AI音楽の作例
8つのプロンプトを分解します。どんな結果が返るか、どの指示がそれを決めたか、その指示を外すと出力がどう変わるかを示します。
要点
A のトラック — . インストゥルメンタル、 .
lo-fi hip hop, 78 BPM, warm and unhurried. Instrumental, vinyl crackle, highs rolled off.
01 · ドキュメンタリー／ボイスオーバー
ナレーションの下に消えるベッドです
プロンプト
Restrained documentary underscore, 72 BPM, A minor. Felt piano, sustained cello, light shaker. Steady with no builds, instrumental, midrange kept sparse for voiceover.
返ってくるものです。
ダイナミクスの起伏がほぼない、ゆっくり均一な曲です。ピアノは低く柔らかく座り、下でチェロがロングトーンを支え、シェイカーは目立たず拍を刻みます。到達や解決は起きず—ただ続くだけです。だからこそ、声が10分乗っても疲れません。
うまくいく理由です。
「No builds」が最重要の指示です。これを外すと、ほぼすべてのモデルが最初の1分以内のどこかでスウェルを入れます。学習データの大半がビルド＆リリースだからです。二つ目は「Midrange kept sparse」です。これは300 Hz〜3 kHz、つまりスピーチが住む帯域を空ける編成を求めます。この二つで、ただの音楽がベッドに変わります。
1つ変え
「no builds」を外 — 約40秒でスウェルが出てきて、ちょうど一番避けたいところでナレーションから注意を引きはがします。
02 · 短尺動画
0.5秒で掴む短いloopです
プロンプト
Punchy 15-second loop, 145 BPM, half-time trap feel. Detuned bell melody, 808 slide on the downbeat, crisp hi-hat triplets, one vocal chop stab. Hook lands immediately, loops seamlessly.
返ってくるものです。
密度が高く即時性のある15秒です。ベルのフレーズはビルドに向かわず最初の小節で言い切り、808はダウンビートへ滑り込み、ハイハットが隙間を埋めます。始点で終わるので、ループポイントは聞き取れません。
うまくいく理由です。
「Hook lands immediately」はデフォルトを反転させます。放っておくとモデルはイントロを書きます。曲にはイントロがあるからです—でも短尺動画でイントロは、スクロールされて誰も聞かない部分です。もう一つのキーワードは「Half-time」です。145 BPMでそれがないとせわしなくなりますが、入れるとキックとスネアがハーフで着地し、trackは速さではなく重さを持ちます。
1つ変え
「half-time」を外 — 同じ145 BPMでも、trapの重量ではなくdrum and bassのエナジーとして聞こえます—一語を外しただけでジャンルがまるごと変わります。
03 · ストリーミング／勉強
6時間に耐える音楽です
プロンプト
Chilled lo-fi, 92 BPM, F major. Dusty swung drums slightly behind the beat, warm Rhodes chords, soft sub-bass, faint vinyl crackle, highs rolled off. One level throughout, instrumental, loops seamlessly.
返ってくるものです。
暖かく、わずかにぼかした、出来事のないloopです。ドラムはグリッドよりほんの少し遅れて引きずり、ローズは4小節を循環し、ビニールノイズが全体の下でテクスチャとして鳴ります。記憶に残るものは何もありません—それが仕様であり、欠点ではありません。
うまくいく理由です。
「Slightly behind the beat」が凡庸なチルとの差を作ります。完全にクオンタイズしたローファイは機械的に聞こえます。わずかな遅れこそがジャンルです。「Highs rolled off」と「Vinyl crackle」は、他のジャンルなら除去するアーティファクトをあえて求めます。「One level throughout」は持久の指示です。ピークが一つでもあると、3時間目には耳障りになります。
1つ変え
「with a melodic lead」を追加します — BGMではなく聴かせるものになります—初回再生には良く、ストリームの5時間目には悪いです。
04 · 広告
きっちり30秒で終わる30秒尺です
プロンプト
Thirty-second advertising bed, 120 BPM, C major. Plucked synth, light claps, rising sweep at 22 seconds, resolved chord landing exactly at 30 with a clean stop, not a fade. Instrumental, midrange open for voiceover.
返ってくるものです。
明るく混み合っていない30秒で、形がはっきりしています。最初の20秒は安定、そこからライジングスウィープ、そして着地して止まるコードです。フェードもテールもなし—買った拍で終わります。
うまくいく理由です。
「Clean stop, not a fade」が実用性を決める指示です。フェードだと編集が減衰中の音を切ることになり、それは耳に残ります。スウィープの位置を「22秒」と名指しするのは、編成に向かう目印を与えるためで、ただ「ビルドして」と言うよりはるかに確実です。目標尺でgenerateするのは、長いtrackをトリムするより有利です。トリムはフレーズの途中を切りますから。
1つ変え
代わりに15秒を指定します — 編成は切り詰めるのではなく圧縮されます—スウィープは約10秒に移動し、それでも時間どおりに解決します。
05 · ソングライティング
サビでちゃんと持ち上がるsongです
プロンプト
Contemporary pop, 102 BPM, F# minor. Female vocal, conversational verses, pre-chorus lift, big open chorus with stacked harmonies. Piano and programmed drums in verses, guitars entering in the chorus. Two verses, chorus twice, bridge, final chorus.
返ってくるものです。
loopではなく構造のあるsongです。ヴァースはピアノとプログラムドラムで近く抑制的に進み、プリコーラスで締まり、コーラスでギターと重ねたハーモニーが開けます。ブリッジで一度視点を変え、最後のコーラスへ向かいます。
うまくいく理由です。
はっきりした構成——「ヴァース2つ、サビ2回、ブリッジ、最後のサビ」——こそが、結果を単なる反復セクションにしない理由です。もう一つの決定的な指示は楽器編成の分割です。サビで何が入るかを名指しすることで、ボリュームではなくアレンジでサビを大きく感じさせます。実際のレコードでリフトが生まれるのはそのやり方です。
1つ変え
「プレコーラスのリフト」を削除 — サビ自体は来ますが平板に着地します。プレコーラスこそが、サビが回収する期待を作る部分です。
06 · ゲーム
200回聴けるループです
プロンプト
Fantasy game menu loop, 80 BPM, D dorian. Solo cello melody over harp arpeggios, soft choir pad. Patient and unhurried, instrumental, seamless loop with no obvious start point.
返ってくるものです。
どこで始まったか手がかりを与えない、遅く循環的な曲です。チェロが短いフレーズを提示し、ハープが下で循環し、クワイアのパッドがほとんど動かずにハーモニーを支えます。メニュー画面で20分流しても自己主張しません。
うまくいく理由です。
「明確な開始点なし」という指示こそが正しくループさせます。はっきりした始まりの身振りがある曲は、毎サイクルで再スタートを告げ、50回も繰り返せばプレイヤーが聞くのはそれだけになります。Dドリアンも静かに効きます。そのモードは古風でやや未解決に感じられつつ悲しくはならないので、ファンタジーのスコアがそこで生きる理由になります。
1つ変え
Dマイナーに変更します — 同じ編成でも雰囲気は憂いに変わります。ドリアンの上がった6度は、感傷的と荒涼の分かれ目です。
07 · ポッドキャスト
期待を作る15秒です
プロンプト
Podcast intro, 105 BPM, 15 seconds. Warm Rhodes chord, upright bass walk, brushed snare, one vibraphone flourish at the end. Conversational and inviting, instrumental, ends on a resolved chord.
返ってくるものです。
短く温かいフィギュアで、明確な終わりがあります。Rhodesが和音を提示し、ベースが下でウォークし、ブラシがタイムを刻み、単発のヴィブラフォンのフレーズで締めます。フェードではなく解決して終わるので、ホストがきれいに話し始められます。
うまくいく理由です。
「解決和音で終わる」ことが、毎週使える理由です。フェードアウトのイントロでは、ホストが入り時を探る羽目になります。「ヴィブラフォンのフロリッシュは1回だけ」はあえて単数です。フロリッシュを1回と求めれば1回が来ますが、複数を求めると15秒が忙しくなり、エピソードの第一声とぶつかります。
1つ変え
8秒に指定します — ベースのウォークが消え、ヴィブラフォンの着地が早まります——タイトになり、コールドオープンの番組に向きます。
08 · ヒップホップ
ポケットにハマる小節です
プロンプト
Boom bap instrumental, 90 BPM, C minor. Hard sampled drums with slight swing, dusty jazz piano loop, upright bass. Midrange left open for a vocal. Instrumental.
返ってくるものです。
重いバックビートと短いピアノの反復フレーズを持つ4小節ループです。スウィングでハイハットがわずかに後ろに押されます。ミックスの中域は目立って空けてあり、声が座る場所と競合しません。
うまくいく理由です。
「わずかなスウィング」は、ビートが動くか、ただ鳴っているだけかの分かれ目です。完璧にクオンタイズされたブーンバップはデモのように聞こえます。「中域を空ける」は、ラップ用のインストゥルメンタルを生成するときに多くの人が忘れる指示です。これがないと、ピアノが声に必要な帯域をちょうど埋めてしまいます。
1つ変え
140 BPMに上げて三連ハイハットを指定します — 編成は同じでもジャンルはまったく別物になります——トラップになり、ポケットはハーフタイムに移ります。
弱いプロンプトと、その代わりに書くべきものです。
左の列は人が実際に打つ文です。間違いというわけではありません—指定が足りないだけで、モデルが学習データで一番ありふれたもので空白を埋めます。
| 弱い | より強力 | 理由 |
|---|---|---|
| チル・ミュージック | lo-fi hip hop、78 BPM、暖かいRhodes、埃っぽいスウィングドラム、レコードのパチパチ、インストゥルメンタルです | 弱い指定は、音響的な中身のないムード名だけを挙げます。テンポ・楽器・テクスチャといった音を決めるパラメータがすべて運任せになります。 |
| 壮大なシネマティック音楽 | cinematic orchestral、90 BPM、Dマイナー。ピアノ独奏と低弦、20秒で太鼓が入る、45秒でブラス総出、60秒でハードストップです | 「Epic」は結果の形容であって原因ではありません。どこからビルドを始め、どこに着地するかを名指しすることが、その効果を生みます。 |
| 動画用のハッピーでアップビートな曲です | 明るいインディ・ダンス、124 BPM、Aメジャー。クリーンなギターリフ、ディスコ系ハイハット、2拍と4拍のクラップ。インストゥルメンタル、最初の2秒でフックです | 形容詞2つと用途だけでは、モデルが実行できることが何もありません。強い指定は、出音を本当に変える4つの要素を特定します。 |
| ラップのビート | ブーンバップ、90 BPM、Cマイナー。軽くスウィングしたハードなサンプルドラム、ダスティなジャズピアノ、アップライトベース、ボーカルのために中域は空けておきます | ラップはサブジャンル間で85〜150 BPMにまたがり、共通点がほとんどありません。テンポとドラムの処理こそがジャンルです。 |
| BGM、音量は大きすぎないように、です | ドキュメンタリーのアンダースコア、72 BPM、Aマイナー。フェルトピアノとサステインのチェロ、ビルドなし、ボイスオーバーのために中域は疎にします | ラウドネスは後で自分で決めるミックスの判断であり、ジェネレーターが制御するものではありません。実際に欲しいのはフラットなダイナミクスと明瞭な中域です。 |
| [famous artist]のような曲です | contemporary R&B、72 BPM、Bbマイナー、ハーフタイム。スムーズな女性リードと重ねたハーモニー、暖かいRhodes、深いサブベース、フィンガースナップです | アーティスト名を挙げるのは当てにならず、法的にもややこしいです。そのアーティストをそう聞かせている要素を記述するほうが、効果的でリリース面でも安全です。 |
すべてに共通する型です
上の強いプロンプトはどれも、ジャンル、テンポ、編成、ボーカルに関する明示的な決定、そして構成上の指示という同じ五つを挙げています。構成上の指示は多くの人が飛ばしがちで、結果が使えるかどうかを最も左右しがちです。モデルがジャンルの慣例からは推測できない唯一の部分だからです。
決定打になる指示が否定形になることが多い点にも注目します—「ビルドはしない」「明確な始点は作らない」「中域は空ける」「フェードではなくクリーンに止める」。モデルに「しないこと」を伝えるほうが、形容詞をもう一つ足すよりもずっと鋭く制約します。形容詞はゆるく満たせますが、禁止はそうはいきません。
中身
1文が何に化けるかです。
プロンプトと、それが生んだトラックです。
1 / 5
違いを耳で確かめられます。
機能一覧は、そのツールが12ジャンル対応だと教えます。例は、そのローファイが本当に良いかを教えます。
プロンプト自体がレッスンです。
結果を生んだ言葉をその目で見る方が、どんな説明より学べます。
期待値を正直にセットします。
とびきりではなく代表的な例を選ぶ方が有用です。見栄えが落ちても、役に立ちます。
出発点です。
すべての例は、鑑賞ではなく、コピーして手を入れるためにあります。
よくある質問
これらの例は何を示していますか？
実際のプロンプト、その出力、結果を決めた具体的な語、そしてそれを外したときに何が変わるかを示します。個々のプロンプトよりもパターンが重要です。
これらのプロンプトをコピーしてもいいですか？
そのためにあります。1つコピーし、1箇所だけ変えて比較します。変数を1つずつ動かすのが、各語の効き方を最速で学ぶ方法です。
なぜ一語で結果が大きく変わるのですか？
多くの語は曖昧で、少数だけが荷重を支えるからです。テンポ、楽器名、制作時代はレバーです。「nice」「epic」のような形容詞は、あなたではなくモデルが解釈してしまいます。
これらのプロンプトは他のAI音楽ジェネレーターでも通用しますか？
だいたい通用します。ジャンル、テンポ、編成はモデル間でよく移植できます。構造タグや否定指示は、プラットフォームごとに挙動が変わりやすい部分です。
最もよくあるプロンプトのミスは何ですか？
音ではなく感情を書くことです。「Emotional」と書くと、そのラベルが付いたもの全体の平均になりますが、「solo cello, no percussion, 60 BPM」と書けば、具体的なトラックになります。
いくつの例を試せば十分ですか？
3〜4例でパターンは見えます。目的はプロンプトを集めることではなく、どの種類の語が結果を変え、どれが飾りかを見抜くことです。