音楽生成Music Generation

注文や冒頭を渡すとAIが曲を作り出すこと

  • 入門
  • 5分で読める
  • 図 3点

ポイント

  • 音楽生成(Music Generation)は注文や冒頭部分を渡して曲を作り出す作業です。ジャンルと雰囲気、楽器、歌詞を書けば音になって出てきますし、前の小節やメロディーを渡して続きを作らせることもできます。
  • 作る道が二つに分かれます。音を場所ごとに打ち込む方式と響きそのものを形作る方式が別々の仕事をします。
  • 一曲は複数の筋が同時に流れます。拍子と和音とメロディーと声がかみ合ってこそ曲らしく聴こえます。
  • 時間が流れるものなので、始めから終わりまでを一曲として保つことがいちばん難しいです。
  • 作った曲をどこまで使えるかはサービスごとに違います。あらかじめ確かめて使うほうが安全です。

たとえで理解する

オルゴールの蓋を開けると、ぜんまいがほどけながら円筒がゆっくり回ります。円筒の表面には小さな突起が並んで刺さっていて、突起が通り過ぎるたびに横に並んだ金属の歯を一枚ずつはじきます。短い歯は高い音を、長い歯は低い音を出します。

曲を新しく作る作業は、この円筒のどこに突起を刺すか決める作業です。前後に間隔を空けて刺した場所が拍子になり、並べて刺した場所が和音になり、上のほうの歯に沿ってつなげて刺した場所がメロディーになります。円筒が一周する間にこれらすべてが一緒に鳴って一曲に聴こえます。

AIに雰囲気と楽器を書いて渡すことは、この突起を刺す場所をまるごと任せることです。

くわしく

何を書けばよいか

もっともよく使う項目はジャンルと雰囲気です。静かか賑やかか、どの楽器が中心か、どの時代の感じかを書きます。ここに速さと長さを足すと輪郭が固まります。

歌詞を直接入れることもできます。節と繰り返し部分を分けて書くと、その構成に合わせて曲が付きます。歌詞を与えないと勝手に作りますが、このとき出てくる言葉は滑らかでもありきたりな表現が多かったり、望む話と違ったりして、手直しすることがあります。

同じ注文でも回すたびに違う曲が出ます。気に入るものが出るまで何度も出して選ぶのが実際の作業方式で、よい曲が一曲できればその続きを伸ばしたり一部だけ出し直したりもできます。

突起を刺す方式と響きを形作る方式

一方は円筒に突起を刺す作業に近いです。どの高さの音をいつからどれだけ長く、どれだけ強く出すかを場所ごとに決めてつなげます。結果が演奏の指示なので、あとで一音だけ動かしたり楽器を変えて演奏し直させたりできます。代わりに音色と声は別に着せる必要があります。

もう一方は鳴った音そのものをまるごと形作ります。耳に届く波をそのまま作り出すので、声や弦のこすれる音、部屋の響きまで一度に出てきます。歌を丸ごと作ってくれるサービスはたいていこちらです。代わりに結果がひと塊で出てくるので、ドラムだけ抜くには混ざった音を分ける段階をもう一度通す必要があります。分けた結果には別の音が少し混ざることもあり、一音だけ狙って直すのは難しいです。

複数の筋が同時にかみ合う必要があります

歯は一度にひとつだけ鳴るわけではありません。下のほうで拍子が敷かれ、その上に和音が座り、メロディーが乗り、声が上がります。この筋どうしがずれると、音ひとつひとつはまともでも曲としては聴こえません。

とくに和音とメロディーの関係が重要です。和音が変わったのにメロディーが新しい和音とぶつかる音で解決せず留まると不自然に聴こえ、メロディーだけ跳ね回ると曲が浮きます。この関係を守ることが音楽生成の学ぶべき重要な規則のひとつです。

円筒一周を超えると

数秒の音はそれらしく作るのは難しくありません。難しいのは三分です。前で出た繰り返し部分が後ろでまた出るとき同じ繰り返しに聴こえなければならず、楽器編成が途中でこっそり変わってもいけません。

最近は数分の曲を一度に作る場合も多くあります。さらに伸ばしたいときは短い小節を作り、その続きをつなげるのですが、つなげるとき前の部分を参考にさせて突然別の曲にならないよう保ちます。それでも長くなるほどサビが崩れたり終わりが不自然になったりすることが残るので、人が整える手直しが入ります。

使う前に確かめること

作った曲をどこまで使えるかはサービスごとに違います。映像の背景に入れてよいか、売ってよいか、無料プランでもよいかがそれぞれ違うので、規約を一度読んでおくほうがよいです。

特定の歌手の声をまねることは別の問題です。声や顔はその人のものとして扱われることが多く、曲の権利とは別に考える必要があります。生成した事実を明かすよう求める場も増えているので、どこに載せるかによって規則を先に確かめる習慣が必要です。

もう少し正確に

響きをまるごと形作る方式は波の値をそのまま扱うのが難しいです。一秒に数万個の値が入っていて、文字とは規模が違うからです。だから音を時間と音の高さの絵のように変えたり、短く圧縮した数値の束に変えたり、短い音の切れ端ごとに番号を付けて切れ端の列に変えて扱ったりします。作り終えたら最後にまた聴こえる音に戻します。切れ端の列に変えた場合は文字のように次の切れ端をひとつずつつなげていく方式を、絵や圧縮した数値の束に変えた場合はぼんやりした音から始めて何度も整える方式をよく使います。何を扱うかとどう作っていくかは別々に選びます。

オルゴールのたとえがずれる点もあります。オルゴールは突起ひとつが歯ひとつをはじく関係が目に見えますが、響きをまるごと形作る方式にはそうした位置の印がないので、ドラムだけ別に抜き出すには音を分ける段階がもう一度必要です。円筒は一周すると最初に戻って同じ旋律を繰り返しますが、曲は三分後の音が三十秒前の音とかみ合わなければならないので、繰り返しだけでは曲になりません。

やってみる

よくある誤解

  • どこかに保存された曲のかけらをつなげていると思われがちですが、実際には音がどう流れるかという規則を学んで新しく作ります。ただし学習した曲とよく似た場面が出ることもあり、研究と議論が続いています。

  • 出た曲は自由に使ってよいと考えられがちですが、実際にはサービスの規約と場面ごとの扱いが違うので、使い道に応じて確認が必要です。

  • 楽器ごとに別々に出してくれると思われがちですが、実際にはひと塊で出てくることが多く、楽器ごとに分けるには音を分ける段階を通す必要があり、一音だけ直すのも難しいです。

ひとこと要約

つまり

音楽生成はいくつかの条件を与えるだけで拍子と和音とメロディーがともに流れる一曲ができあがる作業で、オルゴールの円筒に突起を刺すように音を場所ごとに決める方式と、響きそのものを形作る方式の二つに分かれます。

誤りや、もっと良いたとえがありますか? 修正を提案する · 最終更新 2026-10-17