「犬のうた」の曲は、こうやって生まれます

「犬のうた」の曲は、AIを使って作っています。
作詞も、作曲も、ミュージックビデオの映像も、AIの力を借りています。

ただ、ボタンを押したら完成、ではありません。
工程ごとに人の目でチェックを挟みながら、1曲ずつ仕上げていく形です。
この記事では、その全体の流れを紹介します。

工程1:作詞 ― まず「誰の目線で歌うか」を決める

最初に決めるのは、犬種と目線です。
犬自身が歌う「犬目線」なのか、そばで見ている「飼い主目線」なのかで、歌の世界がまったく変わります。

歌詞の下書きはAI(ChatGPT)に作ってもらい、そこからチェックに入ります。

  • 目線が途中で混ざっていないか(犬が歌っているのに、急に飼い主の言葉になっていないか)
  • その犬種らしい仕草や場面が入っているか
  • 犬らしくない、人間すぎる言い回しになっていないか

この添削には、文章生成に長けているClaudeにも入ってもらっています。
AIにも得意・不得意があるので、下書きと添削で担当を分けている形です。

ただし、最後に決めるのは自分です。
添削された歌詞を読み直して、直すところ・直さないところを判断して、最終チェックをして確定させます。
歌の土台はここで決まるので、いちばん時間をかける工程のひとつです。

工程2:作曲 ― Sunoで曲にする

確定した歌詞を、音楽生成AIのSunoで曲にします。
曲調の指定(スタイル)を決めて生成し、出てきた候補を聴き比べて選んでいきます。
スタイルは1つだけではなく、基準のものと方向違いのものをいくつか用意して、聴き比べで判断できる形にしています。

Sunoのスタイルを生成している様子

ここで出やすいのが、発音の問題です。
漢字の読みを間違えたり、思ったのと違う読み方で歌ったりすることがあります。
対策として、歌わせる歌詞を発音通りのひらがなに直して渡す工夫をしています。
詳しくは、こちらの発音対策の記事にまとめています。

工程3:動画生成 ― Geminiで10秒ずつ映像を作る

曲ができたら、ミュージックビデオの映像を作ります。
映像生成はGeminiで行い、曲を場面ごとに分けて、1本10秒ほどの短い動画を必要な分だけ生成します。

進め方で大事にしているのは、次の2つです。

  • 映像の指示文(プロンプト)は、曲の全パート分を最初にまとめて作る。途中で継ぎ足していくと、最後の着地点がズレていくためです
  • 生成は1本ずつ、別々に。まとめて生成すると、犬が増えたり動きがおかしくなったりする破綻が増えるためです

それでも、思い通りにならない映像は出てきます。
1曲の中で2〜3本の作り直しは普通にある、という前提で進めています。

工程4:編集 ― DaVinci Resolveでフル版を組み立てる

生成した映像は、横長の画面でフル版(約3分)を組み立てます。
編集はDaVinci Resolveを使い、音を入れ、歌詞のテロップを付けていきます。

InstagramやYouTubeショートで見てもらう縦長の動画は、この横長のフル版から切り出して作ります。
先にフル版をきちんと作ることが、毎日の投稿を続ける土台になっています。

工程5:投稿 ― キャプションを作って、予約して出す

最後に、投稿文(キャプション)とサムネイルを作ります。
サムネイルは候補をいくつか並べて、歌詞の場面に合う1枚を選んでいきます。

サムネイルの候補を確認している様子

キャプションは、歌詞やパートの区切りと照らし合わせて間違いがないかを確認してから、予約投稿します。

  • Instagram:毎日20時にパートごと
  • YouTube:日曜日にフル版

こうして、1曲が約1週間かけて少しずつ届いていく形です。

大事にしていること

AIは速くて便利ですが、任せきりにはしません。
詩のチェック、映像のチェック、投稿文のチェック。
工程ごとに「人の目で見る場所」を決めておくことが、続けるコツだと思っています。

そして、納得のいかない仕上がりになったら、公開を急がないこと。
曲は逃げません。寝かせておいて、作り直せる日を待つこともあります。

おわりに

次回は、工程2で触れた「Sunoの発音対策」について、実際の工夫をもう少し詳しく書く予定です。

「犬のうた」そのものの紹介は、こちらの記事にまとめています。