Mirelo SFX 2.0: ひとつの文から効果音と環境音を

フォーリーアーティストがココナッツの殻を2つ打ち合わせて馬のひづめの音を作るのは有名な話です。Mirelo SFX 2.0 ならココナッツはいりません。音を言葉で説明すると、効果音や環境音のオーディオファイルが1つ返ってきます。モデルページの作例は、その実力を試すのにちょうどいい題材です。異星の宇宙船が1機通り過ぎる音で、遠くのとどろきから始まり、頭上でタービンの轟音へとふくらみ、ドップラー効果で音程が下がって、消えていきます。始まりと中盤と終わりがある音を、ひとつの段落で書いているわけです。

何を作れるのか?

2種類あります。イベント: ドアが閉まる音、鞘から剣を抜く音、通過音、ガラスが割れる音。ベッド: トタン屋根に降る雨、にぎやかなカフェ、森を渡る風、宇宙船の機関室のうなり。長さのスライダーは0.1秒から10分までで、初期値は30秒です。短いクリック音もシーン用の長いループも、ひとつのモデルでまかなえます。

プロンプトはどう書けばいい?

キャプションではなく、サウンドデザイナー向けの指示書のように書きます。違いを生むのは4つです。音源 (何が音を出すか)、動作 (何がどの順で起きるか)、空間 (小部屋、大聖堂、屋外)、距離 (すぐそば、通りの向こう)。通過音の作例には4つすべてがそろっていて、だからうまくいくのです。

ネガティブプロンプトは何のため?

勝手に紛れ込むものを締め出すためです。にぎやかな通りを頼むと、いらない車のクラクションや、カフェの話し声が入ることがあります。ネガティブプロンプトは詳細設定の中にあり、そのヒントによくある侵入者が挙げられています。音楽、声、交通音です。会話の下に敷く環境音なら、そこに「声、話し声、音楽」と入れるとベッドがきれいに保たれ、話すのは役者だけになります。ネガティブプロンプトのガイドでは画像と動画についてこの考え方をくわしく説明していますが、ここでも同じように働きます。

同じ音のバリエーションを作るには?

シードを使います。空欄のままなら毎回新しいランダムなテイクになり、探っている段階ではそれが望ましい状態です。気に入ったテイクが出たら、そのシードを指定して固定したまま言い回しを調整します。結果は言葉を変えたぶんだけ変わります。ゲームには似ているけれど同一ではない足音が5つ必要です。プロンプトはそのままで、シードだけを5回変えましょう。シードの記事では、同じ考え方を画像について説明しています。

どのファイル形式を選ぶ?

初期値のWAVは非圧縮なので、動画や音声の編集ツールで編集するならこれが正解です。FLACも可逆圧縮でロスがなく、サイズは小さめです。MP3とAACはウェブ用や手早い試聴用で、この2つではビットレートを32から320 kbpsの間で指定できます。空欄ならエンコードは自動です。

できないことは?

効果音と環境音のためのモデルで、説明が約束しているのもそれだけです。歌やセリフには、音楽か音声のモデルを選んでください。また、動画を見ることもしません。グラスが床に落ちるまさにそのフレームに音を合わせるのは、同じモデルの動画から音声版、Mirelo SFX 2.0 video to audio の仕事で、こちらは映像に耳を傾けます。ループする環境音を作れる別のテキストから音声のモデルについては効果音 V2 ガイドを、すべての音声モデルはモデル一覧をご覧ください。