Seed Audio 1.0 Prompt ガイド

Seed Audio 1.0は、キャラクターの声だけでなく、室内で聞く雨音、足音やドアの動き、効果音を添えた音楽などの音の場面も指示できます。会話、環境音、フォーリー、音楽を、具体的に聞かせたい内容から考えます。

音が聞こえる順に、種類、前景と背景、強さ、次の変化を書きます。場面を試すならT2A、参照音声で方向を示すならTA2Aを使います。

音で確認する3つの場面例

以下は今回Seed Audio 1.0で新しく生成した3例です。実際に使用した英語のPromptを掲載し、いずれも音声による発話は指定していません。環境音、動作のフォーリー、音楽と効果音の例で、後半の会話テンプレートとは別の生成です。指定は各20秒ですが、プレーヤーには実際の長さが表示されます。

短編の場面を考えるなら、AIショートドラマ生成ツールで映像の構想を整理し、動作とテンポに合わせて音の指示を作れます。

01 窓辺の雨：環境音

続く雨音、遠い雷の距離感、雨だけに戻る終わり方に注目してください。音を並べるだけでなく、前景と背景を指定します。

Create a 20-second natural soundscape heard from inside a quiet room at night. Gentle rain taps the window throughout. Around the middle, one distant rumble of thunder swells and fades. End with rain alone. Keep the space intimate and the thunder soft. No speech, no singing, no music.

02 帰宅する人：順序のあるフォーリー

鍵、錠、ドア、足音、グラスが区別でき、指定順に聞こえるか確認します。出力は約16秒で指定の20秒より短いため、編集前に実際の長さを確認してください。

Create a 20-second realistic Foley sequence in a quiet hallway. First, keys jingle close by. A key turns in a lock, then a wooden door opens with a soft creak. Three unhurried footsteps cross the room. A glass is set gently on a table. The door closes softly, leaving quiet room tone. Make each action distinct and keep this order. No speech, no singing, no music.

03 小さな魔法の発見：音楽と効果音

静かな楽器、ベル、魔法のアクセントのバランスを確認します。音楽と効果音の役割を分けて書きます。

Create a 20-second whimsical fantasy sound scene. Begin with light pizzicato strings and a gentle wooden flute. A tiny shop bell rings once; a short sparkling magical whoosh follows. The music briefly lifts as if a small wonder has appeared, then settles into a warm, quiet ending. Keep the bell and magic sound clear above the soft music. No speech, no singing.

まず T2A と TA2A を分ける

T2A（テキスト/画像から音声）はゼロから作る用途です。キャラクターボイス、ナレーション、短いドラマ、有声書、バーチャル司会に向きます。参照画像は人物の雰囲気を助けますが、一回に使える画像は一枚で、参照音声とは併用できません。 TA2A（参照音声 + テキストから音声）は声を保つ用途です。1 から 3 本の参照音声、または音色ライブラリ/複製音色を使い、Prompt 内で @音声1、@音声2、@音色1 のように指定します。

• 演技の方向を探る段階では T2A を使う。

• 連載キャラクターの声を固定したいときは TA2A を使う。

• 複数話者では、各人物と参照音声の対応を Prompt 内に明記する。

基本構造：時間順に音の脚本を書く

安定する書き方は「感情 + 台詞」ではありません。音楽がどう始まり、誰が入り、どう話し、どの効果音が挟まり、相手がどう返すかを順番に書きます。 Prompt は音の絵コンテです。各ビートで「誰が話すか」「どう話すか」「ほかに何が聞こえるか」を決めます。

音楽/環境音：スタイル、楽器、リズム、空間を説明する。
人物A（年齢、性別、声質、アクセント、感情、役割）が「台詞」を言う。
効果音：何が、どの強さで、何回、どのくらい続くかを書く。
人物Bが自分の声質と話し方で返す。
終わり：音楽、足音、ドア、電話の歪み、環境音をどう収束させるか。

キャラクター会話の書き方

人物指示は最初の台詞の前、または短い人物リストに置きます。複数話者では名前、役割、番号で区別します。「男声」「女声」だけでは足りません。 括弧内の説明には、年齢、性別、声質、アクセント、感情、役割、距離感、話し癖を書けます。抽象的な雰囲気より、聞こえる行動のほうが効きます。

• 使いやすい表現：低い、かすれ、息多め、電話越し、台湾アクセント、遅め、語尾が震える。

• 単独では弱い表現：高級感、壊れそう、映画的、宿命的。具体的な音の行動に直す。

• 感情を積みすぎない。過剰な感情指定は自然さを落とします。

効果音と音楽も Prompt の一部

Seed Audio 1.0 の強みは、会話、効果音、環境音、音楽を一緒に生成できることです。効果音は専門用語ではなく、自然な説明で書けます。 効果音は順番、強さ、回数、持続時間を書く。音楽はスタイル、主な楽器、リズム、ムードを書く。楽器名が分からない場合は、感覚を自然言語で書いて構いません。

最初にスマートフォンの振動音。背景には鳥の声が続く。
マリンバと弦楽器の緊張感ある音楽が入る。
その後、遠くで車が通り、軽いブレーキ音、二回のハイヒールの足音が聞こえる。

TA2A の参照音声の書き方

参照音声はアップロードするだけでは足りません。Prompt 内で参照名を指定し、それが音色、感情、速度、あるいはキャラクター性のどれを提供するかを書きます。 複数参照では、一人一つの参照を割り当てるか、一つを音色、もう一つを感情とリズムに使います。

男主人公（若い男性、低く抑えた声、@音声1 を参照）が声を落として言う：「いつ気づいた？」
女主人公（若い女性、優しいが警戒している、@音声2 を参照）が半拍置いて答える：「あなたが最初に嘘をついた時から。」
音楽は低くサスペンス調のまま。語尾にかすかな電話ノイズを入れる。

コピーできる T2A テンプレート

まず一度生成し、その後は声、感情、速度、効果音のどれか一つだけを変えます。

音楽：低く抑えたサスペンスの音が先に入る。遅いテンポ、薄い弦の質感。
人物：
林澈（若い男性、低くかすれた声、遅め、感情を抑え、怖いが認めたくない）
許遥（若い女性、澄んでいるが疲れた声、語尾が少し震え、冷静でいようとしている）

効果音：スマートフォンが一度振動し、弱い雨音が続く。
林澈は声を落として言う：「今の、聞こえた？ 上に誰かいる。」
許遥は半拍止まり、息を吸って、とても小さく答える：「振り向かないで。そのまま歩いて。」
効果音：遠くで木のドアがゆっくり開く。音楽の低音が重くなる。

コピーできる TA2A テンプレート

キャラクターの参照音声がある場合は、Prompt の中で直接結びます。

参照対応：@音声1 は男主人公。@音声2 は女主人公。
音楽：柔らかいピアノと部屋の空気。温かいが少し後悔がある。
男主人公（成人男性、低く息が多い、@音声1 を参照）が抑えた未練で言う：「明日戻らなかったら、もう待たないで。」
女主人公（若い女性、優しく涙声、@音声2 を参照）が静かに遮る：「待つかどうかは、あなたが決めることじゃない。」
効果音：窓の外に細い雨。最後の台詞の後、二秒の静けさを残す。

制限は Prompt の長さに直結する

一回の生成はおよそ最大 2 分です。入力は 3000 文字以内ですが、聞きやすさのため、朗読本文は短めに保つのが安全です。長すぎる台詞は速度が上がるか、途中で切れることがあります。 参照音声は最大 3 本、各 30 秒以内。参照画像は一回に 1 枚で、参照音声とは併用できません。

• ドラマ会話は 30 から 90 秒単位に分ける。

• 有声書は章ではなく感情のまとまりで分ける。

• 複数キャラクターでは、先に声を固定し、その後に効果音と音楽を加える。

Arcloop のワークフローで使う方法

AIキャラクター音声ジェネレーターでキャラクターの声を試聴し、選んだテイクをシーンに戻して確認できます。参照ラベルは、利用する音声サービスに表示される表記に合わせてください。

• キャラクター手帳に声の基準を書く：年齢、声質、アクセント、話し方、感情の境界。

• 脚本を生成しやすいビートに分ける。一つのビートは一つの主な感情変化にする。

• ビートごとに T2A / TA2A を選ぶ。探索は T2A、固定キャラクターは TA2A。

• 試聴後、うまくいった Prompt をキャラクター資産として保存し、失敗例も理由つきで残す。

• 単体音声だけでなく、絵コンテや動画カットの中で確認する。

FAQ

Seed Audio 1.0 は普通の TTS と何が違いますか？

普通の TTS は声を読みます。Seed Audio 1.0 は会話、環境音、効果音、音楽を含む音声シーンを生成できます。

Prompt は長いほどよいですか？

いいえ。具体的であることが大切です。まず時間順、話者、台詞、効果音、音楽を書き、試聴後に細部を足します。

複数キャラクターの声を保つには？

TA2A を使い、各人物を @音声N に結び、話すたびに speaker と参照を明記します。

括弧内の動作は読み上げられますか？

可能性があります。重要な動作は話し方の指示に変えるか、台詞本文と明確に分けてください。必ず一度確認します。