Fish Audio S2-Proで動画用のAI効果音を作る方法

モデルを選ぶ前に、動画のSFX指示を2つのグループに分けましょう。グループ1(フォーリー):ドアの閉まる音、ガラスの割れる音、足音、機械音、天候音、環境音、UIクリック音——これらは声によらない環境音であり、ElevenLabs Sound Effects v2に振り分けます。グループ2(声のSFX):キャラクターの息をのむ音、走者の荒い呼吸、苛立たしげなため息、驚いた悲鳴、疲れた吐息——これらは人の声による指示であり、オーディオノード内で方括弧だけのプロンプトを使ってFish Audio S2-Proに振り分けます。この使い分けが重要なのは、それぞれのモデルが自分のグループのために作られているからです。「苛立たしげなため息」をSFX v2で処理すると、ありきたりなため息になりますが、Fish Audioで[frustrated exhausted sigh]とすれば、特定のキャラクターの声に結びついたため息になります。

Fish Audio S2-Proの声のSFXは、選んだ声の個性を引き継ぎます。低く深い男声(クローンしたナレーター)の息をのむ音は、若い女声(あらかじめ用意された表現力豊かな声)の息をのむ音とは違って聞こえます。まず声を選びましょう——たいていは、同じシーンの対話ですでに割り当て済みのキャラクターの声を再利用することになります。画面に映っているキャラクターが反応する声のSFXには、そのキャラクターの既定の声を使います。画面外の声のSFX(不特定多数の群衆の反応、姿の見えない悲鳴など)には、別の声やクローンした背景用の声を使い、画面上のキャラクターから注意を奪わないようにしましょう。声をクローンした場合は、ここでも声の同意が必要です。

声のSFXのプロンプトは方括弧だけで構成し、セリフは含めません。例:`[sharp gasp]`、`[exhausted breathing for 5 seconds]`、`[nervous chuckle]`、`[startled scream then silence]`、`[panting after running, slow recovery]`。モデルは方括弧の内容をそのまま声の演技全体として解釈するため、周囲に文章を添える必要はありません。これは、方括弧が話されるセリフの演出を指示する、Fish Audioの通常の対話用途とは異なる使い方です。走った後の息切れの指示であれば、方括弧だけのプロンプトを専用のオーディオノードに置いて生成し、聴いてから、キャンバスのタイムライン上で追跡シーンのアクション後の回復の節目にアタッチしましょう。

追跡シーンには通常、3つのSFXレイヤーが必要です。環境音(ElevenLabs SFX v2による路地のこだま)、フォーリー(SFX v2による走る足音)、声のSFX(Fish Audio S2-Proによる息切れの回復)、そしてそれに続く対話(Fish Audio S2-Proの対話モードまたはElevenLabs Dialogue v3)です。それぞれを個別のオーディオノードに置き、タイムラインに揃えましょう。重ね合わせ自体はAstorieのキャンバスが処理します。最終納品では、単一の音声ミックスとして書き出すことも、ミキサーへの引き継ぎ用に個別のステムとして書き出すこともできます。注意:Astorie上のFish Audioは現時点ではSEO上の位置づけであり、実際の本番稼働はワークスペースの設定によって異なります。声のSFX用にFish Audioが接続されていない場合は、方括弧だけのプロンプト(例えば単独の`[gasp]`)を使ったElevenLabs Eleven v3が代替になりますが、対応できるタグの幅はより狭くなります。