動画の音 · 実測
AI で動画に効果音を付け、フレーム単位でタイミングを合わせる
音のない商品のクリップは未完成に感じられ、音楽だけでは解決しません。食べ物や商品の動画を心地よくするのは、小さな音です。皮が割れる音、カップがテーブルに触れる音。こうした音は、動きにぴったり重なったときにだけ効果があります。半秒早いパリッという音は、作り物に聞こえます。
2026年9月30日、架空のベーカリー Crumb & Kettle のために Ciyo で 8 秒のリールを作り、Ciyo Agent に効果音を四つと静かな室内の環境音を付けるよう頼みました。エージェントは動画の中の瞬間を自分で見つけ、それぞれのタイムスタンプを報告しました。完成した音声を測定したところ、カップの音はちょうどそのフレームに重なり、パリッという音のいちばん大きな部分は割れている最中に収まっていました。
音のないクリップから始める
クリップがあるなら、アップロードしてください。私たちは Ciyo で作りました。皿の上でクロワッサンを手で裂き、かけらが落ち、そのあと横にコーヒーのカップが置かれる、8 秒の縦長のクローズアップ一本です。いちばん安い動画の設定で 9 クレジットかかり、音声はなしにするよう頼みました。
無音であることが大切です。動画モデルが勝手に付ける音は、あとで置く効果音とぶつかり、きれいに取り除くこともできません。
小さなベーカリー Crumb & Kettle を営んでいます。Instagram のリール用に、音のない 8 秒の縦長のクリップを一本作ってください（いちばん安い動画の設定、音声なし）: 白い皿の上で焼きたてのクロワッサンを手で裂くクローズアップで、かけらが落ち、そのあと横にコーヒーのカップが置かれます。カメラは動かさないでください。まだ音は付けないでください。次の手順で効果音を付けたいと思っています。音だけでなく、瞬間を名指しする
音の一覧だけでは足りません。エージェントが絵の中から見つけられるように、それぞれの音が何に属するのかを伝えてください。皮が割れる瞬間、半分ずつに引き離される瞬間、かけらが落ちる瞬間、カップがテーブルに触れる瞬間です。空気感を出すために室内の環境音を加え、どれくらい静かにするかも伝えます。確かめられるように、タイムスタンプも頼んでください。
クリップは良い出来です。では、動きに重なるように効果音を付けてください: 皮が割れるときのパリッとした音、半分ずつに引き離されるときのやわらかく伸びる音、かけらが皿に落ちる音、カップがテーブルに触れる音、そしてその下に静かなカフェの環境音。動画の中の正確な瞬間を自分で見つけ、それぞれの効果音のタイムスタンプを教えてください。動きが目立つように、環境音は小さくしてください。音楽も声もなしでお願いします。2026-09-27に投稿。制作者は音を消した動画を Codex にアップロードし、DAW もサンプルライブラリも使わずに効果音をデザインするようエージェントに頼み、そのプロンプトを共有しました。そのルールのうち二つはどのツールにも当てはまります。まず映像の出来事を書き出すこと、そしてエージェントが結果を聞けると思い込まず、キューシートを頼んで自分で判断することです。これは別の製品であり投稿者自身のワークフローで、Ciyo ではありません。
エージェントはどう瞬間を見つけたか
エージェントは動画を少しずつ進めながら確かめ、ボードにタイミングシートを置きました。0.25 秒ごとに一枚、合計 32 フレームで、それぞれに時刻が書かれています。これは作業用の参考資料なので削除して構いませんが、結果を確かめるいちばん速い方法でもあります。
そのあとエージェントは五つの音を生成し、元のクリップを残したまま、そのコピーに合成しました。五つの音は 7 クレジットで、合成は無料でした。
エージェントが選んだタイムスタンプ
エージェントは、それぞれの効果音をタイミングの理由とともに報告しました。たとえば、カップが置かれるのは 6.80 秒で、“when the cup's downward movement stops”（カップの下向きの動きが止まるとき）だからだ、というものです。室内の環境音はクリップ全体を通して、効果音より約 20 dB 小さく流れます。
下のフレームは、完成した動画からこの四つの時刻で取り出したものです。
| 効果音 | 開始時刻 | 絵の中で合わせている動き |
|---|---|---|
| 皮のパリッという音 | 1.95 s | 皮に最初の割れ目が入る瞬間。割れ目が広がる間、約 1.3 s 続く |
| やわらかく伸びる音 | 3.20 s | 半分ずつに引き離される動き。約 5.0 s まで |
| 皿に落ちるかけら | 3.75 s | 最初のかけらが落ちる瞬間 |
| テーブルに置かれるカップ | 6.80 s | カップの下向きの動きが止まる瞬間 |
| カフェの環境音 | 0〜8 s | フェードイン・フェードアウトし、効果音より約 20 dB 小さい |
音声を測定しました
完成した MP4 をダウンロードし、50 ミリ秒ごとに音の大きさを測りました。室内の環境音は約 −46〜−48 dB です。カップの音がいちばん大きな瞬間で −18 dB、ちょうど 6.80 秒に始まります。かけらの音は 3.70 秒で立ち上がります。パリッという音は 1.95 秒に置かれていますが、いちばん大きな部分は割れ目がいちばん広がる 2.5〜3.0 秒に来ます。それでも、エージェントが選んだ範囲の中には収まっています。
つまり環境音はいちばん大きな効果音より約 28 dB 小さく、エージェントの言う “about 20 dB”（約 20 dB）より少し静かで、リール全体は −19.7 LUFS と測定されました。ほかのリールと比べて小さく聞こえるなら、もっと大きな音量での合成を頼んでください。エージェントは、新しい音を作らずに無料で合成し直すと申し出ました。
耳で確かめてから調整する
AI エージェントは波形を測れますが、パリッという音がクロワッサンらしく聞こえるかどうかは判断できません。ヘッドホンとスマートフォンのスピーカーで聞いてください。効果音ごとに二つのことを問います。動きが始まるフレームで音が始まっているか、そしてその物らしい音に聞こえるか、です。音が早すぎたり遅すぎたりしたら、タイミングシートのフレームの時刻と方向をエージェントに伝えてください。たとえば “move the crackle 0.3 s later”（パリッという音を 0.3 s 遅らせて）のようにです。
| 確認項目 | 私たちのリール |
|---|---|
| 各効果音がその動きで始まる | カップは 6.80 s ちょうど。パリッという音のピークは割れている最中 |
| 環境音が効果音より小さい | いちばん大きな音より約 28 dB 小さい |
| 頼まない限り音楽や声は入れない | なし |
| 全体の音量 | −19.7 LUFS。必要ならもっと大きくするよう頼む |
| 元のクリップを残す | はい。音のないクリップはボードに残る |
リールの次の一歩
効果音、音楽、声は、それぞれに自分の居場所があるときにうまく組み合わさります。効果音の下に音楽を敷くか、効果音の後に短いナレーションを入れ、次の編集のために音のない元のクリップを残しておいてください。
AI で効果音を付ける
AI は効果音のタイミングを動画に合わせられますか
フレームを見られるなら、合わせられます。私たちのテストでは、Ciyo Agent がクリップのタイミングシートを作り、各効果音を動きに合わせて置きました。私たちの測定では、カップの音はちょうど 6.80 秒に始まりました。
音は動画モデルに作らせるべきですか
細かく調整したいなら、そうすべきではありません。クリップは無音で生成し、そのあとで一つずつ動かしたり調整したりできる効果音を付けてください。
室内の環境音はどれくらいの大きさにすべきですか
動きが目立つくらい小さくしてください。私たちのものは、いちばん大きな効果音より約 28 dB 小さくなっていました。音と音の間でクリップが空っぽに感じられるなら、上げてください。
費用はいくらでしたか
2026年9月30日の費用は 16 クレジットでした。内訳は、音のないクリップに 9、五つの効果音に 7 です。合成と、新しい音を作らない合成し直しは無料でした。
Ciyo でクリップに音を付ける
音のないクリップをアップロードし、音が必要な瞬間を名指しして、確かめられるように Ciyo Agent にタイムスタンプを頼みましょう。