通常のリアリスティックモデルでは現在サポートされていません。ただし、スタンダードモデルとムード対応リアリスティックモデルの両方と完全に互換性があります。TTS機能を備えた通常のリアリスティックモデルを特に必要とする場合は、外部TTSサービスを使用してください。

リップシンクの応答性の低下: Streaming Sound Wave または Capturable Sound Wave を使用しているときに、時間の経過とともにリップシンクの応答性が低下する場合は、メモリの蓄積が原因である可能性があります。デフォルトでは、新しいオーディオが追加されるたびにメモリが再割り当てされます。この問題を防ぐには、ReleaseMemory 関数を定期的に（例えば30秒ごとなどに）呼び出して、蓄積されたメモリを解放してください。

パフォーマンス最適化:

  • パフォーマンス要件に基づいて、リアリスティックモデルの処理チャンクサイズを調整してください
  • ターゲットハードウェアに適したスレッド数を使用してください
  • 完全な顔のアニメーションが必要ない場合は、ムード対応モデルに Mouth Only 出力タイプを使用することを検討してください