MotionPNGTuberの使い方｜Windowsで動画を口パクさせる

ループ動画のキャラを、自分の声で口パクさせるには？ MotionPNGTuberは、そのための制作ツールです。開発元は、ループ動画と口のPNG画像を組み合わせ、マイク入力に同期して口を動かす仕組みだと説明しています。髪や服の揺れは動画で見せる構成なんです。

参照した公式READMEでは、2026年4月10日付の開発者プレビューとして案内されています。機能やAPIは予告なく変わる開発段階です。ここではWindowsで、サンプルを選び、マイクに話しかけて動かすところまでを扱います。

前提は、Python 3.10とプロジェクト一式がPCにあることです。Pythonのインストール時は、Add Python to PATHを有効にします。

パッケージ管理に使うuvが未導入なら、README記載の次のコマンドをPowerShellで実行します。

powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

続いて、プロジェクトのフォルダーで依存パッケージを導入します。

uv sync

完了したら、同じフォルダーでGUIを起動します。

uv run python mouth_track_gui.py

ここまでが動作環境の準備です。次はGUI上で、動画と口画像のフォルダーを指定していきます。

最初はREADMEにある次のサンプル指定で進められます。

• 動画：assets/asmr_tomari/asmr_loop.mp4
• 口画像のフォルダー：assets/asmr_tomari/mouth

自分の素材なら、顔が隠れない数秒のループMP4を用意します。口画像は透過PNGで、幅は約128pxが推奨値です。ファイル名はopen.png、closed.png、half.png、e.png、u.pngの5種類。開発元は、一部が欠けた構成より5種類そろえたほうが安定すると説明しています。

口画像のフォルダーがまだなければ、メインGUIのCreate mouth PNG sprites (recommended)から作成画面を開きます。動画を選んだ後の解析状況は、画面上部の進捗表示で見られます。

素材がそろったら、メインGUIで次の順に操作します。

1. Select videoでループ動画を選びます。
2. Select mouth folderで口画像のフォルダーを選びます。
3. (1) Analyze → Calibrateで解析し、口の位置を調整します。

調整画面では、左ドラッグで移動、ホイールで拡大・縮小、右ドラッグで回転します。位置と大きさが決まったら、Spaceで確定します。

位置が決まったら、Visual check (lightweight)を開きます。既存の解析データを使い、動画全体を書き出す前に口の配置倍率と、元の口を消す範囲を見られるプレビューです。open.pngがあれば、口PNGを重ねた見え方も表示します。

配置倍率は、詳細設定のmouth placement margin factorです。初期値は2.1。READMEでは、まずこの値で解析し、プレビューで1.9 / 2.1 / 2.3の周辺を比べる流れを勧めています。口が小さい・端が切れる場合は倍率を上げ、大きすぎて顎や頬まで拾う場合は下げます。

プレビューでは、r／fで口を消す範囲を調整し、Enterで設定をGUIに反映します。配置倍率を変えたら、(1) Analyze → Calibrateの再実行が必要です。 プレビューで反映するだけでは、手順が終わらないんです。

調整後に(2) Generate mouthless videoを実行し、元の口を消した動画を生成します。

動画を生成したら、(3) Live runを開始してマイクに話しかけます。口だけ明るい、境目の色が浮くときは、実行中にAuto color blendingを押します。

開発元によると、この機能は背景動画の口周辺と、口PNGの色の付いた縁を比較し、補正値を提案します。透明部分は解析対象から除かれます。自動補正後も、明るさ・彩度・色温度のスライダーで微調整できます。自動補正ボタンはLive run中だけ使え、変更は自動保存されます。

編集部としては、まずサンプルで「位置を合わせる→書き出す→色を合わせる」を一度通すと、自作素材でどこを調整するかもつかみやすい気がします。