VRM 生成AIでアバターを作成 — 画像1枚から、話せるVRM 1.0アバターを出力
画像生成AIは、アイデアからキャラクターを生み出すまでの距離を大きく縮めました。しかし、その画像からアバターを作るまでには、3Dジェネレーター、自動リギングツール、エクスポートダイアログ、そして話すことのできない表情が立ちはだかっていました。Riggleは、その画像自体を直接受け取ります。
AI画像からVRMアバターを作成するには、キャラクターの口を開けた全身正面の画像を無地の背景で生成し、そのPNGまたはJPGをRiggleにアップロードします。すると、話したり、まばたきしたり、感情を表現するVRM 1.0アバターが手に入ります。これには5つの口の形(aa、ih、ee、oh、ou)、左右独立したウィンクを含むまばたき、喜怒驚の表情が含まれます。さらに、ダウンロード前に表情を確認できるよう、すべての表情の動画も提供されます。Blender、Unity、UniVRMは不要です。画像1枚あたり15トークン(月額$4.99のProプランまたは$9.99のトークンパックから)、3Dモデルの生成に約2分、表情の生成にさらに約1分かかり、完成したVRMのダウンロードには10トークンが必要です。最も重要なヒントは、キャラクターの口を開けた状態で画像を生成することです。
口を開けた画像が、最も自然な口の形を作る理由
多くのガイドでは、画像プロンプトを楽しい部分、3D作業を難しい部分として扱っています。しかし、実際はその逆です。プロンプトがアバターが話すときの自然さを決定し、その結果は2ステップ後まで確認できません。
口を開けた状態で生成されたキャラクター(歯、舌、そして奥の暗い部分が見える状態)は、最も自然な口の形を生み出します。アバターが「あ」と発音するとき、あなたが見るのは、キャラクター自身の開いた口であり、本物の歯とその奥の奥行きです。
唇を閉じた状態で生成されたキャラクターでも変換でき、話すこともできますが、口の動きはよりおとなしく、説得力に欠け、下唇と一緒に顎が動いてしまうことがあります。画像になかった歯や舌を後から追加することはできません。3Dモデルは、画像に表示されているものをそのまま再現します。
これを正しく行うのにコストはかかりません。しかし、修正するには完全な再生成のコストがかかります。
AI画像から始めない場合でも、どんなキャラクターのPNGやJPGでも同様に機能します。画像からVRMへのガイドをご覧ください。
ステップ1 - 3Dモデルを構築できるキャラクターをプロンプトで生成する
優れた画像モデルであればどれでも構いませんし、アートスタイルも自由です。しかし、4つの点は必須です。全身正面図、体から離した腕、無地の白い背景、そして中が見えるほど大きく開いた口です。フレーム内の他のすべての要素はモデルの一部になります。落ち影は床の模様になり、持っている小道具は手の一部となり、マントは背中に融合して一緒に動きます。
以下のプロンプトは、最初の試行で使えるリファレンスを生成します。キャラクターの行を置き換え、残りはそのままにしてください:
Full-body character reference of a single stylized 3D game character, front orthographic view, arms held straight out to both sides at shoulder height, palms facing down, legs shoulder-width apart, feet flat and pointing forward. THE MOUTH IS WIDE OPEN. The jaw is dropped in a rounded "aah" and the inside of the mouth is clearly visible: upper and lower teeth, the tongue lying on the floor of the mouth, and the dark throat cavity receding behind it. The opening must read as a real hole with depth, not a flat painted shape on the face. Character: [your character here - hair, skin, outfit, proportions]. Simple clean shapes, readable flat colours, matte materials, no fine surface noise. Lighting: soft even studio light from the front, no cast shadows, no rim light, no perspective distortion. The whole body is inside the frame with a small margin. Background: pure flat white and nothing else. Nothing crosses or hides the silhouette - no cape, no long loose hair over the shoulders, no held props, no floor plane, no drop shadow.
面倒に見えるかもしれませんが、覚えておく価値のある2つの詳細があります。腕を広げることで、アバターの腕がきれいに動くようになります。目を開いて見えるようにすると、最高のまばたきができます。描き目の場合も問題ありませんが、そのまばたきは本物のまぶたが閉じるよりも平面的に見えます。
PNGまたはJPGとして保存してください。画像がすべての指示書です。そこに写っていないものは、モデルにも反映されません。画像からVRMへのガイドには、どの画像が使えて、どの画像が使えないかがリストされています。
ステップ2 - Riggleに画像をアップロードする
サインインしてStudioを開き、モデルをドロップするのと同じ場所に画像をドロップします。画像を3Dモデルに変換するには15トークンが必要です。これはProプランまたは1回限りのトークンパックから使用できます。Riggleは課金前にコストと所有トークン数を表示し、不足している場合は同じページでプランとパックが表示され、すぐに画像に戻ることができます。
その後Riggleは、約2分で画像をスケルトン付きのテクスチャード3Dモデルに変換し、ページには進行状況が表示されます。もしあなたの助けが必要な場合は、正面図でスケルトンを確認するように求められます。スケルトンがないという理由でモデルが拒否されることはありません。ビルド自体が失敗した場合、15トークンは自動的に残高に戻ります。
3Dモデルは、アップロードした画像の隣にあるAssetsから.glb形式でダウンロードすることもできます。
ステップ3 - プレビューを確認する
3Dモデルには動かせる体がありますが、顔はまだ動かせません。Riggleがそれに表情を与えます。

Riggleはキャラクターの顔を表示し、口と目を数クリックで指定するように求めます。約1分後、アバターは話したり、まばたきしたり、感情を表現できるようになり、ダウンロードする前にそのすべての動作を確認できます。
VRM 1.0でできることと、その動作確認方法
話したり、まばたきしたり、感情を表現したりするVRM 1.0アバターです。5つの口の形、左右独立したウィンクを含むまばたき、喜怒驚の表情、そしてモデルに目のボーンがあれば視線が動きます。

言葉を鵜呑みにする必要はありません。何も支払う前に、ページ上でキャラクターが再生する全セットの14枚の静止画と動画を確認できます。そして、目に見えて動かない表情は、そのまま提供されるのではなく、フラグが立てられます。
口が思うように開かない場合は、もう一度実行してください。再実行は無料で無制限です。画像からモデルへの変換ステップを過ぎると、特定のモデルを初めてダウンロードするときにのみ課金されます。
既に3Dモデルをお持ちの場合、または自分で作成したい場合
画像からのルートは近道です。既に3Dモデルをお持ちの場合、または3Dステップを自分で操作したい場合は、そのステップをスキップして代わりにモデルをアップロードしてください。この方法は無料プランで利用できます。
- TripoまたはMeshy - そこでお手元の画像からモデルを生成し、GLBをエクスポートします(MeshyからVRMへ)。これらの自動リギングは任意です。Riggleはスケルトンの有無にかかわらずモデルを受け入れます。
- Mixamo - FBXをダウンロードします。まずGLBに変換してください。MixamoからVRMへで手順を解説しています。
- VRoid Studio - 既にVRMをエクスポートします。VRoidが提供したものの上にRiggleの口パク(ビジーム)を追加したい場合は、.vrmを直接アップロードしてください。
- 自作モデル - GLBとしてエクスポートされた、リギング済みかどうかを問わない任意の人型モデル(GLBからVRMへ、またはFBXしかない場合はFBXからVRMへ)。
どの方法で始めても、足りないのは顔の部分であり、このガイドの残りの部分は変わりなく適用されます。
料金について
画像を3Dモデルに変換するには15トークンが必要です(Proプランまたはトークンパックから)。3Dビルドはすぐに実行されるため、開始時に課金されますが、失敗した場合は返金されます。その後、表情の生成、プレビュー、動画は何度実行しても無料で、完成したVRMのダウンロードにはモデルごとに1回、10トークンがかかります。
- Pro、月額$4.99 - 毎月50トークン:画像からアバター2体、またはアップロードしたモデルから5体分。考えたくない場合は年額$49.99。
- トークンパック、$9.99 - 75トークン、1年間有効。ついに全キャストを完成させる月に。
- 無料 - 毎月10トークン、自分でアップロードしたモデルから完成アバター1体分。15トークン必要な画像からの変換には足りません。
生成したキャラクターに命を吹き込もう
お手元の画像から。Riggleが、話したり、まばたきしたり、反応したりするVRM 1.0に変換します。ダウンロード前にすべての動作をプレビューで確認できます。
画像をアップロードクリエイターからよくある質問
画像から始めるにはサブスクリプションが必要ですか?
いいえ。画像からの変換には15トークンが必要です。これはPro(月額$4.99または年額$49.99)または1回限りの75トークンパック($9.99)から使用できます。無料プランの月10トークンは、自分でアップロードした3Dモデルを対象としており、画像は対象外です。
どのような画像が使えますか?
キャラクター1体、頭から足まで、正面向きで腕を体から離し、無地の背景に写っている、100MBまでのPNGまたはJPG画像です。顔写真やバストアップ、集合写真、側面図、背景がごちゃごちゃしたシーンでは、使えるアバターは生成できません。モデルは画像に写っているものしか再現できないためです。
キャラクターの口が閉じている場合はどうなりますか?
それでも変換でき、話すこともできます。しかし、画像に歯や舌が写っていないため、口の動きは口を開けて生成されたキャラクターよりもおとなしく、説得力に欠けます。キャラクターを再生成できる場合は、口を開けた状態で再生成してください。できない場合は、変換してみてプレビューで判断してください。
3Dモデルが構築できなかった場合はどうなりますか?
15トークンは自動的に残高に戻り、画像はアカウントに残るので、別の画像を試すことができます。モデルは構築されたもののスケルトンの手助けが必要な場合は、やり直すのではなく、正面図で確認作業を行います。
代わりに自分でTripo、Meshy、Mixamoを使えますか?
はい。Riggleは、どのプランでも、リギング済みかどうかを問わず、任意の人型.glb、または再リギングしたい既存の.vrmを100MBまで受け付けます。自分でモデルをビルドすると3Dツールのクレジットといくつかのエクスポート設定が必要になりますが、画像ルートはそのステップを代行します。
Blenderや3Dソフトウェアは必要ですか?
いいえ。画像のアップロード、プレビュー、ダウンロードはすべてブラウザ内で完結します。3Dソフトウェアをインストールしたり開いたりする必要は一切ありません。
キャラクターは人型である必要がありますか?
二足歩行である必要があります(腕2本、脚2本、首の上の頭)。ロボット、ゴブリン、モンスター、二足歩行の様式化された動物はすべて対象です。四足歩行の生物や浮遊するスライムなどは、VRMアバターが人型であるため対象外です。
全体でどれくらいの時間がかかりますか?
画像の生成は瞬時で、3Dモデルに約2分、数クリックの後の表情生成に約1分かかります。実際の作業時間のほとんどは、あなたではなく待機時間です。
アバターを使って配信や販売はできますか?
VRMはあなたのものです。Riggleはあなたが変換したものに対して何の権利も主張しません。商用利用を規定するのは、画像を生成したもののライセンスです。各画像ジェネレーターが独自の規約を設けているので、キャラクターを収益化する前にそれらを確認してください。
私のVTuberアプリでVRMは動作しますか?
お使いのアプリがどのVRMバージョンを読み込むか確認してください。RiggleはVRM 1.0をエクスポートし、VRM 1.0を読み込むアプリはそのままロードできます。しかし、一部のVTuberソフトウェアはまだ古いVRM 0.xを想定しており、1.0ファイルを完全に拒否します。お使いのものが0.xアプリの場合、2つのバージョン間で変換ステップが必要になるため、配信を計画する前に確認する価値があります。