Mirelo SFX 2.0

位置づけの概要

mirelo-sfx-2.0 は、HiAPI.ai の統一インターフェース経由で呼び出す効果音生成モデルで、テキストプロンプトを受け取って音声を出力します。呼び出し側はプロンプトで音源、素材、動作、距離、環境を記述し、1〜30 秒の長さ（デフォルト 5 秒）を指定します。効果音素材を大量に制作する必要がある動画・ゲーム・インタラクティブコンテンツの開発者や、効果音生成の工程を自動化された制作フローに組み込みたいチームに適しています。

主な特長

• テキスト記述から直接効果音を生成——プロンプトで音源、素材、動作、距離、環境を記述するだけで、対応する音声が得られ、録音やサンプル素材は不要です。
• 生成時間を秒単位で指定可能——1 回の生成で 1〜30 秒、デフォルト 5 秒に対応し、カットやインタラクションイベントの実際の長さに合わせて効果音を生成できます。
• 出力秒数に応じた統一課金——費用は生成音声の長さに直接連動するため、短い効果音と長い効果音のコストを予測できます。

機能説明

プロンプト駆動の効果音生成：2000 文字以内のテキストで必要な音を記述すると、モデルが対応する音声を出力するため、素材の検索や録音の工程を省けます。

制御可能な音声の長さ：duration パラメータで 1〜30 秒の出力長を指定でき、動画クリップ、アニメーションカット、インタラクションのフィードバックのテンポに合わせやすくなります。

構造化された音の記述：プロンプトでは音源、素材、動作、距離、環境の組み合わせを記述でき、具体的なシーンに応じて効果音の空間感と質感を描き分けられます。

統一インターフェースでの接続：HiAPI.ai の単一インターフェースで呼び出し、出力音声は既存の音声またはコンテンツパイプラインにそのまま接続できます。

適用シーン

• 動画編集者がカットに環境音を追加——カット内容に対応する音の記述を入力して長さを設定すると、タイムラインにそのまま配置できる環境効果音素材が得られます。
• ゲーム開発者がインタラクション効果音を制作——動作と素材の記述に基づいて短い効果音を生成し、ボタンのフィードバック、衝突、アイテム取得などイベント発生時の再生に使用します。
• コンテンツチームが効果音案を一括で反復検討——同じプロンプトの記述語を調整して何度も生成し、異なる案をすばやく比較してから最終映像に採用します。

制限と選定のアドバイス

現時点では入力はテキストプロンプトのみに対応し、参照音声をアップロードして音色の変換やスタイルのマッチングを行うことはできません。出力長の上限は 30 秒で、それより長い連続音は分割して生成した後に自身で結合する必要があります。音声、音楽、歌詞付きの楽曲が必要なタスクでは、対応する音声合成または音楽生成モデルを選択してください。効果音の周波数特性やダイナミクスなどの細部に厳しい要件がある場合は、まず候補素材を生成してから人による選別と後処理を行うことをお勧めします。