Gemini内蔵の手軽さ: 追加のサインアップ不要。Geminiの会話画面から直接「音楽を作って」と依頼するだけで楽曲を生成。
Google品質: DeepMindが開発したLyriaモデルのv3。楽曲のクオリティが大幅に向上。
注意点: Sunoほど細かいパラメータ制御（歌詞入力や歌声指定）はまだ限定的。BGMや効果音の生成向き。
DAY 06
AI音楽・音声生成とプロンプト技術
本日の目標：テキストから音楽・音声への変換技術の基礎をマスターする。
AI音楽生成ツール（Suno / Lyria 3）と音声合成ツール（Gemini TTS / ElevenLabs / MiniMax）を学びます。
本日の研修ねらい
テキストベースのサウンドディレクターになる
本日の研修は、「テキストから音楽・音声への変換技術の基礎」です。
前半はAI音楽生成を学びます。世界No.1の音楽生成AI「Suno」と、Geminiに搭載された「Lyria 3」を使い、テキストだけで本格的な楽曲を作る方法を習得します。
後半はAI音声合成（TTS）を学びます。Geminiの革命的な音声AI、超流暢な日本語のElevenLabs、感情表現に優れたMiniMax Audioを比較しながら、最適なツール選びとプロンプト設計を身につけましょう！
主催者からのお知らせ
Google AI Studioの音声生成機能の名前が変更されました。
旧名称: Turn text into audio with Gemini
新名称: Text to Speech (TTS)
受講生コラム：バイブコーディングによるニュース動画制作
受講生の方から完成度の高いまとめが共有されました！バイブコーディングを用いた動画編集の実践例です。ぜひ参考にしてみてください。
Canvaで資料を見る前半：AI音楽生成の世界
Sunoの主な特徴
Sunoはテキストプロンプトだけで歌詞付きの楽曲を丸ごと生成できるAI。ジャンル・楽器・歌声・テンポまで自在に指定可能で、BGM制作からSNS用ジングルまで幅広く活用できます。
Sunoの活用シーン
BGM制作
動画・ポッドキャスト・プレゼンのBGMをプロンプト一発で生成。著作権フリーで安心。
SNS用ジングル
TikTokやInstagramリール用の短い楽曲を量産。ブランドに合ったサウンドを瞬時に作成。
歌詞付き楽曲
オリジナルソングをまるごと生成。歌詞を自分で書いてメロディに載せることも可能。
プロトタイピング
楽曲のアイデア出しや方向性の確認を素早く検証。アレンジの比較検討にも最適。
🎵 Sunoプロンプト例
ジャンル: Lo-fi Hip Hop
楽器: ピアノ, アコースティックギター, ドラムマシン
ムード: 落ち着いた, ノスタルジック, 温かい
テンポ: 80 BPM
歌詞: なし（インストゥルメンタル）
用途: 深夜の作業用BGM
🎤 歌詞付きプロンプト例
ジャンル: J-Pop, シティポップ
ムード: 爽やか, 夏の朝
テンポ: 120 BPM
歌声: 女性ボーカル, 透明感のある声
歌詞:
[Verse]
朝焼けの光が 窓から差し込んで
新しい一日が 始まる予感
[Chorus]
走り出そう 風を切って
この街が教えてくれた melody
Lyria 3の特徴
Suno vs Lyria 3 どう選ぶ？
🎵 Suno がおすすめ
✅ 歌詞付き楽曲を作りたい
✅ ジャンル・テンポを細かく指定
✅ リミックスやExtend機能を使いたい
✅ プロ品質の楽曲が必要
🎶 Lyria 3 がおすすめ
✅ 手軽にBGMを作りたい
✅ Geminiの会話の流れで生成
✅ 追加アカウント不要で気軽に
✅ Googleエコシステムに統一
AI音楽生成のプロンプト構造
🎸 ジャンル
Pop / Jazz / Lo-fi
＋
Pop / Jazz / Lo-fi
🎹 楽器
Piano / Guitar
＋
Piano / Guitar
💫 ムード
Happy / Calm
Happy / Calm
↓
⏱ テンポ
BPM指定
＋
BPM指定
🎤 歌声
男女 / 年齢
→
男女 / 年齢
🎵 楽曲生成
Q1
AI音楽生成で「歌詞付き楽曲」を最も得意とするツールは？
💡 解説：Sunoは歌詞入力・歌声指定・ジャンル制御など、楽曲生成に特化した機能が最も充実しています。Lyria 3はBGM向きで、MiniMax Audioは音声合成（TTS）ツールです。
MILESTONE 1：音楽生成の基礎
前半の学習チェックリスト
-
動画①の確認
Sunoの基本機能と活用シーンを理解する。
-
動画②の確認
Lyria 3の特徴とSunoとの使い分けを把握する。
-
プロンプト設計メモ（実習）
音楽生成のプロンプト構造を理解し、自分なりのプロンプトを作成する。
後半：AI音声合成（TTS）の実践
Gemini TTSの革新ポイント
「読む」→「演じる」への進化: 従来の棒読みTTSとは次元が違う。文脈を理解し、感情を込めて「演じる」音声合成を実現。
完全無料: Google AI Studio上で無料利用可能。Gemini 2.5 Proの最新モデルで高品質な日本語音声を生成。
冒頭の声、全部AI: 動画冒頭のナレーションはすべてAI生成。言われなければAIだと気づかないレベル。
TTS音声パラメータ（タップで裏面を確認）
声のトーン
暖かい / 冷たい / 落ち着いた / 力強いなど。プロンプトで「落ち着いたニュースキャスターのように」と指定。
話速
ゆっくり / 普通 / 速めを指定可能。「間を取りながらゆっくり読んで」のような自然言語で制御。
感情表現
喜び / 悲しみ / 怒り / 驚きなど。Gemini TTSは文脈から自動で感情を推定する能力もあり。
間（ポーズ）
句読点や改行で間を制御。「ここで2秒の間をとって」と指示すると、自然なポーズを挿入。
🎙️ Gemini TTS プロンプト例
以下のテキストを、落ち着いた声のニュースキャスターのトーンで読み上げてください。
句読点のところでは自然な間を入れ、重要なキーワードは少しゆっくり強調して。
「2026年、生成AIの進化は私たちの働き方を根本から変えようとしています。
特に注目すべきは、テキストから音声・音楽を生成する技術の飛躍的な向上です。」
超流暢な日本語品質
最新のv3モデルにより、日本語の自然さが劇的に向上。抑揚、アクセント、イントネーションすべてにおいて人間に限りなく近い品質を実現しています。
Voice Cloning（声のクローン）
自分の声をアップロードして、AIに学習させることが可能。一度クローンすれば、どんなテキストでも自分の声で読み上げてくれます。ナレーション動画の量産に最適。
多言語対応
29言語以上に対応。1つの声で複数言語を自然に話せるクロスリンガル機能も。グローバルコンテンツ制作に威力を発揮します。
API連携
強力なAPIでアプリケーションに音声合成を組み込み可能。Webアプリ、チャットボット、ゲームなど様々なプロダクトに統合できます。
ElevenLabsの活用シーン
ポッドキャスト
原稿を入力するだけでプロ品質のポッドキャストを自動生成。複数の声を使い分けも可能。
キャラクターボイス
ゲームやアニメのキャラクターごとに異なる声を設定。感情の使い分けも自在。
多言語展開
1つの動画を複数言語に展開。元の声質を維持したまま、他言語に吹き替え可能。
ナレーション
マニュアル動画、教育コンテンツ、YouTube動画のナレーションを効率的に生成。
Speech 2.8の進化ポイント
サウンドタグ: 笑い声、ため息、咳などの効果音を<laugh>のようなタグで挿入可能。音声に豊かな表現力を付加。
間の制御: 文中の任意の位置にポーズを挿入し、より自然で聞きやすいスピーチを実現。
2つのモデル: HD（高品質・低速）とTurbo（高速・リアルタイム向け）を用途に応じて使い分け。
TTS 3ツール徹底比較
Gemini TTS
Gemini TTS
💰 無料
🇯🇵 日本語 ◎
😊 感情 ◎
🎭 Voice Clone ×
🔌 API ◎
ElevenLabs
ElevenLabs
💰 基本無料 / 有料
🇯🇵 日本語 ◎
😊 感情 ◎
🎭 Voice Clone ◎
🔌 API ◎
MiniMax
MiniMax Audio
💰 基本無料
🇯🇵 日本語 ○
😊 感情 ◎
🎭 Voice Clone ○
🔌 API ○
Q2
「Voice Cloning（声のクローン）」機能が最も充実しているツールは？
💡 解説：ElevenLabsはVoice Cloningのパイオニアで、わずか数分の音声サンプルから高品質なクローンボイスを生成できます。ナレーション動画の量産や、自分の声での多言語展開に最適です。
Q3
Google AI StudioのTTS機能、以前の名称は？
💡 解説：Google AI StudioのTTS機能は、以前「Turn text into audio with Gemini」という名称でしたが、現在は「Text to Speech（TTS）」にリニューアルされています。
関連ツールリンク集
MILESTONE 2：音声合成の実践
後半の学習チェックリスト
-
動画③の確認
Gemini TTSの「演じる」音声合成の仕組みを理解する。
-
動画④の確認
ElevenLabsのVoice Cloningと多言語対応を把握する。
-
動画⑤の確認
MiniMax Audioのサウンドタグと感情制御を試す。