zenryokukikai.com ↗

// ZENRYOKU KIKAI DEMO

世界初、世界最速スマホのブラウザ上で音声合成と実写リップシンクをWebGPUで実現（当社調べ）

146fpsiPhone Air の Safari での推論速度

全力機械は、超軽量で高速なリップシンクモデル（ZEN-LipSync）と音声合成モデル（ZEN-TTS）を独自に開発しました。声に合わせてアバターが話す様子を、ブラウザの中だけでリアルタイムに作れます。ロールプレイのデモは、GPUサーバーなしでリップシンクが動きます。カードを押すと、それぞれのデモが開きます。

全力機械について → お問い合わせ 公開中のデモ –

デモ一覧

    独自開発の軽量リップシンクモデル

    声に合わせてリップシンクするモデルを、全力機械が自社で開発しました。端末のWebGPUやCPUで動くので、GPUサーバーなしで、ブラウザだけで写真のような人物のアバターとリアルタイムに対話できます。

    世界最速※1・世界初※2：全力機械の実写リップシンク

    • ※1 世界最速：オープンな実写リップシンクで、CPU 1 スレッドの 1 フレームあたり推論速度
    • ※2 世界初：スマホのブラウザ上で、音声合成と実写リップシンクを WebGPU で端末内リアルタイムに実行

    CPU での推論速度（1 フレームあたり）

    実装 1 フレームの時間（中央値） 生成する範囲 遅いほう（p90 の中央値）
    ZEN-LipSync全力機械 2.85 ms 352×160 2.95 ms
    DH_live_mini公式の PyTorch 実装 6.13 ms 112×80 6.49 ms

    広い画面では、遅いほう（p90 の中央値）も表示します。

    推論速度
    端末推論速度
    MacBook Pro（M3 Max）
    ブラウザ・WebGPU    		約1,060 fps
    iPhone Air
    Safari・WebGPU    		約146 fps
    iPhone 16 Pro
    Safari・WebGPU    		約131 fps
    Pixel 9
    Chrome・WebGPU    		約61 fps
    Pixel 7a
    Chrome・WebGPU    		約36 fps
    NVIDIA A100約3,330 fps
    NVIDIA GB10（DGX Spark）約2,520 fps

    2026年10月15日 当社調べ。

    ※1 世界最速：2026年10月23日時点、当社調べ。対象は、モデルが公開されていて CPU で動く、音声から実写の唇を動かすリップシンクです。1 フレームの推論時間（音声特徴の計算を含む、同じ音声で交互に 4 周測った中央値）を比べました。有料・非公開の製品（bitHuman など）は含みません。

    • 測定環境：Intel Xeon Silver 4316、CPU のみ・1 スレッド。全力機械が生成する範囲は、DH_live_mini の約 6 倍の面積です。

    ※1 はサーバーの CPU で直接動かした速さです。ブラウザのデモは WebGPU で動きます。

    ※2 世界初：2026年10月15日時点、当社調べ。GitHub、arXiv、Hugging Face、npm、主要各社の公式ドキュメントを調査した範囲で、スマートフォンのブラウザ内で WebGPU を用いて、音声合成と音声同期の実在人物リップシンクの両方を端末内でリアルタイムに実行する公開デモは、ほかに見つかっていません。

    SDK とモデルは GitHub で公開しています
    https://github.com/zenryokukikai/zen-lipsync
    https://github.com/zenryokukikai/zen-lipsync-avatars