動画の音声

日付: 2026-10-22 · 種類: skill · 状態: 有効

概要: 動画の音声は、イベントのリスト（画面に現れたり消えたりぶつかったりする要素ごとに1つ）とコマンド som.py から生成されます。このコマンドは各エフェクトのピークを正しいフレームに合わせ、音楽をナレーションの下に収め、ミックスとレポートを出力します。音声はレンダリングを待つ必要はありません。アニメーションのタイミングが決まれば、すぐに処理できます。ミックスの数値は 06-metodo/regras.md が一元的に管理します。このスキルはそのメソッド、コマンド、主要テーブルを提供します。

使用するタイミング

モーション、UI、チュートリアル、広告、音楽のみの動画で、同期エフェクトが必要なすべてのケース。
ナレーション動画：ドライなボーカルを前面に、音楽を下に、エフェクトは控えめに。
人物や場所が「無音」に感じられる動画：シーン音（アンビエンスとフォーリー）。references/som-de-cena.md を参照。
音楽の加工：ビートとドロップの計測（batida.py）またはボーカル分離（separar.py）。

メソッド

見えるアクションごとに1つの音、そして音はアクションを説明する。 カードが入る → ポップ、ボタン → クリック、画面切り替え → ウィッシュ、スタンプ → 打撃音、数字が回る → ロール。密度はアクション基準であり、単語基準ではありません。ナレーション下では最大2つのエフェクトが同時に鳴る程度に抑えます。
画像が動機づける音だけを入れる。 静止しているカットにウィッシュ、シーンに時計がないのに時計の音、上昇しないものにライザーは、音と映像を乖離させます。ミックスする前に映像を見て、何がいつ、どの素材で動くかをメモします。
ピークはイベントのフレームに合わせる。 クリック、ポップ、スタンプ、インパクト：要素が接触するフレームにピーク。ウィッシュ：ジェスチャーの中間（開始から約0.2秒後。デフォルトマップがすでに調整済み）。ライザー：ドロップまたはカットで乾いた終わり。
トーンはハイライト、トランジション、サプライズのみ。 インパクト、スタンプ、ロゴにコードヒット；大きなトランジションに短いパッド；明かしにベル。クリック、ポップ、キーには決して使わない（「小さな音楽」になり、耳障り）。--tom（例：Am）は曲の調性が既知の場合のみ使用。
音楽は場面ごとに、敷き詰めない。 ソフトな開始、ドロップ前の減速、ブレス、バスドラムでのクライマックス。ナレーションがある場合、音楽はボーカルよりかなり下に抑え、ブレスや無音部分で上げます。
ドロップ前のブレス。 ドロップ直前の最後のビートで、楽器を約0.3～0.5秒間ドライに落とします（--drop T で実現）。キーワードまたは最大の映像変化をドロップの最初のフレームに置きます。ドロップは目視ではなく batida.py で計測します。
レイヤーはピーク時のみ。 ドロップ、ロゴ、クロージングで2～3の音を同時に。それ以外ではアクションごとに1音。同じ音が繰り返される場合は高さを変えます（マップがカテゴリ内のバリエーションを巡回）。
ドライなボーカル。 ナレーションにはリバーブもエコーもなし。
分離したレイヤーで聴く。 som.py は escuta/voz.wav、musica.wav、efeitos.wav、tonais.wav を出力します。同期の確認はミックスではなくエフェクトステムで行います。

主要数値

所有者: 06-metodo/regras.md。そちらに別の数値があれば、そちらが優先されます。Mesa はこれらの値を自動適用します。

対象	値
ボーカルまたは音楽を含むマスター	−14 LUFS 統合、トゥルーピーク ≤ −1 dBTP（リミッター4倍）
ナレーション下の音楽	発話時約15 dB下（レポートが計測、許容範囲12～18）
実曲を使用したボーカルなしミックス	トラックを −19 LUFS にレベル調整後エフェクト；エフェクト ×2.2；リミッター；マスター −14
シーン音のみの作品	−25 LUFS 統合（上限 −24）、短期 ≤ −20、瞬間 ≤ −16、ピーク ≤ −3。決して −14 にノーマライズしない
ボーカル付きシーン音	シーン音ステムはボーカルより ≥ 15 LU 下
エフェクトライブラリ	短いもの −20 LUFS 瞬間ピーク、アンビエント −24、ピーク ≤ −3 dBTP；配置 `at = イベント − ピーク_ms/1000`
同期	エフェクトステムで中央値 ≤ 25 ms
ビート	beat_this、`File2Beats(checkpoint_path="final0")`；ビートから最大2フレーム以内でカット

ステップバイステップ

すべてのコマンドはスタジオのルートディレクトリから実行します。

ライブラリは準備済みか？ 05-biblioteca/som/sfx/catalogo.json が存在しない場合：uv run scripts/som/sintetizar_sfx.py。録音済みサウンド：uv run scripts/som/nivelar.py <パックのパス>（詳細は 05-biblioteca/som/README.md）。
イベント。 アニメーションエンジンから eventos.json をプロジェクトの audio/ フォルダにエクスポートします。形式、許可されるタイプ、After Effects / HyperFrames / Remotion からのエクスポート方法：references/eventos.md。
ビートのある音楽？ uv run scripts/som/batida.py musica.mp3 --fps 30 で BPM、強拍、推定ドロップを取得。このグリッドに合わせてカットをアニメーションします。
音楽のボーカルまたはインストが必要？ uv run scripts/som/separar.py musica.mp3（ボーカル＋インスト）または --modo 6（6ステム）。

ミックス：

uv run scripts/som/som.py --eventos 04-projetos/<video>/audio/eventos.json \
  --voz 04-projetos/<video>/audio/voz.wav --musica 04-projetos/<video>/audio/musica.wav \
  --video 04-projetos/<video>/render/previa.mp4 --drop 12.4

出力：mix.wav、escuta/*.wav、relatorio-som.json、previa-som.mp4（画像はコピー、音声のみ変更）。

レポートを読み、警告がなくなるまで修正。 「イベントに音なし」＝マップが認識しないタイプ：既知のタイプに変更するか、イベントに "som": "categoria" を追加するか、 --mapa を記述（後述）。LUFS、ピーク、「ナレーション下の音楽レベル」が目標範囲外の場合もレポートに表示されます。
シーン音は？ uv run scripts/som/verificar_som_de_cena.py <シーン音のみのミックス> または ... escuta/efeitos.wav --voz escuta/voz.wav。不合格の場合は納品できません。
聴く。 音声付きプレビューはスタジオ所有者の承認を受けます。最終動画では、同じコマンドを --video render/final.mp4 で実行：リマックス処理のみで再レンダリングは不要です。

プロジェクト固有の音（`--mapa`）

MAPA = {タイプ: 関数(M, e)} を含む .py ファイルを作成し、指定したタイプのみデフォルトマップを上書きします。

# 04-projetos/<video>/audio/mapa.py
MAPA = {
    "logo": lambda M, e: (M.poe("logo", e["t"], -11), M.poe("impacto", e["t"], -16), M.golpe(e["t"], -20)),
    "moeda": lambda M, e: M.poe("sucesso/sucesso-2", e["t"], -14, st=3),   # st = 半音上
}

マップで使用可能な Mesa の関数：M.poe(音, t, ゲイン_dB, pan, alinha="pico"|"ini"|"fim", st=半音, fim=長さ, fade=s, sala=True)、M.tonal(t, lufs)、M.golpe(t, lufs)、M.textura(t0, t1, lufs)、M.riser(t_pico)。音 はカテゴリ（"whoosh"：バリエーションを巡回）、ライブラリのファイル（"whoosh/whoosh-2"）、またはパスを受け付けます。

コマンド

スクリプト	目的
`uv run scripts/som/som.py --eventos E.json [--voz V] [--musica M] [--video P.mp4] [--tom Am] [--drop T] [--mapa mapa.py]`	フルミックス、レポート、音声付き動画
`uv run scripts/som/sintetizar_sfx.py [--amostra prova.wav]`	初期合成ライブラリを生成
`uv run scripts/som/nivelar.py PASTA [--categoria X] [--cama] [--destino D]`	パックを標準化しカタログを更新
`uv run scripts/som/verificar_som_de_cena.py MIX.wav [--voz VOZ.wav]`	シーン音が大きすぎる場合に不合格（終了コード1）
`uv run scripts/som/batida.py MUSICA [--fps 30] [--json grade.json] [--video render.mp4]`	ビート、強拍、BPM、ドロップ（beat_this）
`uv run scripts/som/separar.py MUSICA [--modo voz	6] [--saida PASTA]`

som.py のその他のオプション：--voz-entra、--musica-entra、--musica-de（セクションのアライメント）、--dur、--impacto T0 T1（音楽をボーカルレベルまで上げる）、--lufs、--pico、--fx -10（エフェクトのLUFSをボーカル基準で）、--saida。

batida.py と separar.py はAIを使用するため、追加パッケージが必要：uv sync --extra cpu（または NVIDIA GPU搭載時は --extra gpu）。モデルは初回使用時に自動ダウンロードされます（beat_this ≈80 MB；各分離モデル ≈300～700 MB、保存先 ~/.cache/estudio-ia/）。追加パッケージがない場合、インストール手順を表示して停止します。

よくあるエラー

症状	原因	対処
シーン動画でエフェクトが「大きすぎる」	シーン音が −14 にノーマライズされている	`som.py` はボーカルも音楽もない場合、自動的に −25 を目標にします。`verificar_som_de_cena.py` で確認
ボーカルなし動画でエフェクトが音楽に埋もれる	マスタリング済みトラック（−8〜−11 LUFS）	Mesa がトラックを −19 にレベル調整しエフェクトを ×2.2 倍にします。それでも埋もれる場合はイベントの `vol` を大きく
ウィッシュのタイミングが「遅い」	イベントがジェスチャーの終わりにマークされている	ジェスチャーの始まりにマーク。マップがピークを0.2秒後に設定
同じ音の繰り返しがロボットのように聞こえる	カテゴリにバリエーションが1つしかない	そのカテゴリにさらに音をレベル調整するか、`--mapa` で異なる `st` を使用
レポート：「カテゴリが交換されました」	ライブラリにそのカテゴリがない	`sintetizar_sfx.py` を実行するか、そのカテゴリを含むパックをレベル調整

iamjeffia/estudio-ia

estudio-ia とは？

お気に入りのAIに質問する

ドキュメント