動画の効果音ノードは、動画の元の音を残しますか？

いいえ。生成した音は、動画のオーディオトラックと置き換わります。両方を残すには、結果と元のオーディオ（たとえば「オーディオを抽出」ノードで取り出したもの）を、「動画とオーディオを結合」ノードに接続します。

プロンプトを書く必要はありますか？

いいえ。プロンプトを空欄にすると、モデルは動画の内容だけをもとにフォーリーを作ります。「rain on a metal roof」のようなプロンプトを書くと、特定の音に近づけられます。

動画の効果音ノードで音楽を生成できますか？

「ネガティブプロンプト」を空にした場合に限り、生成できます。ネガティブプロンプトのデフォルトは「music」です。このデフォルトによって結果に音楽が入らないため、ノードは効果音だけを生成します。

動画はどのくらいの長さまで使えますか？

最大 300 秒、つまり 5 分までです。それより長い動画は、実行前に拒否されます。推奨する解像度は 1080p までです。

動画の効果音ノードの料金はいくらですか？

料金は、動画の長さとバージョン数で決まります。1 バージョンあたり、15 秒までのクリップなら 10 クレジット、300 秒までのクリップなら 110 クレジットです。

動画の効果音（Video SFX）ノード：動画に同期した効果音、フォーリー、環境音を生成

動画の動きに合わせた効果音、フォーリー、環境音を生成します。プロンプトは任意です。生成した音は、動画の元のオーディオトラックと置き換わります。

動画の効果音（Video SFX）ノードは、動画に付ける音を生成します。画面の中の出来事に合わせた効果音、フォーリー、環境音です。ノードはクリップを見て、任意で書いたプロンプトを読み、生成した音を付けた MP4 を返します。このノードは MMAudio モデルで動きます。

生成した音はオーディオトラックと置き換わります

動画の効果音ノードは、動画の元の音を削除します。元の音も残すには、結果と元のオーディオを動画とオーディオを結合（Merge Video & Audio）に接続します。元のオーディオは、たとえばオーディオを抽出（Extract Audio）で取り出せます。

使いどころ

生成した無音の動画に、フォーリーや環境音を付けます。
短いシネマティックなクリップに、ルームトーンや天候などの環境音を生成します。
1 回の実行で音の別テイクを複数作り、いちばん良いものを残します。
効果音はこのノードで、セリフや音楽はほかのノードで作り、サウンドトラックをレイヤーとして組み立てます。

動画を使わず、テキストの説明だけから効果音を作るには、テキストからオーディオ（Text to Audio）を使います。

クイックスタート

ノードを追加する

キャンバス上で Tab を押し、動画 › 動画のサウンド › 動画の効果音を選びます。

動画を接続する

クリップを動画入力に接続します。300 秒までの MP4、MOV、WebM のクリップを使えます。

音を説明する

プロンプトに音の説明を入力します。たとえば rain on a metal roof です。動画の内容だけをもとにしたフォーリーにするには、プロンプトを空欄のままにします。

実行する

ノードの実行をクリックします。新しい音が付いた動画が、ノードに表示されます。

動画の効果音ノードが無音のクリップに雨の音を加え、動画とオーディオを結合ノードがその下に音楽トラックを重ねます。

入力

入力	接続できるノード	説明
動画	動画生成（Generate Video）、動画アップロード（Upload Video）などの動画ノード	音を付けるクリップです。必須です。MP4（H.264）、MOV、WebM で、300 秒までです。
プロンプト	テキスト（Text）、プロンプト（Prompt）などのテキストノード	生成する音です。プロンプトを接続すると、設定パネルに入力したプロンプトの代わりに使われます。
ネガティブ	テキストノード	除外する音です。

出力の動画は、生成した音が付いた MP4 です。元の音は削除されます。

設定

設定	説明
プロンプト	求める音です。たとえば `footsteps on dry leaves`、`rain on a metal roof`、`engine revving` などです。動画の内容だけをもとにしたフォーリーにするには、空欄のままにします。
ネガティブプロンプト	除外する音です。デフォルトは `music` で、結果に音楽が入らないようにします。音として音楽がほしい場合は、この欄を空にします。
バージョン数	1 回の実行で生成するテイクの数で、1〜4 です。バージョンごとに異なるシードが使われ、バージョンが 1 つ増えるごとに料金も増えます。
CFG の強さ	詳細の中にあります。モデルがプロンプトにどれだけ厳密に従うかを、1（ゆるい）〜10（厳密）で決めます。デフォルトは 4.5 です。
推論ステップ数	詳細の中にあります。10（高速）〜50（高品質）です。デフォルトは 25 です。
シード	詳細の中にあります。ランダムなシードにするには、空欄のままにするか -1 を入力します。同じシードと同じ入力からは、同じ結果が得られます。複数のバージョンを作る場合は、各バージョンがシードに自分の番号を足すので、どのテイクも再現でき、しかも互いに異なります。
前後のテキスト	プロンプトの前後に必ず追加されるテキストです。ワークフローをアプリとして使う人には表示されません。プロンプトの前後のテキストを参照してください。

クレジット

料金は、入力動画の長さとバージョン数で決まります。動画の長さは、料金区分に合わせて切り上げられます。Nodaro は動画の長さを自動で測ります。測れない場合は、最も短い区分の料金が使われます。

動画の長さ	1 バージョンあたりのクレジット
8 秒まで	10
15 秒まで	10
30 秒まで	20
60 秒まで	30
120 秒まで	50
300 秒まで	110

合計は、1 バージョンあたりの料金にバージョン数を掛けた額です。たとえば、12 秒のクリップを 1 バージョンで生成すると 10 クレジット、31 秒のクリップは 30 クレジット、60 秒のクリップを 4 バージョンで生成すると 120 クレジットです。

制限

形式：MP4（H.264）、MOV、WebM です。
長さ：300 秒までです。それより長い動画は、video_duration_exceeds_limit というエラーで拒否されます。
バージョン数：1 回の実行につき 4 つまでです。
解像度：1080p までを推奨します。それより大きい動画は検証されておらず、処理にも時間がかかります。

ヒント

シーンではなく音を説明する：campfire scene より crackling fire のほうがうまくいきます。
短いクリップで試す：15 秒までのクリップは 8 秒のクリップと同じ料金なので、短いクリップで試行錯誤します。
音をレイヤーで重ねる：音楽の上に効果音を乗せるには、効果音をこのノードで生成し、そのあと動画とオーディオを結合かオーディオをミックス（Mix Audio）で音楽を混ぜます。
プロンプトを比べるときはシードを固定する：シードを固定すると、2 回の実行の違いはプロンプトだけになります。

動画の効果音