Seed Audioのプロンプトの書き方

いちばん大切なルール

1. 1

   セリフの前に場面を設定する

   場所とその音から始めましょう。雨のホーム、歓声が響くスタジアム、静かなスタジオなどです。話される言葉は引用符で囲んだ部分だけで、それ以外はすべて演出の指示になります。

2. 2

   それぞれの声は、一度でしっかり描写する

   誰かが初めて話すときは、性別、年齢、アクセント、声質、感情、話すペースを書きます。例:Leo(40代の男性、低くしゃがれた声、疲れた様子、ゆっくり)。2回目以降は、名前と短い話し方のメモだけで十分です。

3. 3

   選んだ長さに合わせて書く

   先に長さを決めましょう。英語の発話はおよそ1秒に2.5語なので、短いクリップには短いセリフが1つ入ります。語数が多すぎると単語の途中で切れ、少なすぎると最後が無音になります。

4. 4

   プロンプトはセリフと同じ言語で書く

   スペイン語のシーンなら、状況説明からセリフまで、プロンプトもスペイン語で書きます。英語のプロンプトに別の言語のセリフを混ぜると、話し方が不自然になります。

5. 5

   何パターンか生成する

   シードが同じでも、実行するたびに新しい演技になります。同じセリフを2、3回生成して、いちばん良いものを選びましょう。

まず試したいプロンプト

• 環境音に重なるナレーション

  A quiet forest at dawn, birdsong slowly building, a stream running somewhere close. A narrator (a man in his sixties, standard British accent, warm and slightly gravelly, unhurried) says softly: "Every spring, the river remembers its way back to the sea." The birdsong continues to the end.

  うまくいく理由: まずシーンを書き、声はキャスティングのメモとして添えます。鳥のさえずりが続くので、クリップは途切れずに音で終わります。長さは10秒が合います。

• 秒単位でタイミングを合わせた2人の声

  A small radio studio late at night, the hum of equipment, rain against the window. Theo (a man in his late twenties, bright, quick, a little nervous) says: "[0.3s:3.2s] Okay, we're live. Say hi to everyone." June (a woman in her fifties, low, smoky, completely calm, slow) answers: "[3.8s:8.6s] Good evening, night owls. Pour something warm and stay a while." A soft jingle chimes; the rain continues to the end.

  うまくいく理由: 各セリフの先頭に、言葉の量に合わせた時間枠を付けます。話し手の間には短い間を置き、最後に静かな1秒を残します。長さは10秒に設定してください。

• 声なしのBGM

  Generate pure background music and sound effects only. No voice, no dialogue, no narration, no lyrics.
  Style: warm, hopeful acoustic folk for a travel video. Create original music only.
  Background music: fingerpicked acoustic guitar, soft hand claps, a gentle upright piano, a light shaker.
  Sound effects: a car door closing, gravel under tires, wind on an open road. Keep effects clear but balanced under the music.
  Duration: about 30 seconds.
  Structure:
  [0:00-0:08] Guitar alone, light and curious; a car door closes.
  [0:08-0:20] Piano and shaker join, gravel under the tires, the tempo lifts.
  [0:20-0:27] The full band with hand claps, wind rushing past.
  [0:27-0:30] The music settles on one ringing guitar chord.
  Final mix: No vocals or spoken words. Bright and open, ready to sit under a travel montage.

  うまくいく理由: 冒頭と最終ミックスで「声なし」と繰り返すとインストゥルメンタルになります。各セクションの合計は、設定した30秒に合わせます。

• 音楽なしの効果音

  Inside a blacksmith's forge at night. The bellows wheeze and the coals roar up bright; a hammer rings on hot iron in a steady rhythm, three strikes and a pause, then the blade hisses as it plunges into a bucket of water and steam bursts up. Rain drums on the tin roof throughout. No music, no voices.

  うまくいく理由: すべての音に具体的な音源と時間上の位置があり、最後の一文で不要な音をはっきり除外しています。

• Characterに保存するためのクリアな声

  Clean, close-miked studio voice recording. No music, no background sound, no effects. Mara (a woman in her early thirties, standard American accent, low, warm, slightly husky, calm and assured) says at an even pace: "[0.2s:8.8s] I grew up on this coast. The tide always tells you something, if you are patient enough to listen."

  うまくいく理由: 話し手は1人、背景音なし、最初からセリフが始まる。声として保存してCharacterに設定するのに最適なクリップです。長さは10秒に設定してください。

• 画像から作る声

  The old fisherman in the picture says warmly, a little amused, unhurried: "Well, look who finally showed up."

  うまくいく理由: ポートレートを画像としてアップロードすると、Seed Audioが顔に合う声をデザインします。プロンプトには話し方とセリフだけ書けば十分です。短いセリフ1つなら、長さは5秒が合います。