VYBE オーディオデザイン
音は知覚品質の半分を占めます。平凡な映像でも優れた音響があれば高級感が生まれますが、素晴らしい映像も無音では未完成に感じられます。
生成、取得、配線といった制作処理は vybe audio が担当します。詳細は vybe/references/audio-pipeline.md を参照してください。このスキルは方向性を定義するものです。何を要求すべきか、どこに配置すべきかを示します。SFX配置テーブルについては references/sound-design.md を読み込んでください。
この順序で判断する
- ナレーションは必要か？ 映像だけでは説明しきれない主題（解説、ドキュメンタリー、チュートリアル）やユーザーが明示的に求めた場合は「必要」。スティング、キネティックタイプ、ムードピース、20秒未満の広告の多くでは不要。デフォルト：オフ。
- 楽曲のアーク。 音楽をストーリーにマッピングする：イントロ（最小限）→ 展開（レイヤー追加）→ ピーク（発覚/クライマックスで）→ 解決（CTA/タイトルで）。テンポは編集から選択：落ち着いた70–95 BPM、自信のある100–115、エネルギッシュ118–128。
- SFX配置。 重み付けに値する視覚的なイベントをすべてマークする。その後、半分を削除する。音楽のためのスペースを残す。
- ミックス。 音声を最前面に、音楽をその下に、SFXをその間に配置する — そして音楽を音声の下でダッキングする。
音声
| プロバイダー | 使用タイミング | 備考 |
|---|---|---|
| HeyGen (Starfish) | 最高品質 + ネイティブワードタイムスタンプ | heygen OAuth ログインまたは HEYGEN_API_KEY が必要。無料枠は heygen auth login --oauth 経由 |
| ElevenLabs | 豊富な音声カタログ、ブランドボイス | ELEVENLABS_API_KEY。トランスクリプション経由でワードタイミング取得 |
| Gemini TTS | スタイルプロンプトによる指示された読み上げ | 明示的に選択した場合のみ。GEMINI_API_KEY |
| Kokoro-82M | 無料、オフライン、プライベート、決定論的 | npx hyperframes tts。利用可能ボイス: am_michael、bm_george、am_adam、af_sky、af_heart、bf_emma、af_nova。--speed 0.9–1.15 |
音声ライティング：短い文、一文一意、約150語/分（2.5語/秒）、数字は話し言葉で表記（「29時間」）、画面上のテキストをそのまま読まない。各行の前に0.3秒、行末に少なくとも0.5秒の間隔を空ける。
ムード別楽曲
| ムード | 特徴 | 適合例 |
|---|---|---|
| シネマティック・オーケストラ | スウェル、低弦、ライザー、ヒット | 予告編、宇宙、壮大な発覚 |
| アンビエント・テクノロジー | パッド、ソフトパルス、ガラスのような質感 | 科学、AI、解説 |
| 未来的エレクトロニック | シンセベース、アルペジオ、110–125 BPM | サイバーパンク、ローンチ、テクノロジー |
| コーポレート・アップリフティング | ピアノ＋軽めのドラム、メジャーコード | ビジネス、SaaS、オンボーディング |
| ミニマル | 最小限のピアノ/パルス、余白が多い | Apple風、ラグジュアリー |
| エネルギッシュ | 駆動的なドラム、120–128 BPM | ソーシャル、スポーツ、ハイプ |
| エモーショナル | スローマイナー→メジャーへの上昇 | ドキュメンタリー、ストーリー、社会問題 |
検索クエリのワーディング：ムード＋楽器構成＋エネルギー＋テンポ。例：「dark ambient orchestral, slow build, no vocals, 70 bpm」。著作権のある商用トラックは決して使用しないこと。VYBE のプロシージャル・ベッドは保証されたオフライン代替として利用可能です。
ミックスのターゲット
| レイヤー | レベル |
|---|---|
| 音声 | ラインごとに −16 LUFS（正規化済み）、最も大きなレイヤー |
| 音声下の音楽 | 実効約 −28〜−31 LUFS（ベッドの約0.28にダッキング） |
| 音楽のみ | ボリューム0.8でベッド約 −18 LUFS |
| SFX | ボリューム0.3〜0.5。インパクト系は1フレームだけ高く可 |
| 最終配信 | −14 LUFS インテグレーテッド、≤ −1 dBTP（vybe finalize が担当） |
同期ルール
- SFXは視覚イベントのフレームに合わせる（着地時、打撃開始時ではなく。スウッシュは動作の頂点の約0.1秒前に開始。ライザーはヒットと同時に終了）。
- ビートでカット：
npx hyperframes beats→ シーンの境界をグリッドに移動する。 - キャプションはトランスクリプションまたはHeyGenのタイムスタンプから取得 — 決して均等に配置しない。
npx hyperframes audio --dir composition --at <t>で検証する。