AI 音楽、音声、効果音向けオーディオジェネレーター

画像や動画と同じワークスペースで、テキストから音楽、ボイスオーバー、効果音を生成できます。オーディオのタイプを選び、必要な内容を説明して、バリエーションを比較し、プロジェクト用に結果をダウンロードしましょう。

別のAIサービスに切り替えることなく、フルコーラスの楽曲やインストゥルメンタルを作成したり、スクリプトを音声に変換したり、カスタムの効果音や環境音を生成したりできます。

3種類のAIオーディオを1つのワークスペースで

音楽、音声、効果音は、異なるコントロールを持つ別々のモデルで実行されます。それらは画像や動画と同じ1つのワークスペース、1つのプラン、1つのライブラリを共有します。

AI音楽

トラックの説明を入力するか、独自の歌詞を貼り付けてから、ボーカルの有無(ボーカルまたはインストゥルメンタル)、長さ(30秒、1分、2分、3分)、比較するバリエーションの数を設定します。

Folk-Punk Anthem

AI音声

スクリプトを貼り付け、30種類の声から1つを選び、括弧で囲んだキューを使ってインラインで読み上げを指示します。複数言語に対応しており、結果はWAV形式でダウンロードできます。

Documentary Narration

AI効果音

音の説明を入力し、5秒、10秒、20秒、30秒の長さで、1回の実行につき最大4つのバリエーションを生成します。効果音1つにつき定額制です。MP3形式でダウンロードできます。

Steel Impact

何を生成できる?

3つのジェネレーター、プロンプトからファイルに至る3つの異なるルート。ここでは、それぞれで必要な入力、設定内容、そして得られる結果をご紹介します。

音楽

プロンプトまたは歌詞、ボーカルまたはインストゥルメンタル、30秒から3分の長さ、1つ、2つ、または4つのバリエーション、そしてダウンロード可能なトラック。

あなたが書くもの

プレーンな言語での指示:ジャンル、ムード、テンポ、前面に出すべき楽器、トラックの展開方法。自作の歌詞を貼り付けるか、モデルに作詞を任せることもできます。

設定するもの

ボーカルまたはインストゥルメンタル、長さ(30秒、1分、2分、3分)、および1回あたりのバリエーション数(1つ、2つ、または4つ)。

得られるもの

アプリ内で並べて比較できる完成したテイク。その中からカットに合うものをダウンロードします。

オーディオ生成で何が変わるか

これはクラフト(技術や芸術性)ではなく、納期とコストの比較です。従来の制作方法の方が適しているケースもあり、このページの下部に正直な比較を掲載しています。

Chrome robotic skeleton glowing with purple energy overlooking a city skyline at dusk, generated on getimg.ai.

getimg.aiで生成する場合

  • オーディオのタイプを選ぶ

    音楽、音声、または効果音。それぞれ別のサービスにサインインするのではなく、同じアプリ内で切り替えて利用できます。

  • 必要なものを説明する

    ボイスオーバーのスクリプトを貼り付けるか、トラックや音についてプレーンな言語で指示を書きます。言葉が重要な部分には、歌詞や話し方のキューを追加します。

  • バリエーションを比較してダウンロードする

    複数のテイクを生成し、並べて聴き比べ、適したものをダウンロードします。テイクがイメージと違う場合は、より明確な説明で再実行できます。

Music producer at a large mixing console in a dimly lit control room, watching a singer perform at a condenser microphone in the live room through the glass, blue ambient lighting and an acoustic guitar to one side. Image generated with getimg.ai.

従来の方法のコスト

  • スタジオとタレントの空き状況に合わせて音声収録を予約しなければならない
  • セリフが変更された場合、再録音のために別のセッション費用を支払う必要がある
  • 音楽は、独自のサブスクリプションを持つライセンスサービスから調達する
  • 効果音は説明して作成するのではなく、ライブラリで検索する
  • 広告として流す前に、同期権や利用条件を再度確認しなければならない
  • 各ベンダーがそれぞれの条件で個別に請求書を発行する
  • ファイルのオーディションに、依頼から編集までの時間が奪われる
  • 関連性のない3つのツール間で、フォーマットやエクスポート方法が異なる
  • 利用権はソースごと、プロジェクトごとに追跡される
  • 次のキャンペーンでも、このループ全体が最初から始まる

クライアントの動画からリリース済みのゲームまで

期限は違っても、ニーズは同じ。「プロジェクトの他の部分が完成した時に、オーディオも準備できていること」。このページのすべてのサンプルには、タイプ、設定、およびそのベースとなったプロンプトが記載されています。

Video editor's desk in a bright studio, a wide monitor showing a video timeline with coloured clip bars, speakers and a notebook on warm wood, illustrating generating narration, music and transitions for a video edit. Image generated on getimg.ai.

AI音楽を生成

このページ用に生成された2つのトラック。それぞれモデル、設定、使用したプロンプトが記載されています。すべてのコントロールとその他の例については、AI音楽ジェネレーター ページをご覧ください。

Folk-Pop with Vocals

音楽モデル間での同一の指示

同一の設定で両方の音楽モデルに実行した1つのプロンプト:「30秒の製品広告用のアップビートなインディーポップトラック。明るいエレキギターのリフ、パンチの効いた生ドラム、温かいベース、コーラスで入ってくるハンドクラップ。女性リードボーカル。歌詞:『Hold the morning in your hand, let the quiet start again.』 スカスカのイントロ、20秒までにフルコーラス。」スコア付きのベンチマークではなく、それぞれ1回ずつの実行です。プロンプトへの忠実さ、ボーカルのキャラクター、楽器のディテール、歌詞の扱い、構成を聴き比べ、プロジェクトに合うテイクを選んでください。

Indie-Pop: Lyria 3 Pro

AI音声を生成

同じ声で同じセリフを2回読み上げています。1回目はそのまま、2回目はスクリプトに話し方のキューを追加しています。声、言語、アクセントのコントロールについては、AIテキスト音声合成ジェネレーター ページをご覧ください。

Plain Script

AI効果音を生成

長さの範囲が両極端な2つの効果音と、それぞれの生成に使用したプロンプトです。音源、アクション、素材や表面、環境、距離、強度を説明します。その他の例とプロンプトの完全な形式については、AI効果音ジェネレーター ページをご覧ください。

Cinematic Whoosh

AIオーディオのプロンプトのコツ

プレーンな言語で始めるだけで十分ですが、適切な要素を指定することで、より早く目的の結果にたどり着くことができます。オーディオのタイプごとに適した説明の種類が異なるため、生成する前に以下の要素を書き出しておく価値があります。

音楽:ジャンル、ムード、テンポ、楽器、構成、ボーカル ジャンルやムード、テンポや雰囲気を指定し、前面に出すべき楽器をリストアップし、トラックの展開を説明し、ボーカルかインストゥルメンタルかを明記します。言葉が重要な場合は、自作の歌詞を貼り付けます。
音声:スクリプト、声、話し方のキュー スクリプト自体がプロンプトになります。キャラクターに合った声を選び、話し方を変える必要があるたびに [温かく、ゆっくりと] や [イギリス英語のアクセントで] などの括弧で囲んだキューを使って、インラインで読み上げを指示します。
効果音:音源、アクション、素材、空間 音源、アクション、素材や表面、環境、距離、強度を指定します。「コンクリートの階段の近くで重い鉄の扉がバタンと閉まり、金属的な残響が長く続く」は、「ドアの音」よりも優れたプロンプトです。

Mechanical Keyboard Typing

現在利用可能なオーディオモデル(個別のアカウントは不要)

複数の音楽モデルに加えて、専用の音声および効果音生成を同じgetimg.aiワークスペースで使用できます。利用可能なモデルのラインナップが変わっても、現在のオプションには同じ制作ワークフロー、同じプラン、同じクレジットでアクセスできます。

オーディオタスクごとに異なるモデル トラックの作成、スクリプトの読み上げ、効果音の構築は、それぞれ異なるタスクです。オーディオのタイプを選ぶと、そのタイプに利用できるモデルがすでに用意されており、設定や追加のサブスクリプションは不要です。
音楽:Lyria 3 Pro および Eleven Music 2 現在、2つの音楽モデルが利用可能です。曲単位で課金されるGoogle Lyria 3 Proと、曲の秒数単位で課金されるEleven Music 2です。どちらも長さは30秒から3分、1回あたりのバリエーション数は1、2、または4つです。
音声と効果音 音声は、30種類の声、インラインの話し方キュー、多言語出力を備えた高品質なテキスト音声合成モデルで実行され、1,000文字ごとに課金されます。効果音はEleven Sound Effects 2で実行され、効果音1つにつき定額です。

Instrumental

1つの30秒広告のオーディオを作成しました

getimg.aiで作成した1つの製品広告:3つの動画クリップを繋ぎ合わせてミュートし、ボイスオーバー、BGM、効果音のレイヤーを個別に生成しました。各レイヤー単体のデータと、3つすべてを配置した完成版のカットがここにあります。getimg.aiで生成し、最終編集で組み合わせました。

ネイティブオーディオとスタンドアロンオーディオのどちらを選ぶべき?

対応している動画モデルは、映像と一緒にネイティブオーディオを生成できます。無音の動画モデルや既存の映像の場合は、スタンドアロンの音楽、音声、効果音を使ってオーディオを個別に構築します。どのモデルがどの機能に対応しているかは、AI動画ジェネレーター ページをご覧ください。

ネイティブ動画オーディオ 対応する動画モデルによって、映像と同じ工程で生成されます。クリップの長さに連動し、動画プロンプトによって方向付けられます。1回の生成につき1つの結果が得られます。
スタンドアロンオーディオ 独自のコントロールを持つ別個のアセット。独自の長さ、独自のバリエーション、独自のプロンプトを持ちます。音を生成しないモデルのクリップ、画面録画、実際のカメラ映像など、あらゆる映像の背景に配置できます。
どちらを使用するか 音がそのショットに属しており、クリップが短い場合はネイティブオーディオを使用します。フルコーラスのトラック、スクリプト化された読み上げ、特定のエフェクト、または元のクリップよりも長く続く音が必要な場合は、スタンドアロンオーディオを生成します。
Editing suite monitor in a dim studio showing a video timeline with one video track above three separate coloured audio waveform tracks, illustrating standalone audio layered under footage. Image generated on getimg.ai.

AI生成と従来のオーディオ制作

どちらも完成したオーディオを生成しますが、それぞれ適した条件が異なります。スピード、反復、大量のコンテンツが重要な場合はAI生成を使用します。パフォーマンス、録音の真正性、正確な芸術的ディレクションが求められる場合は、従来の制作方法を使用します。

AI生成

要件が絶えず変わり、量が多い場合に最大の威力を発揮します。

素早いバリエーション生成

1回の実行で同じセリフ、キュー、またはトラックの複数のテイクを生成できるため、最初のテイクを無理に使うのではなく、選択肢の中から選ぶことができます。

オーダーメイドの音

あなたの説明に合わせて作成される効果音と音楽。録音やライセンス取得ができない、現実には存在しない音も含まれます。

セッション不要の修正

スクリプトの変更は、プロンプトの変更を意味します。セリフを読み直すためのコストは、スタジオの予約ではなく1回の生成分です。

AIオーディオツールを探索する

各オーディオタイプには独自のページがあり、そのツールのコントロール、現在のモデル、および例が掲載されています。

よくある質問

次のプロジェクトのために、音楽、音声、効果音を作成しましょう。

オーディオのタイプを選び、必要なものを説明して、ビジュアルと同じワークスペースでトラック、読み上げ、または効果音を生成します。