ブラウザだけで動画に音声を追加

動画も音声もお使いのブラウザが端末内で処理するため、外部のサーバーを通らず、Sonata AIにアップロードされることもありません。ダウンロードが発生するのは処理エンジンだけで、約30 MBのWebAssemblyを初回に公開CDNから取得し、以降はブラウザのキャッシュに保存されます。

「置き換え」は元の音を完全に消し、新しい音声だけを残します。無音のAI動画や雑音の多い素材に向いています。「ミックス」は撮影時の音を残したまま新しい音声を重ねるので、話し声や笑い声、その場の空気感も聞こえたままです。

元の音と新しい音声は別々に調整できます。100%なら変化なし、下げれば背景に引っ込み、上げれば小さく録れてしまった音を持ち上げられます。別々に動かせるからこそ、声と音楽がぶつからずに収まります。

仕上がりの長さは必ず動画と同じです。曲のほうが長ければ映像の終わりでカット。短いジングルなら最後のフレームまでループさせることも、そのまま終わらせることもでき、その後は置き換えモードなら無音、ミックスモードなら元の音だけになります。

MP4やMOVに入ったH.264の動画なら、映像はそのままコピーされ、作り直すのは音声だけ。処理が速く、画質も一切落ちません。WebMやほかのコーデックの動画はH.264への変換が必要なため、時間が長めにかかります。

最後のフレームでぶつっと音が切れると、サビの途中ならなおさら不自然に聞こえます。オプションのフェードアウトをオンにすれば、動画の終わりに向けて音がすっと消えていきます。

会員登録もクレジットもいらず、ダウンロードしたMP4にロゴが入ることもありません。処理中は進捗バーで状況がわかり、設定ミスに気づいたらいつでもキャンセルできます。

テキストや画像から動画を作るモデルは、無音のクリップを出力することが少なくありません。BGMや一言のナレーションを付ければ、本格的な編集ソフトを開かなくても、SNSへの投稿やプレゼン資料にそのまま使えます。

先に画面を録画し、話す内容が固まってからナレーションを別に録る。置き換えモードなら声だけが乗り、ミックスモードならクリック音や通知音もうっすら背景に残ります。

風、車の音、人混みのざわめき。映像はいいのに音で台無しになることはよくあります。雑音を音楽に置き換えるか、ミックスで元の音をかなり下げて、現場の雰囲気だけを少し残すこともできます。

短いBGMがあるだけで、商品のデモや告知動画にリズムが生まれます。声で商品を説明しているならBGMは小さめにし、フェードアウトで中途半端な拍で切れないように締めましょう。

スマホのボイスメモで録ったM4Aのナレーションを、アルバムアプリから書き出した動画に付ければ、普通のMP4として共有できます。祖父母も特別なアプリなしで再生できます。

翻訳したナレーションを録ってあるなら、元の声と置き換えて、言語ごとに1本ずつ動画を用意できます。映像はすべて同じまま使えます。

動画の中で人が話しているなら、元の音は100%前後のまま、新しい音声はぐっと下げます。まずは25〜50%あたりから試し、言葉がひとつ残らず聞き取れるところまで少しずつ調整してください。

上限の200%は、小さく録れたスマホの録音を救うのに便利です。ただ、もともと音の大きいトラックをさらに上げると音割れしやすくなります。盛り上がる部分でバリバリと聞こえたら、もう一方を上げるのではなく、そのスライダーを下げましょう。

動画より少しだけ長い曲にフェードアウトを組み合わせると、いちばんきれいに終わります。ループに向いているのはアンビエント系の音源やシンプルなビートなど、繰り返し前提で作られた素材。イントロとアウトロがはっきりした曲は、つなぎ目が目立ちます。

AIで生成した動画や画面録画は、まったく音がないか、かすかなノイズしか入っていないことがよくあります。置き換えならまっさらな状態から始められますが、ミックスだとそのサーッという音が音楽の下でずっと鳴り続けます。

スマホや編集アプリでH.264のMP4を選べるなら、それで書き出しておきましょう。映像を再エンコードせずにコピーできるので、画質はそのまま、処理も早く終わります。ほかの形式はまず再エンコードが必要です。

イヤホンとスマホのスピーカー、両方で聞いてみてください。イヤホンでちょうどいいBGMが、スマホのスピーカーでは声をかき消してしまうことがあります。短い動画の多くは、そのスマホのスピーカーで再生されます。