はじめに

ごあいさつ

日本全国の「APIでアバタートーク動画を作成したい勢」のみなさま、
おつかれさまです。

「マインクラフト」累計販売本数3億突破！

→「マイクラ」累計販売本数3億突破！ 公式ブログで15年を振り返る

・ツルハシ総制作数＝1500万個
・ダイヤモンド発見数＝670万個

「マインクラフト」は、やったことがなく、
「ドラゴンクエストビルダーズ１」をちょっとだけやったくらいなのですが、
はまるとすごいおもしろそうなゆえに手を出していない、
マジセミ担当者Aでございます。

今回の作戦

今回は、
「API」でアバタートーク動画生成AIツール「Creative Reality Studio」を使ってみる
という企画です。

コードから制御できると、
より活用できる幅が広がりそうですね。

前回までのあらすじ

→【AIツール実験室】アバタートーク動画生成AIツール「Creative Reality Studio」①Web編🗣

ご注意点

※本記事は、担当者Aの主観により作成されていますので、なにとぞ、そういうことでよろしくお願いします。

※使用してみる場合は最新情報をご確認ください。

「Creative Reality Studio」API機能まとめ

「Generative AI API」とは

「Generative AI API」を使用することで、
「Creative Reality Studio」で作成する動画を、
シームレスに「コンテンツ」や「プロダクト」に追加できます。

リアルタイムアニメーション生成

・オーディオファイルからのビデオ同期生成をサポート
・レンダリング時間＝100FPS　：リアルタイムより4倍高速
・数万のリクエストを並行処理
・これまでに1億5000万以上の動画を生成

ステップ①キャラクター画像をセット

・任意の顔画像を使用して、簡単なAPIリクエストで会話させる
・人間味がある魅力的なプレゼンテーションが可能
・コスト効率が高いビジネスコンテンツに

ステップ②音声を選択

・AIプレゼンターに音声を与える
・数百のテキスト読み上げオプションを選択可能
・独自音声データのアップロードもサポート
・100以上の言語に対応

ユースケース

・AIチャットボットと統合
・対面でのCX会話を作成
・リアルタイムのビデオ通話アバターを作成
・キャラクターベースのオンラインゲームに追加　など

オフィシャルサイト

→d-id.com　→api

APIガイド

→docs.d-id.com　→reference　→get-started

API料金プラン

→d-id.com　→pricing　→api

アニメ調イラスト風「マジセミちゃん」(仮)を創造します→フォトリアルになりました

作戦

前回の①Web編では、
アニメ調イラスト風マジセミちゃん画像の生成は、
断念という結果でしたが、
再チャレンジです。

DALL·E 3

「ChatGPT4経由」or「Bing経由」で、
「DALL·E 3」で作成してみます。

画像生成プロンプト作成用プロンプト

■指示
「DALL·E 3」で、
以下のイメージ画像を作成するための「英語プロンプト」を作成してください。

■利用用途
作成した画像を、
「Creative Reality Studio」に登録して利用します。
https://www.d-id.com/creative-reality-studio/

■作成オーダー
・アニメイラスト調
・背景は白色無地
・登場人物の数=1名
・画像中央に直立している
・カメラ目線
・手には何も持っていない
・口を閉じている
・口元を隠さない
・画像サイズ＝正方形

■作成キャラクターのイメージ
①女子生徒
・日本の学校に通う　女子生徒
・テクノロジーに興味津々
②ベースカラーは青
・「青色の光線エフェクト」や「アクセント」をキャラクターの衣装やアクセサリーに取り入れる
③スマイル
・明るい表情
・笑顔
・目はキラキラしている
・ポジティブなエネルギー

■顔認識
「人間の顔」として認識される画像を作成してください。

画像生成プロンプト

Create an anime-style illustration of a female student who attends a school in Japan and is fascinated by technology. She should be standing upright in the center of a square image with a plain white background. She is looking directly at the camera, not holding anything in her hands, and her mouth is closed but not covered. She has a bright, smiling expression with twinkling eyes and radiates positive energy. Incorporate blue light effects and accents into her clothing and accessories. Make sure the image is recognized as a human face.

新たなフォトリアル「マジセミちゃん」(仮)できました！

今回のマジセミちゃん(仮)は・・・

前回よりも、
「電子の妖精感」があり、
「マジセミちゃん感」が強まっていて、
なかなかよろしいのではないかと思います。

Step①「APIキー」を生成します

GENERATE NEW KEY

「Account settings」ページで、
「GENERATE NEW KEY」ボタンをクリックします。

→studio.d-id.com　→account-settings

APIキーが表示されます

コピペして、大事に保管します。

【参考】APIリファレンスページ「Basic Authentication」

→docs.d-id.com　→reference　→basic-authentication

【詰まり事案】[username]には何を入れればよいのだ？問題

APIでの呼び出しには、
[username]＋[password]での認証が必要です。

よくあるパターンで、
[username]＝登録されているメールアドレス
[password]＝生成されたAPIキー
なのかなと思い、
いろいろやってみても、
認証エラーコード(401)が返ってきてしまうのです😢

いったい、[username]に何を入れればよいのだろうか？と、
しばらく、半泣きになりながら、さまよっていたところ・・・
ついに、
[username]を発見しました！

なんと、
[username]は「APIキー」に含まれていたのです！！

「APIキー」は、
xxxxxxxxxxxxxxxxxxxxxxxxx:yyyyyyyyyyyyyyyyyyyyy
という構造で、
真ん中に「:」があります。
つまり、
[username]＝xxxxxxxxxxxxxxxxxxxxxxxxx
[password]＝yyyyyyyyyyyyyyyyyyyyy
だったのです！
なんたる巧妙なトラップ！！
なんということでしょう。

『[username]には何を入れればよいのだ？』と、
さまようAPI使い同志に、
次の言葉を伝えます。
『よくよく見たら、リファレンスページに書いてありましたよ。』と👍

Step②API実行環境「Google Colab」を準備します

「Google Colab」ノートブック

ノートブックを新規作成

「Google Colab」ページを開きます。
「ファイル」→「ノートブックを新規作成」をクリックします。

ノートブックタイトルを設定しておきます。
例：「Creative Reality Studio」API機能テスト

→colab.research.google.com/?hl=ja

Step③API呼び出しPythonコード作成

困難なるコード作成

参考にできる資料ページが少ないという厳しい状況下において、
ChatGPT4と熟議熟考を重ね、
いろいろな事件が発生した結果、
とりあえず出来たPythonコードがこちらとなります。

※APIキーは伏せ字にしてあります。

Pythonコード(Ver1)日本語会話版

# requestsライブラリをインポート
import requests

# D-ID APIのエンドポイントURLを設定
url = "https://api.d-id.com/talks"

# リクエストのペイロード（送信データ）を設定
payload = {
    "script": {
        # スクリプトのタイプをテキストとして設定
        "type": "text",
        # 字幕を無効に設定
        "subtitles": False,
        "provider": {
            # 音声合成プロバイダーをMicrosoftとして設定
            "type": "microsoft",
            # 音声を日本語（NanamiNeural）に設定
            "voice_id": "ja-JP-NanamiNeural"
        },
        # SSML（音声合成マークアップ）を有効に設定
        "ssml": True,
        # 読み上げるテキストを日本語に設定
        "input": "これは、Pythonコード(Ver1)日本語会話版です。"
    },
    "config": {
        # 出力フォーマットをMP4として設定
        "result_format": "mp4",
        # 全身が表示されるように設定
        "stitch": True
    },
    # アニメーションする画像のURL
    "source_url": "https://majisemi.com/topics/______import/2023/10/majisemiChan2.jpeg",
    # 動画のタイトルを設定
    "name": "Pythonコード(Ver1)日本語会話版",
    # 動画を永続的に保存するかどうかを設定（Trueで保存）
    "persist": True
}

# リクエストヘッダーを設定
headers = {
    # JSON形式でのレスポンスを要求
    "accept": "application/json",
    # 送信するコンテンツのタイプをJSONとして設定
    "content-type": "application/json",
    # 認証情報
    "authorization": "Basic ●●●●●:▲▲▲▲▲"
}

# POSTリクエストを送信してレスポンスを受け取る
response = requests.post(url, json=payload, headers=headers)

# レスポンスからJSONデータを取得
response_data = response.json()

# JSONデータから作成された動画のIDを取得
talk_id = response_data.get('id', '')

# 作成された動画のIDを出力
print(f"Created Talk ID: {talk_id}")

Step④APIから動画を生成します

①「Google Colab」でコードを実行します

(1)「Google Colab」ノートブックに、Pythonコードを貼り付けます。

(2)三角の実行ボタンをクリックして、実行します。

②戻り値を確認します

5秒もあれば、完了します。

>Created Talk ID: tlk_C3fhxw29ZmvrehKKptwh8
「作成された動画のID」が出力されたら、成功です。

このようなタイプではない戻り値の場合は、
おそらく失敗しています。
※「日本語で表現できないテキスト」があったりするかもしれません。

Step⑤生成された動画を確認します

生成されました

動画タイトルを付けておかないと、
わけがわからなくなります。

→studio.d-id.com

それでは「APIで生成された動画」をご覧ください

→Pythonコード(Ver1)日本語会話版

とうとうできました

コードから実行できるので、
動画自動生成工場になれてしまうわけですね。
※有り余るクレジットがありさえすればですが・・・。

【改善版】Happyバージョン

作戦

Happyにしてみます。

【ご参考】「expressions」パラメータ

このパラメータは、顔の表情を制御するために使用されます。
・expressions: 表情の配列を指定します。
・start_frame: 表情が開始するフレームを指定します。
・expression: 使用する表情の種類を指定します（例：happy, surprise）。
・intensity: 表情の強度を0から1.0の範囲で指定します。

Pythonコード(Ver2)Happyバージョン

# requestsライブラリをインポート
import requests

# D-ID APIのエンドポイントURLを設定
url = "https://api.d-id.com/talks"

# リクエストのペイロード（送信データ）を設定
payload = {
    "script": {
        # スクリプトのタイプをテキストとして設定
        "type": "text",
        # 字幕を無効に設定
        "subtitles": False,
        "provider": {
            # 音声合成プロバイダーをMicrosoftとして設定
            "type": "microsoft",
            # 音声を日本語（NanamiNeural）に設定
            "voice_id": "ja-JP-NanamiNeural"
        },
        # SSML（音声合成マークアップ）を有効に設定
        "ssml": True,
        # 読み上げるテキストを日本語に設定
        "input": "Pythonコード(Ver2)Happyバージョン"
    },
    "config": {
        # 出力フォーマットをMP4として設定
        "result_format": "mp4",
        # 全身が表示されるように設定
        "stitch": True,
        # 表情を設定
        "driver_expressions": {
            # 表情の配列を設定
            "expressions": [
                {
                    # 表情が開始するフレームを設定（0は動画の開始）
                    "start_frame": 0,
                    # 使用する表情の種類を設定（ここでは「happy」）
                    "expression": "happy",
                    # 表情の強度を設定（1は最大の強度）
                    "intensity": 1
                }
            ]
        }
    },
    # アニメーションする画像のURL
    "source_url": "https://majisemi.com/topics/______import/2023/10/majisemiChan2.jpeg",
    # 動画のタイトルを設定
    "name": "Pythonコード(Ver2)Happyバージョン",
    # 動画を永続的に保存するかどうかを設定（Trueで保存）
    "persist": True
}

# リクエストヘッダーを設定
headers = {
    # JSON形式でのレスポンスを要求
    "accept": "application/json",
    # 送信するコンテンツのタイプをJSONとして設定
    "content-type": "application/json",
    # 認証情報
    "authorization": "Basic ●●●●●:▲▲▲▲▲"
}

# POSTリクエストを送信してレスポンスを受け取る
response = requests.post(url, json=payload, headers=headers)

# レスポンスからJSONデータを取得
response_data = response.json()

# JSONデータから作成された動画のIDを取得
talk_id = response_data.get('id', '')

# 作成された動画のIDを出力
print(f"Created Talk ID: {talk_id}")

それでは「Happyバージョン」をご確認ください

→Pythonコード(Ver2)Happyバージョン

Happyに変わりました？

そこはかとなく、
Happyになっている気がします。
なってますよね？

【ご参考】APIリファレンスまとめ

概要

ChatGPT4にまとめてもらいました。
※ご利用時には、最新のリファレンスを参照してください。

多くのパラメータがありますね。
使えこなせば、いろいろなことができそうです。

APIリファレンスまとめ(2023/10/19時点)

VIDEO ENDPOINTS

Delete a specific talk (特定のトークを削除する)

Create a new stream (新しいストリームを作成する)

Start a stream (ストリームを開始する)

Submit network information (ネットワーク情報を送信する)

Create a talk stream (トークストリームを作成する)

Delete a talk stream (トークストリームを削除する)

Get actors list (俳優のリストを取得する)

Get driver list of an actor (俳優のドライバーリストを取得する)

Get a list of the presenters (プレゼンターのリストを取得する)

Get presenter by id (IDによるプレゼンターの取得)

Create a clip (クリップを作成する)

Get clips (クリップを取得する)

Get a specific clip (特定のクリップを取得する)

Delete a specific clip (特定のクリップを削除する)

Get presenter drivers by id (IDによるプレゼンタードライバーの取得)

Create an animation (アニメーションを作成する)

Get animations (アニメーションを取得する)

Get a specific animation (特定のアニメーションを取得する)

Delete a specific animation (特定のアニメーションを削除する)

Get Voices (Text-to-Speech対応の音声を取得する)

Upload an image (画像をアップロードする)

Delete image (画像を削除する)

Upload an audio file (オーディオファイルをアップロードする)

Delete an audio file (オーディオファイルを削除する)

Upload audio file (オーディオファイルをアップロードする)

スクリプトオブジェクト内のパラメータ：

プロバイダーオブジェクト内のパラメータ：

Get credits (ユーザーのクレジットを取得する)

Upload logo (ロゴをアップロードする)

Delete logo (ロゴを削除する)

Asynchronous Errors (非同期エラー)

終わりの会

「微課金」推奨

APIの場合、何回も実行して確認する必要があるため、
無料プランの配布クレジットだけでは、足りないかもしれません。

「微課金しないといけないかもしれない」心意気が、
必要かもしれません。

※今回は「最小プラン」で課金しました。

マジセミちゃん(仮)のごあいさつ

【お知らせ】「マジセミ」のご紹介

「マジセミ」では、日々、多くのIT関連セミナーを開催しています。

多くのセミナーの中から「ご自身のスキルやビジネスを強化できるセミナー」を見つけて、
ぜひ１度、ご参加ください。

マジセミ関連プラットフォーム