音声プロンプト
このmmaudioプロンプトガイドでは、シーンや音のアイデアを正確な説明に変える方法を紹介します。まず聞き手に何が聞こえるべきかを書き、次にタイミング、環境、そして最も重要な細部を調整します。
以下の詳しい例に進む前に、この短い手順で音の説明文の下書きを作成しましょう。
まず、主な聞こえる出来事を書きます。きしむドア、屋根を打つ雨、砂利の上を横切る足音などです。
環境と進行を加えます。音が近づいてくるのか、繰り返すのか、消えていくのか、突然終わるのかを説明します。
足りない要素を聞き取り、説明全体を書き直すのではなく、1つのフレーズだけを変更します。
専門的な音声用語は必要ありません。説明したい音について明確なイメージと、結果を判断する方法が必要です。
これらがすべてそろっていないと、この手順は実行できません。
mmaudioの説明に使用する、主な聞こえる出来事を1つ選びます。
焦点となる出来事を1つに絞ると、修正の明確な基準になります。
冒頭、中盤、終盤で何が起こるかを決めます。
一般的な時間表現を使いましょう。最初の草稿では正確なタイムスタンプは必要ありません。
タイル張りのホールや濡れた舗道など、音にとって重要な場所や地面を特定します。
聞こえる音を変える可能性がある詳細だけを残します。
どれを省いても、この手順は使えます。これらは作業を速くするためのものです。
試した表現と、不自然に聞こえた点を短くメモしておきます。
そうすれば、試行を重ねたときに比較しやすくなります。
参照用の音声クリップがあれば用意します。
結果の評価に使います。ただし、すべてのツールが参照音声に対応しているとは限りません。
以下の関連記事では、モデル、入力方法、効果音の用途について詳しく説明しています。
説明を段階的に組み立てます。以下の例は文章を作る練習であり、特定のツールが細部まで再現できることを保証するものではありません。
Mmaudio向けの説明は、「重い金属製の門がこすれる音を立てて開く」のように、聞き手が識別できる音から始めます。「不気味な廃工場」は雰囲気と場所を表すだけで、実際の音が何かは分かりません。場面に複数の出来事がある場合は、必ず聞き取れるようにしたいものを1つ選びます。中心となる動作が明確に伝わってから、副次的な音を加えましょう。動画の場合は、まずその瞬間を見て、画面内に見えるものをすべて列挙するのではなく、音声で追ってほしい動作を説明します。
最初の草稿
金属製の門がこすれる音を立てて開き、その後、空洞に響く金属音とともに勢いよく閉まる。
次に、音を聞く順番に沿って要素を並べます。「足音が砂利道を近づき、止まってから遠ざかる」なら、「足音、砂利、屋外」という単なる羅列では伝わらない流れを表せます。「ゆっくり」「2回」「近くで」「次第に小さくなる」といった言葉は、意図する出来事を変える場合に役立ちます。突然の衝撃音を求めながら、その音が徐々に大きくなるよう求めるなど、矛盾する指示を重ねないでください。Mmaudio向けの草稿は、変更を加えるたびに音の違いを聞き取れる程度に短く保ちましょう。
タイミングの調整
音が何をきっかけに始まり、どう変化し、どのように終わるかを示します。
最後は、表面、距離、囲まれた空間、背景の環境音など、少数の音響的な手がかりで仕上げます。「静かな通りの上にある金属製のひさしを雨が小刻みに叩く」なら、雨に素材と状況が加わります。「夜の美しい映画的な都市」は印象的かもしれませんが、何が聞こえるべきかは示していません。結果が音で混雑している場合は、形容詞を増やす前に、環境音や二次的な動作を一つ削ってください。最も効果的なMmaudioの表現が、必ずしも最も長いとは限りません。出力を判断するのに役立つ詳細を含む表現こそが、最も優れた表現です。
コンテキストの確認
エコー、表面、遠くの背景音など、聞き手が実際に気づけそうな詳細を残します。
聞こえた内容に最も近い問題を選びます。焦点を絞った変更を1つ加え、同じ聴取目標に照らして次の結果と比較します。
「屋外のにぎやかな場面」のような説明では、どの出来事を優先すべきかMmaudioに伝わりません。環境音を加える前に、具体的な音源と動作を中心に書き直します。たとえば「劇的な嵐」を「近くで雷鳴が鋭く響き、一定の雨が窓を打つ」に置き換えます。これにより、特定できる2つの音と、それらの関係が示されます。それでも結果が間違った要素を強調する場合は、二次的な音を削り、雷または雨だけで試してください。
楽器、環境音、動作を長く列挙すると、どの指示が結果に影響したのか分かりにくくなります。アイデアを主要な出来事と、最大でも1～2個の補助的な手がかりに分けます。連続する複数の出来事が必要な場合は、カンマでつなぐのではなく、順序を明示して書きます。各Mmaudioの試行結果を直前の表現と比較し、有益な改善が関係のない編集に埋もれないようにします。
足音は認識できても、場面に対して柔らかすぎたり、近すぎたり、きれいすぎたりすることがあります。広い形容詞を重ねるのではなく、表面や音響空間を指定します。「激しく、リアルな足音」よりも、「開けた中庭で、ブーツがゆるい砂利を踏みしめる」のほうが、実行につながる文脈を与えます。Mmaudioの結果により鋭い衝撃音が必要な場合は、接触する素材や動作を修正して、もう一度聞いてください。説明的なフレーズを、正確な技術的制御として扱わないでください。
より意図的なMmaudioワークフローのために、基準となる説明を1つ用意し、イベント、タイミング、音響コンテキストについて別々に調整を行います。最も明瞭な主役の音を生み出す文言を保存し、その後で距離、表面、または終わり方を変えてみてください。実用的なmmaudioプロンプトガイドは、形容詞を際限なく積み重ねるのではなく、何が変わったのかを診断できるようにするべきです。利用可能な音声生成オプションを試す準備ができたら、パートナーサイトに進み、そこで現在の機能を確認してください。
音声オプションを試す主な音源とその動作から始めます。たとえば「自転車が木の板の上を転がる」のようにします。その動作が明確になってから、タイミングや状況を加えてください。これにより、結果の中で聞き取るべき具体的なイベントが生まれます。
イベント、その進行、そして不可欠な音響コンテキストを特定できる程度の詳細を含めます。ムードや無関係な音を長く列挙すると、主となるイベントが不明瞭になることがあります。まずは簡潔に始め、前の結果で不足していた点に対応するときだけ詳細を追加してください。
動画に合わせたい、聞こえる動作を説明します。目に見える物体だけでは、その音までは定まらないことがあります。たとえば閉じるドアは、静かにカチッと閉まることもあれば、枠に強くぶつかってバタンと閉まることもあります。視覚的な説明だけに頼らず、動作とその聞こえ方を明記してください。
まず、問題が主なイベント、そのタイミング、またはその質感のどれにあるのかを判断します。該当するフレーズを修正し、説明の残りの部分はそのままにします。一度に1か所だけ変更して比較すると、文言の改善効果を確認しやすくなります。
複数のイベントを説明できますが、明確な順序と主となる焦点を設定してください。効果音を順不同で列挙するより、「グラスが落ちて割れ、その後、小さな破片が飛び散る」のようにしてみましょう。結果が雑然とする場合は、背景音を戻す前に、中心となるイベントだけを試してください。