オーディオ生成 & インポートガイド
Storyモードで音声・効果音を直接生成し、自作オーディオをインポートする方法
🎬 Storyモードのオーディオ（推奨） v3.0.0+
v3.0.0からは外部APIを自分で呼び出す必要はありません。Storyモードの⑤ オーディオステップで、ダイアログ音声（TTS）と効果音（SFX）をアプリ内で直接生成します。
④ シーン分割でセグメントを作る
台本をシーンに分割すると、各シーンがナレーション・セリフのセグメントと効果音（sfx）セグメントに分かれます。セグメントごとに話者と感情が付きます。
⑤ オーディオで話者ごとに音声を指定
話者一覧の🎙ボタンから音声選択モーダルを開きます。指定しなかった話者はデフォルト音声で生成されます。
実行してセグメントごとに確認
生成されたオーディオはプロジェクトのstory/audio/segments/に保存され、完了すると話者別トラックのタイムラインがパネルに表示されます。表では各セグメントに▶テスト・プレビュー・↻再生成が使えます。
💡 ヒント: 各ステップの「自動」をオンにして「全体実行」を押すと、シーン分割 → オーディオ → プロンプトが続けて実行されます。Storyモード全体の流れはストーリーモードガイドをご覧ください。
🎙️ 話者ごとの音声指定
音声は話者単位で指定します。1本の台本の中で、ナレーターはTypecast、主人公はElevenLabs、脇役はGeminiというようにエンジンを混在させられます。
3つのTTSエンジン
| エンジン | 説明 |
|---|---|
Typecast | 設定 → TTSキータブにAPIキーを入れると音声一覧が読み込まれます。感情パラメータをそのままサポートします。 |
Gemini TTS | Gemini APIキーをそのまま再利用します（別途キー不要）。多言語のプリビルト音声を提供します。 |
ElevenLabs | 設定 → TTSキータブにAPIキーを入れます。共有音声が非常に多いため、モーダルの検索欄に2文字以上入力するとリモート検索で追加取得します。 |
音声選択モーダル
知っておくと便利なこと
— キャラクターの性別と音声の性別が異なる場合、ボタンに⚠が付きます。警告のみで、生成はそのまま進みます。
— 性別が確定していない音声カードは右クリックで女性・男性を手動指定できます。
— 話者ごとにナレーショントラックが分かれます（ナレーターは0番トラック）。CapCutへの書き出しでもそのままマルチトラックになります。
🎭 感情の適用ルール
感情値はシーン分割時にセグメントごとへ自動で付与され、⑤ オーディオの表のセグメント（感情）列で確認できます。
感情の値
| 感情 | 説明 |
|---|---|
normal | デフォルト |
happy | 明るい / 嬉しい |
sad | 悲しい |
angry | 怒り / 激しい |
適用ルール
— 感情はキャラクターのセリフのみに適用されます。ナレーターのセグメントは、感情値にかかわらず常にnormalで合成されます。
— エンジンによって処理が異なります — Typecastはemotionパラメータ、Gemini TTSはスタイル指示、ElevenLabsはvoice settingsでトーンを近似します。
— 話者の音声・エンジン・感情が変わると、該当セグメントは再利用されず再合成されます。
🔊 効果音の自動抽出
効果音は台本から自動的に抽出されます。シーン分割時にAIが、扉が開く音・遠雷・足音など効果音が必要な箇所にsfxセグメント（短い英語の説明）を挿入し、⑤ オーディオがその位置に合わせて生成します。
sfxセグメントはセリフと同じ並び順の位置を占めるため、シーン内の意図した場所にそのまま配置されます。
話者列にはSFX、セグメント列には英語の説明とソース選択のドロップダウンが表示されます。実際に生成できるソースはElevenLabs（既定）のみで、Libraryはまだ利用できません。
▶テストでその効果音だけを単発生成して聴き、気に入らなければ↻で再生成します。
効果音もダイアログ音声と同じstory/audio/segments/に保存されます。
🎧 アプリ内オーディオタブ
インポート後、オーディオタブでオーディオパッケージの全体概要を確認できます。
キャラクター別音声数、カテゴリ別SFX数、合計再生時間の分析。
タイムコードによる自動シーンマッチングと時系列表示。
インラインプレーヤーでアプリ内から直接オーディオファイルをプレビュー。
不適切なオーディオにフラグ。名前、再生時間、ステータスでソート。
💡 結果パネルの3つのビュー: 生成タブ下部の結果パネルは▶ タイムライン・☰ 結果表・⊞ グリッドの3ビューを切り替えられます。グリッドビューはv3.0.0で追加されました。
📦 自作オーディオのインポート 手動
外部で用意したオーディオをそのまま使いたい場合、従来のオーディオパッケージインポートもこれまで通り動作します。Storyモードを使わない場合や、すでに音声・効果音がある場合にお使いください。
外部でTTS音声を生成
TypecastまたはElevenLabsでキャラクターごとのダイアログ音声を生成し、キャラクターフォルダに整理します。
SFX効果音を生成
ElevenLabs Sound Generation APIで環境音、足音、小道具の音などをカテゴリ別に生成します。
AutoFlowCutでインポート
プロジェクトディレクトリのmedia/フォルダにオーディオファイルを配置すると、AutoFlowCutが自動的にオーディオパッケージを検出してインポートします。
💡 ヒント: ファイル名にタイムコードが含まれるオーディオファイルは、対応するSRT字幕タイムスタンプに自動マッチングされます。
📁 オーディオパッケージ構造 手動
プロジェクトフォルダ内で以下のディレクトリ構造でオーディオファイルを整理してください：
media/ ├── voices/ # キャラクター別TTSファイル │ ├── narrator/ │ │ ├── narrator_001_0000.mp3 │ │ └── narrator_002_0035.mp3 │ └── scholar/ │ └── scholar_001_0120.mp3 ├── sfx/ # カテゴリ別効果音 │ ├── 01_props/ │ ├── 02_ambience_wind/ │ ├── 03_breath/ │ ├── 04_footsteps/ │ ├── 05_metal_doors/ │ ├── 06_writing/ │ └── 07_crowd/ └── .audio_review.json # 不適切オーディオの追跡
💡 注意: voices/フォルダにはキャラクター別サブフォルダが、sfx/フォルダにはカテゴリ別サブフォルダが入ります。
🎙️ TTS（ダイアログ音声） 手動
Text-to-Speech APIで生成するキャラクター別ダイアログ音声です。
生成API: Typecast
API: https://api.typecast.ai/v1/text-to-speech
ファイル命名規則
{character}_{number}_{MMSS}.mp3
例：
narrator/narrator_001_0000.mp3 # ナレーター、1行目、00:00
scholar/scholar_003_0245.mp3 # 学者、3行目、02:45
タイムコード（MMSS）により、SRT字幕タイムスタンプと自動マッチングされます。
感情パラメータ
感情の値はアプリが生成するときと同じです（normal / happy / sad / angry）。詳しくは感情の適用ルールをご覧ください。
🔊 SFX（効果音） 手動
AIサウンド生成による環境音、フォーリー、効果音です。
生成API: ElevenLabs
API: https://api.elevenlabs.io/v1/sound-generation
7つのSFXカテゴリ
01_props/ — 物体操作、クリック02_ambience_*/ — 風、雨、鳥03_breath/ — 息遣い、ため息04_footsteps/ — 歩行、走行05_metal_doors/ — ドア、錠前、衝撃06_writing/ — 筆、ペンの音07_crowd/ — ざわめき、話し声ファイル命名規則
{category}/{descriptive_name}.mp3
タイムコード付きSFX（特定シーンに同期）：
abacus_beads_dark_01_0015.mp3 # 00:15のシーン用
abacus_beads_01_0134.mp3 # 01:34のシーン用
タイムコードファイル名（_MMSSで終わる）は対応するシーンに自動マッチングされます。
🔍 オーディオレビューシステム 手動
アプリUIまたはClaude Code MCPツールで不適切なオーディオファイルにフラグを付けます。フラグされたファイルは.audio_review.jsonで追跡されます。
.audio_review.json 構造
{
"media/sfx/02_ambience_wind/wind_howl_01.mp3": {
"status": "flagged",
"reason": "タイムコードなし",
"flaggedAt": "2026-03-16T05:44:55.228Z"
}
}
MCPツール
list_audio_reviews
— フラグ付きオーディオ一覧の表示
update_audio_review
— フラグの追加・解除