D-DIとは？

https://www.d-id.com/
D-ID（chat.D-ID）とは、テキストからなめらかな顔の動きや音声を生成してくれる（text-to-speech）サービスです。
料金プランは複数ありますが、無料トライアルのプランでも好きな画像をアップロードしてしゃべらせることができます。

たとえば、以下の女性の画像に、「こんにちは、はじめまして」というテキストを添え、音声（女性ボイス）と言語（日本語）を選択して動画を生成すると...

↓

こんな感じで、女性の顔が滑らかに動きます。

APIの利用

Liteプラン以上に課金すると、APIが使えるようになる。

困ってるところ１

• 認証が通らない
  • 公式ではBasic認証が紹介されているが、usernameがどこにあるかわからない...
  • passwordはAPI KEYを指している？
  • 暫定的な解決策として、サインイン後のAPIドキュメントで見れるBeareトークンを用いて、通るようにした。
  • しかし、8時間に一回ぐらいトークンが変わるので、サービスに組み込む時には使えない。
  • 普通にBasic ${API_KEY}で通りました。

困ってるところ２

• ストリーミングデータの受け取り方がわからない
  • サポートに問い合わせたら、デモアプリのコードをくれた！

困ってるところ３

• 目線をこちらに向けつつ、無言で顔を動かしたい
  • ssmlをtrueにして、<break>タグを用いれば動かせた。しかし、time=15000msにしても5秒の動画しか返ってこなかった