【考察】NSFW動画用サウンドエフェクトの生成（MMAudio）
Added 2025-05-08 11:00:00 +0000 UTC# 1.はじめに
この記事では、MMAudioでのNSFW動画用サウンドエフェクトを生成する方法を考察していきます。
前提として、前回の記事の方法（ただしラストフレーム指定あり）で動画生成をしています。
■【実験】NSFWアニメ動画生成用プロンプトの生成（FramePack）
https://rarabeat.fanbox.cc/posts/9772634
その動画に対して、サウンドエフェクトを追加していきます。
MMAudioは動画とプロンプトを基に、幅広いサウンドエフェクトを生成できるAIです。
NSFWに大きく関わるクラップ音やリップ音、またはより直接的なうめき声など、幅広い生成ができるようです。加えて、話し声や歌、BGMなども生成対象に含まれているようです。
ただ、プロンプトによって大きく生成物が変わるようです。
そのため、意図するものを生成する為には、いくつかの工夫が必要そうです。
その工夫について、この記事では考察していきます。
なお、この記事の動画は、以下の記事の画像をベースに生成しています。その画像の詳細（使用モデルやプロンプト等）を知りたい場合は次の記事をお読みください。
■【考察】R-18 AI生成作品ランキング掲載作品の構成
https://rarabeat.fanbox.cc/posts/9071856
【考察】R-18 AI生成作品ランキング掲載作品の構成
# 1.はじめに この記事では、pixivのR-18 AI生成作品ランキング掲載作品の構成に一定の傾向が見られたので、その構成について考察していきます。 ■[pixiv] R-18 AI生成作品ランキング https://www.pixiv.net/ranking.php?mode=daily_r18_ai その構成とは、前記事に書いた以下のものになります。 ``` サイレントアニメを...
加えて、日本語前提での喘ぎ声やチュパ音が欲しい場合は、別の音声合成AIでのアプローチの方が良いと思います。
コントロールがしやすいです。
それでは、考察していきます。
# 2.前提条件
■Zuntan03/EasyWanVideo
https://github.com/Zuntan03/EasyWanVideo
■hkchengrex/MMAudio
https://huggingface.co/spaces/hkchengrex/MMAudio
# 3.生成例
## ケース1
①声と効果音
```
The anime girl silently kisses the penises of the two men.
```
○和訳
アニメガールが静かに二人の男のペニスにキスする。
②BGM ※ヒプノ系。音量注意。
```
Psytrance beat, hypnotic bass and swirling synths, fast-paced 145 BPM, cosmic party atmosphere.
```
○和訳
サイトランスのビート、催眠術のようなベースと渦巻くシンセ、速いテンポのBPM145、宇宙的なパーティーの雰囲気。
※動画生成用プロンプト
```
A petite, blonde Santa girl surrounded by faceless males, explicit group sex, vibrant and dynamic tone. The girl is kneeling, her mouth working vigorously on one penis while her hands eagerly stroke the other two, motion lines emphasizing her enthusiastic movements. She blinks and moans, her expressions shifting from pleasured to intensely aroused. The faceless males stand, their penises varying in size and veins prominently displayed, moving in rhythm with her actions. The scene is filled with the sound of wet, eager sucking and the slap of skin against skin, the air thick with humidity and the scent of sex. The camera slowly circles her, capturing the intensity of the threesome from every angle, highlighting the contrast between her petite frame and the larger, more imposing bodies of her partners.
```
○和訳
小柄な金髪のサンタガールが、顔のない男たちに囲まれている。露骨な集団セックス、生き生きとした躍動感。少女はひざまずき、片方のペニスを激しく口で刺激しながら、もう片方の両手を熱心に撫でている。動きの線が彼女の情熱的な動きを強調している。彼女は瞬きをしてうめき声を上げ、表情は快楽から激しい興奮へと移り変わる。顔のない男たちは立ち、大きさも血管も浮き出たペニスが、彼女の動きに合わせてリズムを刻んでいる。この場面は、濡れた、熱烈な吸い合いの音、肌と肌がぶつかり合う音、湿気に満ちた空気、そしてセックスの匂いで満たされている。カメラはゆっくりと彼女の周りを回り、あらゆる角度から三人組の激しさを捉え、彼女の小柄な体格と、パートナーたちのより大きく堂々とした体格のコントラストを際立たせている。
## ケース2
①声と効果音
```
The anime girl licks a man's penis. Mucus drips from her body.
```
○和訳
アニメガールが男のペニスを舐める。彼女の体から粘液が滴り落ちる。
②BGM ※音量注意。
```
Hypnotic trance beat, swirling pads and resonant filters, deep bass throbs, 140 BPM, otherworldly nighttime energy.
```
○和訳
ヒプノティックなトランス・ビート、渦巻くパッドとレゾナント・フィルター、ディープなベースの鼓動、BPM140、別世界の夜のエネルギー。
※動画生成用プロンプト
```
An energetic young man in a Santa costume on all fours, surrounded by faceless men, with a seductive smile and blush. The men grasp their penises, moving closer to the
man in Santa attire. The young man looks back with bedroom eyes and a slight seductive smile, his anus presented and spread. Cum drips from his anus and face as one of the men grabs his hip, another performs fellatio. The scene is filled with motion lines, highlighting the dynamic and intense nature of the act. The man in Santa attire reaches back to grab a penis, his Santa hat and hair ribbon shifting with the movement. The camera pans around to capture the various angles of the bukkake, emphasizing the excessive cum covering the Santa's body and the bedsheet.
```
○和訳
サンタ衣装を着た元気いっぱいの若い男が四つん這いになり、顔のない男たちに囲まれ、誘惑的な笑みを浮かべ、頬を赤らめている。男たちはペニスを掴み、サンタ衣装の男に近づいていく。若い男は寝室のような視線を向け、わずかに誘惑的な笑みを浮かべ、肛門を突き出して広げる。男の一人が腰を掴み、もう一人がフェラチオをすると、肛門と顔から精液が滴り落ちる。シーンは動きの線で満たされ、行為のダイナミックで激しい性質を強調している。サンタ衣装の男は後ろに手を伸ばしてペニスを掴み、サンタ帽とヘアリボンが動きに合わせて揺れる。カメラはパンしてぶっかけの様々な角度を捉え、サンタの体とシーツを覆う大量の精液を強調する。
## ケース3
①声と効果音
```
The anime girl is covered in mucus. The girl exhales.
```
○和訳
アニメガールは粘液にまみれている。女の子は息を吐く。
②BGM ※音量注意。
```
Relaxed electronic groove with slow house rhythm, atmospheric textures, soft vocal chops, 98 BPM, peaceful night drive vibe.
```
○和訳
ゆったりとしたハウスのリズム、雰囲気のあるテクスチャー、ソフトなヴォーカル、98 BPMのリラックスしたエレクトロニック・グルーヴ。
※動画生成用プロンプト
```
A petite, grey-haired anime girl dressed in a Santa costume lies on her side, presenting her spread anus. She blushes, breathes heavily with a seductive smile, and pants with her mouth open. Four faceless men surround her with penises of varying sizes, cum dripping and shooting in projectiles onto her face, clothes, and ass.
The girl lies on her side, slightly panting with a seductive smile and a speech bubble of a heart. She presents her spread anus, hands-free, with one hand on her hip. Her eyes are closed, and she blushes intensely. The men around her have penises of varying sizes, from
micropenis to veiny, huge ones. They ejaculate hands-free, cum shooting in projectiles, dripping and spreading everywhere, creating strings of cum. One man's balls are visible. The girl's long, straight grey hair with low twintails and a red ribbon falls between her eyes. The scene is shot from a high-angle, dutch angle, on a white bed sheet, with a sense of humidity and intense sexual buildup. Motion lines emphasize the cum's dynamic movement.
```
○和訳
小柄で白髪のアニメの女の子がサンタの衣装を着て横向きに寝そべり、広げた肛門を露わにしている。彼女は顔を赤らめ、誘惑的な笑みを浮かべて荒く息を吐き、口を開けて喘いでいる。顔のない4人の男たちが様々な大きさのペニスで彼女を取り囲み、精液が滴り落ち、彼女の顔、服、そしてお尻に飛び散っている。
少女は横向きに寝そべり、誘惑的な笑みを浮かべてハートの吹き出しを浮かべながらわずかに喘いでいる。彼女は両手を自由にし、片手を腰に当てて広げた肛門を露わにしている。目は閉じられ、彼女はひどく顔を赤らめている。彼女を取り囲む男たちは、マイクロペニスから血管が浮き出た巨大なペニスまで、様々な大きさのペニスを持っている。彼らは手を自由にして射精し、精液が飛び散り、あらゆるところに滴り落ち、精液の糸を作っている。男の一人の金玉が見えている。少女の長くまっすぐな白髪は低い位置でツインテールにされ、赤いリボンが目の間にかかっている。このシーンは、白いベッドシーツの上で、ハイアングルのダッチアングルから撮影されており、湿度と激しい性的興奮が伝わってきます。モーションラインが精液のダイナミックな動きを強調しています。
# 4.考察
①声と効果音
基本的には、動画内容を簡潔に記述したプロンプトを適用する事で、その動画のイメージに近い声と効果音を付けてくれるようです。
ただ、この時には「なるべく音声のみで分かる事を書く」のを意識した方が良さそうでした。
例えば、粘液が滴り落ちている事は音声から分かりますが、その粘液が白いかどうかは分かりません。
しかし、文脈を理解する為の記述は含めても良いと思っています。
例えば、アニメキャラクターか否かは音声のみでは分からないと思いますが、文脈を含める為にあえてanimeと指定しています。
②BGM
基本的には、LLM（例：ChatGPT）に、"動画のBGMを生成するMMAudioのプロンプト例を10個以上挙げて"もらえば良いと思います。
また、BGMのみでNSFWとなるケースは少ないと思いますので、LLMはローカルLLMに限らなくて良いはずです。
この時、音楽ジャンル（例：ダンスミュージック）も指定すれば、より意図するものに近くなると思います。
また、BGMは音楽に限りませんが、その場合は"ASMR風の鼓動音や衣擦れ音"などの指定をすれば、そのようなプロンプトが生成される可能性は高そうです。
③声と効果音＋BGM
なお、上記の①と②の音声を分離して、再合成するアプローチも考えられます。
この記事の生成例では、ダンスミュージックにしましたが、もっと低音量なBGMにすれば合わせる事が可能と考えます。
■Zuntan03/EasyWanVideo: Wan 2.1 を Geforce RTX 3060 などで簡単に試せる Win 用ローカル環境です。
https://github.com/Zuntan03/EasyWanVideo?tab=readme-ov-file#%E3%81%B2%E3%81%A8%E3%81%93%E3%81%A8%E3%83%AF%E3%83%BC%E3%82%AF%E3%83%95%E3%83%AD%E3%83%BC%E7%B4%B9%E4%BB%8B
```
AudioSeparation 音声を Vocal, Bass, Drums, Other に分離します。
AudioCombine 音声を平均や加算で結合します。
```
# 5.おわりに
テクノロジーの進化は、私たちの創造のかたちを大きく変えつつあります。
中でも、動画生成AIやサウンドエフェクトを付加できるAIの登場は、映像表現の可能性を飛躍的に広げてくれています。
これまで多くの人にとって、映像作品を一から創り上げるには専門的な技術や多くの機材、時間が必要でした。
しかし今では、アイデアさえあれば、誰もが自分のイメージを映像として具体化できる時代が訪れつつあります。
更に、映像にふさわしい音をAIが提案してくれることで、表現の奥行きや臨場感も格段に豊かになりました。
こうしたツールは、決して創造性を奪うものではありません。
むしろ、思い描いた世界をより自由に、そして直感的に形にできる「新たな筆」なのだと思います。
あなたが未来のクリエイターとして、自分の世界観を思い切り表現し、誰かの心を動かす作品を生み出していく事を、心から楽しみにしています。
どうか技術を恐れず、味方にして、あなた自身の表現を探求していってください。
```
Subtle breathing and heartbeat sounds while tucked under soft bedding, ASMR-style recording.
```
○和訳
ふかふかの寝具に包まれながら、微妙な呼吸音と心拍音をASMR風に録音。
（おわり）
