Motion Sound Design(モーションサウンドデザイン)
スタイルルール: 返信、仕様、キャプション、ファイル内でダッシュ(em dash / en dash)は決して使用しないでください。代わりにカンマ、コロン、ピリオド、括弧、またはハイフンを使用してください。
サウンドは、モーションビデオが高級に見えるかどうかの半分を決めます。デフォルトの出力には通常、音声がないか、音楽トラックが1つ貼り付けられているだけです。このスキルは、すべての視覚イベントを聴こえるようにし、その下で音楽をクリーンに保ち、プラットフォームのラウドネスに合わせてマスタリングします。ダウンロード不要でクリーンなUIサウンドライブラリを合成し、キューリストをマスタリングされたWAVにミックスするツールを提供します。
ユーザーの言語で返信してください。
0. このスキルのファイル
| ファイル | 使用タイミング |
|---|---|
scripts/sfx.py | サウンドライブラリの構築、キューリストのミックス、動画への音声の多重化 |
assets/cues.example.json | キューリストの開始点として |
scripts/sfx.py には、Python 3(numpy + scipyが必要:pip install numpy scipy、システムPythonで拒否される場合は --break-system-packages を追加)と、mix および mux コマンド用に ffmpeg が必要です。このスキルのフォルダから実行してください:
python3 scripts/sfx.py synth sfx_lib→ 12種類のサウンド × 3バリエーション: tick, click, key, pop, whoosh, swish, thud, chime, shine, squelch, snip, shutter(ffmpeg不要)python3 scripts/sfx.py mix cues.json mix.wav→ キューを配置し、以下のすべてのルールを適用してマスタリングpython3 scripts/sfx.py mux video.mp4 mix.wav final.mp4
リアルなサンプルは合成音よりも優れています: ユーザーがパック(Epidemic, Artlist, freesound CC0など)を持っている場合、TYPE_anything.wav(例: whoosh_soft.wav)という名前でライブラリフォルダにファイルをドロップすると、自動的に使用されます。
1. 音楽
- トレンドではなく、映像の感情とエネルギーで選んでください。UI/テック系で落ち着いた雰囲気: ソフトなミニマルアンビエント、ドロップなし、重いベースなし。プロモーション: パンチの効いたエレクトロニック 120-140 BPM。ハイエネルギー: 150-160 BPM。
- 編集をトラックにロック: BPMを記録し、ビート0がフレーム0に来るように開始オフセットを選び、映像の最も大きな視覚的変化をトラックのドロップ/フレーズチェンジに合わせてください。
- 音楽は約55 Hzでハイパス(スマートフォンスピーカーでのサブブームを防ぐため); ストーリーを語らない限り、フィルタースイープは行わないでください。
- 視点サウンド: カメラが何か(部屋、デバイス、水中など)の中に入るときは、キックとベースをカットし、高域のみを残します(「壁越しに聞こえる」感じ); 出て行くときに低域を戻し、決定的な瞬間にフルにします。
- ライセンス: 商用投稿にはライセンスされた音楽(プラットフォームのビジネスライブラリまたは有料ライブラリ)が必要です。オーディオを違法に取得することを決して提案しないでください。
- ユーザーがムードに基づいて特定のトラックを希望する場合は、利用可能であれば reels-music-picker を使用してください。
2. 視覚イベントごとに1つのサウンド
すべての視覚イベントをサウンドタイプにマッピング:
| 視覚イベント | サウンド |
|---|---|
| 最初のフレーム / ロゴのきらめき | shine(ソフト、最初の12フレームはハードな音なし) |
| オブジェクトの跳躍 / 飛行 / カメラのウィップ | whoosh(長め)または swish(短め) |
| 着地、スロットに落ちる | thud(ソフト、サブなし) |
| カード/バナーのスライドイン | swish + click |
| ボタン押下、トグル、行の折りたたみ | click |
| 数字、オドメーターのホイール、カウンター | 着地する桁ごとに tick |
| タイピング | 文字ごとに key(速い場合は2〜4文字おき) |
| アイコン/バッジのポップアップ、チェックマーク | pop / snip / 「マーカーストローク」(snip) |
| 液体の広がり、ブロブの結合 | squelch |
| シャッター、アイリス、スクリーンショット | shutter |
| 成功、最終ロックアップ | chime |
ルール(ミキサーによって自動適用):
- ヒットごとにランダムなピッチ ±1 半音(同じ音の繰り返しでロボット的に聞こえないようにする)
- 2秒以内に同じサンプルは2回使用しない(タイプごとに3バリエーション)
- 0.25秒間の最大イベント数は8(超過分はドロップされ報告される); 過密は明瞭さを損なう
- 小さなUIサウンド(tick, click, key, swish, pop, snip)には160 Hzのハイパスフィルター
- SFXレイヤーには音符、ブーム、サブヒットを含めない
3. レベルとミックス
同じ帯域内の音楽に対するデフォルトレベル(ツールに組み込み済み、"db" でキューごとに上書き可能):
ticks +10.5 dB(4-10 kHz)・clicks +10・keys +9(1.5-8 kHz)・swishes +9.5・hits/thuds +7・pops +8・squelch +7・chime +5。
- パンピングサイドチェインは使用しません。 代わりに、各 tick/click/key の下で、音楽の2-8 kHzのみが-8 dB、60 msのディップ(マイクロダッキング)を受けるため、ヒットがはっきりと聞こえながらもグルーヴは継続します。
- マスター: -13 LUFS インテグレーテッド(Reels/TikTok/Shorts)、トゥルーピーク ≤ -1 dBTP、パンピングしないルックアヘッドリミッター。YouTubeのロングフォームには-14を使用。
sfx.py mixはトゥルーピーク目標より1 dB低く制限します。これはmuxでのAACエンコーディングによりピークが約0.6 dB上昇するためです。 - ボイスオーバー(ある場合)は最前面に: 音楽ベッドは音声より18-25 dB低く。
- スマートフォンスピーカーとヘッドフォンの両方で確認。
4. cues.json の形式
開始用のコピーは assets/cues.example.json にあります。
{
"duration": 15.0, "lufs": -13, "true_peak": -1.0, "seed": 3,
"library": "sfx_lib",
"music": "track.mp3", "music_start": 49.735, "music_gain_db": 0, "music_highpass": 55,
"duck": {"db": -8, "ms": 60, "band": [2000, 8000], "types": ["tick", "click", "key"]},
"cues": [
{"t": 0.05, "type": "shine"},
{"t": 0.59, "type": "whoosh"},
{"t": 0.99, "type": "thud"},
{"t": 3.16, "type": "swish", "db": 12}
]
}
パスはJSONファイルからの相対パスです。SFXのみの場合は music を省略します。
5. ワークフロー
- タイムドスペック(motion-story-director)から、すべての視覚イベントとその正確な時間をリストアップ → キューリスト。スペックがビートロックされている場合は、ビートグリッドにスナップ。
- ライブラリを
synth(またはユーザーのサンプルを使用)。 mix→ レポートを読む: ドロップされたキューは、その瞬間の密度が高すぎることを意味します。- ラウドネスを確認:
ffmpeg -i mix.wav -af ebur128 -f null - 2>&1 | grep "I:" - レンダリングされた動画で
muxし、最終的なMP4を納品。
任意のスペックに対して、以下の形式で短いSOUNDセクションを作成してください: 音楽(ムード、BPM、オフセット、ハイパス) → イベントリスト(時間付き) → レベル → マスターターゲット。