HiAPI
ブログ

使用ガイド

HiAPI で mureka-9.5 を使い、EC 商品動画向けのカスタム歌詞楽曲 BGM を生成する

開発者向けガイド:商品コピーを広告に使える音楽に変換し、動画にミックスする

Nov 9, 2026
ブログのカバー画像:温かみのある砂色の背景に、テラコッタ色と茶褐色の階段状の横帯が左から右へ層をなして下降しており、フラットプリントの質感で、文字なし。
このページの内容
HiAPI 経由で mureka-9.5/lyrics-to-song を使い、商品コピーから生成したカスタム広告用ショートソング。EC 商品動画にミックス済み。

商品動画で既製 BGM よりカスタム楽曲が優れている理由

既製音楽は安価で即時という意味では解決済みの問題だが、EC にとっては間違った問題を解決している。ライセンス済みの音源は定義上汎用的であり、あなたの商品が存在する前に作られ、商品名も含まれず、セールスポイントも含まれず、行動喚起も含まれていない。15 秒のフィード動画では、視聴者は最初の 3 秒しか聞かないかもしれず、汎用音楽は説得力ではなく埋め草にすぎない。

mureka-9.5/lyrics-to-song のような歌詞から楽曲へのモデルは、この意思決定の経済性を変える。歌詞を渡すと、モデルは歌われた音源を返し、商品名を直接歌い上げ、特典を述べる。これと BGM との決定的な違いは、音源自体がコピーのチャネルとなり、視聴者が字幕を一度も読まなくても機能することだ。

既製 BGM を使うべきケース:

  • 動画が純粋なビジュアルショーケースで、コピーが画面上にある場合;
  • 毎日数十のバリエーションが必要で、ブランドトーンが制約にならない場合;
  • 商品に歌う価値のある名前、セールスポイント、特典がない場合。

生成した歌詞音源を使うべきケース:

  • 商品名や短いセールスポイントがフックそのものである場合;
  • SKU ごとに再利用可能な広告素材を制作し、識別可能なサウンドアイデンティティを持ちたい場合;
  • 音楽を再ライセンスするのではなくテキストを編集して反復できるショートソング風の資産が必要な場合;
  • 曲検索ではなくプロンプトでテンポとムードを制御したい場合。

このトレードオフは正直だ:生成はリクエストとレンダリングのステップを追加し、ボーカル歌唱はインストの下地よりも多くの品質管理を必要とする。本ガイドの残りではこのトレードオフをエンジニアリングの問題として扱い、再利用可能なパイプラインを示す。

開発者向けの実用的な枠組み:歌詞音源を、サムネイルやショート動画と並ぶ商品メディアパイプラインのもう一つの生成資産として扱う。入力(商品属性)、レンダリングステップ(API 呼び出し)、そして納品前に通過すべきチェックを備えた出力がある。

商品コピーを歌える歌詞に変換する

広告の歌詞から楽曲への最も一般的な失敗は、マーケティングコピーをそのまま提出することだ。歌うモデルは渡された内容を何でも歌う。40 語の機能リストを含めてもそうで、結果は 15 秒の編集に収まらない。修正は API 呼び出しの前に行う:商品コピーを固定構造を持つ短いフレーズに圧縮する。

4 スロット構造

各商品を 4 つのスロットにマッピングする:

  1. アイデンティティ——商品名にカテゴリの手がかりを加えたもの(「保温するセラミックマグ」)。
  2. セールスポイント——リストではなく具体的な結果(「コーヒーが昼まで熱いまま」)。
  3. 証明または差別化——単一の感覚的または素材的なディテール。
  4. 行動喚起——ショップに紐づく短い命令文。

各スロットは 1〜2 行の歌詞になる。文は短く保つ:1 行あたり約 5〜9 音節が歌唱性の安全目標であり、歌唱フレーズを数秒の音声内に収める。価格の数字、法的免責事項、括弧内の節は避ける。これらは歌いにくく、しばしば不明瞭に歌われる。

プログラムで歌詞を導出する

スロットを商品レコード上の構造化フィールドとして保存し、自由形式の文字列連結ではなくテンプレートで組み立てる:

[verse]
{identity_line}
{benefit_line}
[chorus]
{product_name}, {benefit_short}
{cta_line}

テンプレートはカタログデータとモデルの間の契約だ。コピーライターが 1 行を書き換えるとフィールドだけが変わり、テンプレートは安定したままなので、出力の長さと構造は SKU 間で予測可能に保たれる。

長さの予算

レンダリング前に行情報から尺を見積もる。15 秒の広告は 1 つのヴァースと短いコーラスを快適に収容できる;30 秒の広告はコーラスを 2 回繰り返せる。組み立てた歌詞が予算を超える場合は、行動喚起ではなく証明スロットを先に削る。予算チェックを生成器のアサーションとして書き、冗長な商品説明が気づかれずに使えない音源を生み出さないようにする。

最後に、元の商品コピーと導出した歌詞を並べて置く。音源が返ってきたときにある単語が誤って発音された場合、原因が元のフィールドなのか言い回しなのかを知る必要がある。

mureka-9.5/lyrics-to-song 向けの HiAPI リクエストを構築する

すべてのモデルアクセスは HiAPI の統一インターフェースを通るため、リクエストの形は他のメディアモデルで使うものと同じだ:HiAPI キーで認証し、mureka-9.5/lyrics-to-song モデル識別子を指定し、歌詞ペイロードとスタイル指示を渡す。

リクエスト構造

最小のリクエストには以下が含まれる:

  • model——mureka-9.5/lyrics-to-song。
  • lyrics——前のステップで組み立てた、セクションタグ付きのテキスト。[verse] / [chorus] タグを保持する;これらがモデルに曲の構成を伝える。
  • スタイルプロンプト——ジャンル、ムード、テンポ、編成を形容詞やフレーズで表現(例:「bright indie pop, mid tempo, acoustic guitar, clean female vocal」)。
  • インストゥルメンタルフラグ——ボーカル歌詞が必要なときは false のまま;純粋な伴奏のみ必要なときだけ true に設定する。
{
  "model": "mureka-9.5/lyrics-to-song",
  "lyrics": "[verse]\nHand-thrown stoneware, morning light\n[chorus]\nKeep the heat till the afternoon\nShop the stoneware line today",
  "style": "warm indie pop, mid tempo, clean vocal",
  "instrumental": false
}

レスポンスの処理

ほとんどのワークフローでは、呼び出しはインラインバイトではなく音声資産の参照を返す。非同期タスクとして扱う:送信し、ポーリングまたは完了シグナルを待ち、音声を自分のストレージバケットに {sku}/{variant}/{hash-of-lyrics-and-style} というキーでダウンロードする。ハッシュは重要で、レンダリングを冪等にする;バッチを再実行しても重複資産を作らない。

呼び出しを薄いクライアントでラップし、3 つの責務を負わせる:一時的な障害に対してバックオフ付きでリトライし、返された尺が予算内であることを検証し、リクエストペイロードを資産と一緒に記録して再現可能にする。失敗したレンダリングが動画組み立てをブロックしないようにする;エラーをチェックしつつ、その製品ラインにはキャッシュされた音源へフォールバックする。

スタイルプロンプトはリクエストビルダーにハードコードせず、キャンペーンごとの設定ファイルに置く。そうすれば季節的な更新はコード変更ではなく設定変更になり、キャンペーン内の全 SKU が音の一貫性を保つ。

生成した音源を動画パイプラインにミックスする

生成された音源は生のクリエイティブ資産であり、最終編集には予測可能な尺とレベルが必要だ。ほとんどの問題は生成時ではなくここで発生する。

尺を編集に適合させる

返された音声の尺を測定し、動画タイムラインと比較する。安全な戦略は 2 つ:

  • 音楽の境界でトリム——歌唱フレーズの終わりでカットし、約 300〜500 ミリ秒のフェードアウトを適用して、末尾がクリック音を出さないようにする。
  • ビートに揃えたポイントでループ——音源が動画より短い場合、聞こえる継ぎ目を避けるため任意のタイムスタンプではなくコーラス境界でループする。

音源が動画より明らかに長い場合、単純に切り詰めない;より短い歌詞予算で再レンダリングする。単語の途中でカットすることは歌唱広告で最も目立つ失敗だ。

ミックス前のレベル

音楽をナレーション(ある場合)に対して一貫した目標ラウドネスに正規化し、サイドチェインまたは単純な音量オートメーションカーブで音声の下で音楽を下げる。動画にナレーションがない場合、音源はより大きくできるが、プラットフォームのラウドネス正規化で潰されないよう余裕を残す。動画の冒頭に短いフェードインを適用し、自動再生時に音声が突然始まらないようにする。

ミックス

既存のエンコードパイプライン——ffmpeg またはホスト型トランスコーダー——を使い、音声をもう一つの入力ストリームとして扱う:

ffmpeg -i product.mp4 -i track.wav \
  -filter_complex "[1:a]afade=t=in:st=0:d=0.4,afade=t=out:st=14.6:d=0.4[a]" \
  -map 0:v -map "[a]" -c:v copy -c:a aac -shortest out.mp4

重要な規律は、ビデオストリームを再エンコードせずコピーすることであり、音楽の差し替えで画質を落とさない。ミックスステップをフェードポイントとループマーカーでパラメータ化し、15 秒と 30 秒のバリエーションが同じコードパスから生まれるようにする。

生成した音源はミックス後の動画とは別に保存する。クリエイティブを更新するときは、曲を再レンダリングするのではなく再ミックスする。

ショップへの納品前の品質チェック

自動化できるものは自動化し、残りは聴いて確認する。短いリリース前チェックリストでほぼすべての失敗モードを捕捉できる。

自動ゲート

  • 尺——その配置先の目標ウィンドウ内(例:広告枠の上限)。
  • ラウドネス——統合ラウドネスがプラットフォームの想定範囲内;範囲外ならビルド失敗。
  • 無音とクリッピング——予期しない無音区間がなく、フルスケールのピークもない。
  • 資産の関連付け——音源ハッシュ、歌詞ペイロード、商品レコードがすべて出力に対して記録されている。

人的ゲート

  • 歌詞の明瞭さ——初聴の人が一度で商品名を聞き取れるか?できなければ、テンポを落とすのではなく文を簡略化する。
  • 発音——ブランド名や珍しい単語はよく犠牲になる;既知のリストと照合する。
  • ブランド適合性——ジャンルとボーカルの音色がカテゴリに合っている。高エネルギーな音源を高級品や静かな商品に使うと誤りと見なされる。
  • タイミング——行動喚起が商品のフェードアウト後ではなく、まだ画面上にあるうちに現れる。

これらのゲートはバッチ単位ではなくバリアント単位で実行する。100 バッチ中の 1 つの悪い発音こそがショップに紛れ込むケースだ。特定の製品ラインの最新レンダリングを取得して連続再生する小さな試聴ツールを維持する;数分で済み、指標では見つからない構造的問題を捕捉できる。

チェックが失敗したら、入力を修正する——歌詞行、スタイルプロンプト、または長さ予算——そして同じキャッシュキー入力で再レンダリングし、新しい資産が古い資産をきれいに置き換えるようにする。

商品カタログへのスケール

単一のメイン動画はデモであり、カタログはシステムだ。目標はすべての音源を再聴取せずに規模で一貫性を保つことだ。

SKU 単位ではなく製品ライン単位でバッチ化

カテゴリ、セールスポイントの形、ブランドトーンを共有する SKU をグループ化し、各グループに 1 つのスタイルプロンプトと 1 つの歌詞テンプレートをレンダリングする。グループ内のバリアントは埋めるフィールドだけが異なる。これによりカテゴリページで音の一貫性を得つつ、各商品のアイデンティティを保ち、レビューすべき異なるプロンプトの数を大幅に減らせる。

キャッシュと重複排除

歌詞ペイロード、スタイルプロンプト、モデルバージョンのハッシュを各資産のキーにする。同じ入力はキャッシュ資産を返し、変化したフィールドだけが新しいレンダリングをトリガーする。これにより 1 商品の 1 行を調整したときのカタログ再レンダリングが安価になり、各クリエイティブに動画パイプラインが参照できる安定した URL を提供する。

キューイングとバックオフ

有界な並列度とリトライを備えたタスクキュー経由でレンダリングを送信する。カタログのリフレッシュはバースト的であり、キューがそれを平滑化し、まもなくキャンペーンがある商品を優先できる。各タスクのリクエストペイロードを記録し、失敗したレンダリングを推測なしで再現できるようにする。

クリエイティブガバナンスを軽量に保つ

テンプレートとスタイルプロンプトを商品データと同じリポジトリでバージョン管理する。これによりコーラステンプレートの変更をコードのようにレビューでき、どの商品がどのテンプレートリビジョンでレンダリングされたかを正確に確認できる。テンプレートが変わったら古い資産を退役させ、混合リビジョンがショップ内で共存しないようにする。

1 つの製品ラインから始め、歌詞からミックスまでのパスをエンドツーエンドで検証し、その後カテゴリごとに拡張する。構築するパイプライン——構造化された歌詞フィールド、冪等な HiAPI リクエスト、ミックスステップ、短いチェックリスト——はカタログが成長しても変わらず、変わるのは数量だけだ。最初のリクエストを接続する準備ができたら、HiAPI でこのモデルを探索しよう。

永続的なAIアーティファクトで開発を始める

APIキーを取得して、タスクベースの1つのAPIで画像・動画・音声モデルを呼び出せます。

APIドキュメントを読む