どのくらい細かく説明すればいいですか？

素材、環境、力加減が最も効きます。「足音」では広すぎます。「革靴で木の床を、屋内で、ゆっくり」なら具体的です。音の違いはたいてい素材に宿ります。同じ動作でも木・金属・カーペットではまったく別の 3 つの音になるので、素材は必ず書いてください。

音楽生成とは何が違いますか？

効果音にはメロディがありません。足音、雨、機械音、環境音です。音楽にはメロディとリズムがあります。「作品全体の下に流れる雰囲気」が欲しいなら音楽生成へ。「その動作が出すはずの音」が欲しいならこのページです。

内容が聞き取れるセリフが必要なら、テキスト読み上げを使ってください。声のために作られたツールです。ここに向いているのは人の声の環境音的な側面です。遠くの群衆のざわめきや、背景として敷く聞き取れない会話などが該当します。

キャンバスに送って、効果音を狙ったフレームに置いてください。映像をシステムに読み取らせて自動で音を生成させたい場合は、動画効果音ツールを使うほうが早いです。先に映像を解析するので、作品全体に一気に音をつけるのに向いています。

効果音探しはたいていこう進みます。ライブラリを開いて「足音」で検索し、数百件の結果を 1 件ずつ試聴し、近いけれど床材が違うものを見つけて、妥協する。もっと悪いと、必要な音がそもそも存在しない。

AI の効果音生成はそれを逆転させます。欲しい音を言うのです。「革靴で木の床を歩く音」「遠くでくぐもった雷」「金属の扉がきしみながら開く音」。数秒後には音声が手元にあります。どのライブラリにもない組み合わせも含めて。

効果音のプロンプトで最も価値のある情報は素材です。同じ動作でも、木・金属・カーペットの上ではまったく別の 3 つの音になります。そしてモデルはそこを手がかりにします。

だから「足音」と「革靴で木の床を、屋内で、ゆっくり」の差は非常に大きいのです。ここに環境（閉じた空間か開けた場所か）と力加減（軽いか重いか）を足せば、たいてい一発で狙いに届きます。

もうひとつ書いておくべきなのが 単発かループか です。ドアが閉まる音は単発、雨は持続音です。シーン全体の下に敷く環境音はループできる種類でなければならず、そうでないと継ぎ目がはっきり聞こえてしまいます。

このページはメロディのない音を作ります。次のような作業には、もっと適した入り口があります。

サウンドデザインは最も省略されやすいレイヤーであり、同時に「完成度」の体感を最も変えるレイヤーでもあります。同じショットでも、環境音があるかないかでまったく違って見えます。画質が高くても、無音の映像はどこか空虚に感じられるものです。

実用的なのは 2 層構成です。まずループする環境音を全体の下に 1 本敷き、次に画面に見える動作をいくつか選んで単発の音を与える。この 2 つで十分なことがほとんどです。すべてのディテールに音をつける必要はありません。