必要な効果音を正確に言語化する

効果音生成AIに「ドスンという音」「バタンという音」とだけ指示しても、大抵は使い物にならない低音の塊が出力されます。同じ「バタン」でも、木のドアが閉まる音、箱が床に落ちる音、隣の部屋から聞こえる音では全く異なるからです。フリー音源サイトで検索する場合も同様で、何百件も1つずつ試聴して時間を浪費することになります。

課題で定めた順序（物体と材質 → 動作 → 強さ → 距離 → 空間の響き → 長さ）は、音響効果のプロが音を言語化する際に実際に使用する分類です。材質が音色を決定し、距離と響きがその音がどの空間にあるのかを決定します。この6つの要素を埋めることで、曖昧な擬音が一つの明確な音に絞り込まれます。

言葉で指示するよりも、例を1行提示する方が確実です。ドアの例1行の中に、名詞句の長さ、カンマの区切り方、長さの指定方法がすべて含まれています。形式で検索用キーワードを別途出力させるのは、生成ツールと音源サイトで適した指示が異なるためです。効果音生成AIには詳細な描写が有効ですが、検索窓には短い単語が適しています。

逆質問を設けているのは、シーン説明で屋内・屋外の情報が抜け落ちることが非常に多いためです。この要素一つでリバーブ（残響）が完全に変わります。質問を2つまでに制限しているのは、制限しないと何個も質問されてかえって手間が増えるのを防ぐためです。

返ってくるのは "door closing sound effect" という1行だけです。材質も距離も響きも指定されていないため、ツールは毎回異なるドアを生成し、ある時は車のドア、ある時は金属製の防火扉のように聞こえます。動画に乗せてみて初めて違和感に気づきますが、どこを直せば馴染むのかが分かりません。

効果音生成ツールは一度に数秒程度の音しか生成できないことが多いため、長い音は短めに生成して編集ソフト上でループ・複製して繋ぐのが効果的です。また、リバーブ（残響）は生成時に含めるよりも、編集ソフト側で後から追加した方が空間に馴染ませやすいため、プロンプトでは響きを控えめに指定しておくのも一つのコツです。