上記動画の中で紹介した曲のプロンプトを紹介します。
詳しい内容は是非動画をご覧ください。

プロンプト紹介

West African Polyrhythm × Modern Jazz

West African polyrhythmic music fused with modern jazz, female lead vocal with calm controlled delivery, no shouting, interlocking percussion patterns, layered cross-rhythms, 12/8 against 4/4 polymeter, talking drum inspired phrases, balafon-like melodic figures, electric bass with complex syncopation, clean jazz guitar, modal harmony, sophisticated horn arrangements, call-and-response structures, gradual rhythmic transformations, asymmetrical accents, technically intricate ensemble playing, earthy organic sound, experimental but culturally grounded, no generic world music clichés

ペルシャ古典音楽 × サイケロック × 現代音楽

Persian classical music fused with late 1960s psychedelic rock and contemporary electroacoustic composition, female lead vocal, highly controlled and intimate singing, never shouting, no vocal belting, Persian modal melodic development, microtonal ornaments, santur-inspired metallic resonance, frame drum patterns, fuzz guitar, Hammond organ, tape manipulation, backwards textures, unconventional tuning, slowly evolving drones, extended instrumental improvisation, sudden shifts between dense psychedelic textures and near silence, sophisticated modal harmony, asymmetric rhythmic phrases, subtle dissonance, experimental studio production, organic vintage instruments combined with modern spatial sound design, hypnotic, mysterious and intellectually challenging, avoid stereotypical Middle Eastern music

Alpine Yodel × Progressive Jazz

Alpine Swiss yodeling fused with sophisticated progressive jazz, female lead vocalist using precise controlled yodel technique with rapid chest-voice to head-voice transitions, expressive but never shouting, no belting, authentic alpine yodel phrasing transformed into complex melodic motifs, virtuosic acoustic guitar, upright bass, violin, clarinet and piano, intricate odd meters including 7/8 and 9/8, sophisticated jazz harmony, chromatic passing chords, unexpected modulations, complex counterpoint between voice and instruments, rapid rhythmic displacement, sudden tempo changes, intricate instrumental solos, dynamic call-and-response, playful but technically demanding, organic live ensemble recording, experimental song structure, no cheesy folk music, no musical theater vocals, no generic Celtic sound

botanical × tribal × 実験音楽

Botanical electronic music infused with strange and mysterious tribal influences, as if an ancient ritual is taking place deep inside an otherworldly jungle. Intricate marimba and kalimba patterns, wooden percussion, seed shakers, hand drums and unusual ethnic percussion, layered with organic electronic textures, granular synths, deep warm sub bass and subtle glitches. Hypnotic polyrhythms, irregular rhythmic cycles, organic syncopation and evolving percussive patterns. Strange pentatonic and modal melodies, mysterious vocal fragments used as texture, subtle call-and-response, unexpected harmonic shifts. Lush, humid, dreamlike atmosphere with a sense of unfamiliar life and hidden movement. Gradually evolving from acoustic tribal textures into sophisticated botanical electronica, balancing organic instruments and precise modern sound design. Beautiful but slightly uncanny, exotic without clichés, immersive, sophisticated and experimental.

この記事が、皆さんの音楽制作に役立つ情報を提供できることを願っています。
さらに詳しい情報や、ご意見ご感想があればぜひコメントをお待ちしています。

あばん

時代が大きく動き出すね…。

もーだん

AIとの共存をどう考えるかのフェーズだね。

Sunoが2026年8月に大きな方針転換を発表しました。
今回の変更点は、大きく分けて以下の4点に集約されます。

・電子透かし（オーディオ・ウォーターマーク）＆フィンガープリントの導入・強化
・法的安全性を確保した新モデルの移行と旧モデルの完全廃止
・無料・有料プランにおけるダウンロード数の厳格な制限
・コミュニティガイドラインおよび利用規約の厳格化

これまでは「手軽に音楽が作れるツール」として名を挙げてきましたが、法的・業界的リスクに対するSunoなりの決定的な解答として受け取ることができます。

個人的には今回のこれらの変更は、AI音楽が「グレーな新技術」から「透明化された音楽制作の一つの手段」へ移行するための転換点、であると感じています。

そして、これらの変更点が音楽制作者にとってどのようなメリット、デメリットがあるのかを調べて来ましたのでお届けします。

電子透かしとフィンガープリントの違い

今回の発表で特に注目したのは、識別技術の導入・強化でした。
私自身、「電子透かし」と「フィンガープリント」を混同していましたが、技術的な仕組みも狙いも全く異なる事が分かりました。

電子透かし（ウォーターマーク）

生成の時点で音声信号の中に識別情報を埋め込む技術のこと。
埋め込まれた識別情報を専用の検出器が読み取ることで、Spotify・Apple MusicなどがSUNO生成コンテンツを識別することが出来るようになる。

実は2024年のV3モデルの時から電子透かしはSunoに導入されていましたが、今回のアップデートで音楽業界と連携・識別が取りやすい透明性の高いシステムに拡張したと考える方がしっくりきます。

SUNO自身も「完全無欠な透かしシステムは存在しない」と言っているように、弱点があります。
それは「生成時に音声に情報を埋め込む」方式である以上、音源を大きく加工したり、一から打ち込み直したりすれば理論上は回避できる可能性が残るということです。
また、「埋め込んだ情報を剥がす技術」が発明されてしまうリスクもあります。

そうした弱点をカバーするためにあるのが「フィンガープリント」という技術です。

フィンガープリント

こちらは「生成した後」の音源から特徴量を抽出し照合する技術のことです。
身近な例で言うと、
・Shazamのような曲名検索アプリ
・YouTubeのContent IDのような無断アップロード検出システム
がこの仕組みで動いている。

つまり、Sunoで作った曲の特徴(周波数・リズム・音色…)を全てデータベースに保管し、プラットフォーム側と共有することで、「あれ？これ過去のSuno曲と同じような特徴を持ったデータがあるな」と識別することができます。

あばん

ん？…それって大丈夫なの…？

もーだん

これめちゃくちゃ怖いのでは…？

これはかなり脅威に感じています。
私自身YouTubeでのカバー弾き語り動画を投稿したことがあるのですが、かなりの精度で元曲と紐付けられます。
そのことを考えると、SUNO生成曲をステム分離して打ち込み直したとしても特徴量でSuno製の曲と思われる可能性があります。
AIで作ったことを隠したい場合、Sunoで編曲だけを参考にしたとしても元のメロディは同じものを使うので恐らく検知されるでしょう。

また、特徴量での識別になるため、偶然のメロディ被りなどによる「誤検知」に関してはどう扱われてしまうのか？など、怖い部分は多々あります。

新モデルへの移行と旧モデルの廃止

Sunoは音楽業界と連携をし透明性の高い新モデルへの開発＆移行を進めています。
特にWarner Music Groupとの提携では、高品質なライセンス済み音楽を使って新世代モデルを構築する方針が示されています。

わかっている範囲のポイントは以下の通り。

・旧モデルは全廃止：v5.5・v5・v4.5-allを含む既存モデルはすべて廃止される見込み
・過去に生成した楽曲は消えない：ライブラリからは削除されず、再生・共有は今後も可能
・SUNOは「より高速・より高い音質・より大きなコントロール性」を謳っている

一方で気になる点もあります。
たびたび議論に上がっているのは「新モデルはデータ量・ジャンルの多様性・年代・地域性は変わらないのか？」という点です。
個人的に「個性的か？」「ステム分離時の精度」「セクションや楽器構成の再現度」がどう進化するかが楽しみではありますが、学習データの幅が狭まれば、生成される音楽の多様性が落ちるリスクも当然あります。

また、「v5.5よりv4.5の方が好み」というユーザーの声も一定数あるように、モデルのアップデート＝万人に受け入れられる進化、という訳ではない事も覚えておく必要があります。

ダウンロード数制限

そして最も多くの人を戸惑わせた変更点が9月3日施行の「ダウンロード数制限」でしょう。

細かいルールは以下の通りです。

・1曲＝1ダウンロードとしてカウント。
・フォーマット違い（MP3／WAVなど）は追加カウントされない
・同じ曲を複数回ダウンロードしても1カウントのまま
・ステムはその曲のダウンロードに含まれる扱い。（10トラックのステムをすべて落としても、完成曲とあわせて1カウント）

個人的に気になっていた「ステムのカウント方法」が分かって安心しました。
そしてこのダウンロード制限は悪質な大量生成・大量投下のストリーミング汚染を防ぐ意味合いが大きいことは言わずもがな分かります。
しかし、もうひとつの見方をするとSunoが明確に自分たちのイメージを変えようとしている事がわかります。

上図でも示したように、Suno Studio経由でエクスポートする場合は、上限が適用されません。
完成曲をそのままストリーミングに流すことは制限するが、ステム分離して制作のワークフローに組み込むことは制限をかけていないということです。
つまりSunoは「誰でもワンクリックで曲を量産できるサービス」から「プロが使う制作ツール」へと、自分たちの立ち位置を意図的にシフトさせようとしていると言えるでしょう。

SUNO公式ブログの動き

8月に入ってから、SUNOは「音楽業界・人間との共存」「音楽の未来」を強く打ち出すブログ記事を連発しています。8月6日の記事では、以下の4原則が掲げられました。

・優れた音楽は人が作るものである
・テクノロジーは新しい創造の可能性を開く
・AIは模倣ではなく独創を可能にすべきである
・より多くの人が音楽を作れるようになることは、音楽エコシステム全体を強くする

AI音楽の先駆者として大きな注目を浴びると同時に、訴訟や反発も一身に受けてきたSUNOが、ここに来て透明性の向上、インフラとしての安全性、著作権への問題意識を前面に出しています。
確かに便利で使っていて面白いツールではあるけれど、正直「おお…今更かい」という感覚は否めません。
LANDRのように、最初からアーティストとの提携や著作権のクリーンさを謳っていたAIツールは他にも多くあり、SUNOはそこにようやく追随した形とも言えるでしょう。

裏を返せば、「権利のクリーンさ」がもはやアドバンテージにはなり得ない世界線に入ったとも言えます。
最初からクリーンな競争をしていた企業からするとたまったものじゃないですが、それほどに世知辛さを感じてしまいます。

Sunoが「一つの手段」になる日

Sunoがグレーさを内包した「新技術」から「一つの手段」へと切り替わりつつある。
というのが今回のアップデート全体を通して感じる大きな流れです。

DAWが生まれ、ボーカロイドが生まれ、サンプリングが生まれ、オートチューンが生まれ…。それぞれが表現の一つとして確立されてきたように、Sunoもその系譜に乗ろうとしています。
「AIと共に作りました」という言葉が、何の色眼鏡もなく受け止められる日もそう遠くはないのかも知れません。

ただし、この言葉が指し示す範囲はあまりにグラデーションが広いです。
他の方も動画で仰っていましたが、作詞だけAIに任せた曲と、生成後にすべて人間が作り直した曲が、同じ「AIと共に作った」というラベルで括られていいのか？という議論は今後も続いていくと思います。

このグラデーションに切り込む試みとして、別動画での「AI検出ツール」の検証企画があります。

今回、電子透かしが本格実装されれば、検出ツールの判定結果にも変化が出てくる可能性が高いでしょう。透かしという「生成時に埋め込まれる公式な印」と、フィンガープリントという「事後照合の網」の両方が強化されることで、これまでの検証結果がどう変わるのか、続編として追いかけていきます。

面白いのはそのコメント欄でも
「AIだろうが人間だろうが良いものは良い」
「AIが作ったものは面白くない」
「人間の曲よりAIの方が好き」
など、様々な意見が寄せられていることで人によってAIとの歩み方が全く違うことが分かります。

新モデル・新ポリシーが実際に施行されたタイミングで、続報の動画を出していく予定ですので乞うご期待ください。

あばん

やっぱツールは比較してなんぼでしょ！

もーだん

意外な事実も発覚したしね…！

前回の記事では、Sunoで制作した楽曲をベースに、ボーカルやギター、ドラムなどを段階的に人間の演奏へ置き換えながら、AI Music Detector Comparisonを用いて17パターンの検証を行いました。

となると、当然新たな疑問が湧いてきます。

「どのAI検出ツールも同じなのだろうか？」
「そもそもこれらのツールは信用に足るのだろうか？」

ということで今回は前回のAI Music Detector Comparisonに内蔵されている2つの解析エンジンに3つのAIツールを加えた、5つのツールでの検証比較をしていきます。

「ツールによって何がどう違うのか」
「結局どのパートがAI判定を左右しているのか」を横断的に見ていきます。

なお、ここで紹介する内容は、各サービスが公開している情報に加え、今回の実験結果から読み取れた傾向を組み合わせたものです。
アルゴリズムの詳細は公開されていないため、一部は実験結果に基づく考察であることをご理解ください。

検出データ

SubmitHub

BeatsToRapOn

AI Music Checker

検出ツールと分析結果

ACRCloud (AI Music Detector Comparison)

AI Music Detector Comparisonは前回の記事でしっかり検証しました。
ACRCloudは「特定のリード楽器・主旋律が人間かどうか」によって判定が大きく変わる解析エンジンです。

特にボーカルに重み付けがされており、重要視されています。

しかし、1パートだけAIを入れた時の検出（#7 #8）はすり抜けています。

あばん

AIボーカルの時は見逃しちゃうんだよね…。

もーだん

詳しくは前回の記事で！

SHLabs (AI Music Detector Comparison)

2つ目の解析エンジンである「SHLabs」は特定のパートというよりも「曲全体を占めるAIトラックの量」を重視しています。

ACRCloudの時は#2の時にAI確率が大きく下がり人間判定になりましたが、SHLabsは１パートの変化ではAI確率が覆る事はありません。
「ボーカルを含んだ2パート以上が人間化」した時のみ人間判定を下します。

しかし、#7のボーカルのみAIにした時は「AI判定」となっており、曲全体の比重や量を見ていつつ、ボーカルのような帯域が広く情報量が多いパートがAI化されると反応しやすいと考えられます。

SubmitHub AI Song Checker

新ツール1つ目の、SubmitHubは「総合判定」「Spectral analysis(周波数解析)」「Temporal analysis(時間軸解析)」という3軸で、それぞれ人間/ハイブリッド（人間＋AI）/純粋AIの3つの確率を出しています。

興味深いのは、#1の全パートAIでもハイブリット判定を出した事です。
前回の記事でも言及したように、ステム化をしてプラグイン等で簡易なミックス&マスタリングを施しているのが原因だと思われます。

人間判定が出ているものを見ると「ボーカル＋他1パート以上」が条件であると考えられます。

また、「Spectral analysis(周波数解析)」の判定がかなり支配的で、Temporalが#7は91％の人間判定を出していますが、Spectralがハイブリット判定を出したため、総合判定もハイブリットになっています。

あばん

むしろTemporal解析がだいぶザルじゃないか…？

もーだん

まぁサンプル数が足りてないからね。

BeatsToRapOn AI Detector

新ツール2つ目はBeatsToRapOn AI Detectorです。
このツールは他の4つと違い、単一の総合判定を出さず、8つの指標をそれぞれ10点満点で提示します。

驚いたのが、音源の内容に関わらず、8指標のうち、テクスチャループ・スペクトルロールオフ・ケプストラムアーティファクトの3つは、内容がまったく異なる14パターンすべてで完全に同じ値を返しました。
ダミーの数値なのか、何か14曲全てに同一の癖のようなものがあったのかは不明ですが、ツール全体の信頼性を低く感じてしまう結果となりました。

残りの5つの指標を見ていくと、説明が付くものと全く説明不能な挙動を示したものに大別できます。

位相エントロピー

値は6.5か7.5の2択でした。全14パターンを「DrとBaが両方とも人間か」で分けると、14パターン全てが例外なく一致しました。

特に#8(全部人間・ドラムだけAI)は、ベースは人間なのにドラムがAIなので「両方人間」の条件を満たさず、実際に6.5でした。

マクロ構造

この指標は「パートの量」にかなり素直です。
パート数が増えるほどおおむね右肩下がりです(0パート:7.55 → 8パート:2.34)。

しかし例外なのが、#3のDrのみ人間(8.62)がむしろ全体最高値になっている点です。
ドラムが重要なファクターかというと、#7と#8を比べると大きな差はないので、説明がつきにくい部分です。

リズミック・クオンタイゼーション

値は1か6.5の2択です。
「Vo・Dr・Baの3つが全部AI」という条件で分けると、14パターン中13パターンが一致しました。

しかしここでも例外が出てしまいました。
サンプルの少なさ故でしょうか。

声質の平坦さ

VoがAIのケースは、例外なく全て8.5(合成音声的)でした。

しかし難しいのはここからで、Voが人間のケースを見てみると、Vo＋3パート以上が人間になると全て8.5(合成音声的)の数値を返してきました。

非常に怖い結果です。
自分で全部作ったのにAI判定を出されてしまう可能性を示唆する結果となりました。

エンベロープの一貫性

ここは本当に分かりません。
ほとんど8.5(合成音声的)でしたし、人間的と評価されたのは「#2」「#3.1」「#3.2」の3つでした。

ここまでを見てわかる通り「マクロ構造」の数値以外は、2パターンの数値しか返してきません。
段階的にデータを作り、検証したにも関わらず、徐々に推移していくという挙動は見られず、どの方面で使用されるツールなのだろうと頭を抱えます。

あばん

ま、ま、まぁサンプル数が、ね…？

もーだん

少ないのもあるけど…さぁ…？

AI Music Checker

新しいツール3つ目のAI Music Checker。
このツールは、「予測(人間かAIか)」「AIの確率」「最も可能性の高いAIタイプ」というシンプルな構成です。

そして非常に大きな発見がありました。
それは、前述した「SHLabs」のスコアと比較したところ、小数点以下の誤差程度しか差がなかったのです。

一部抜粋しましたが、全てのパターンでほぼ同じ数値を返してきます。

OEM供給されているのか裏側でしれっと使っているのかは分かりませんが、「最も可能性の高いAIタイプ」の指定まで同じでした。
実際はSunoを使っているのに「elevenlabs」という誤検出まで同じとなると…。

ここでの結果が示したのは、「見た目の違う複数のAI検出サイトが、実は裏側で同じエンジンを使い回している可能性がある」いう全く別軸の視点です。

横断的分析

5つのツール（実質的には4つ）を横断的に見比べてみると上記の表になります。

前回のブログでは「ボーカルが非常に大事」という結論でしたが、改めて見てみるとそうでもない、むしろ逆走の結果を示すことがあると分かります。

そして重要な切り口として「隠れAI」の検出テストがあります。

7パート人間＆1パートだけAI

#7と#8を見比べてみました。
5つ中2つ（SubmitHub、SHLabs系）のみが隠れたAIボーカルを検出しました。
「ドラムだけAI」というパターンに至っては、5ツール全部が見逃していて非常に面白い結果になりました。

しかし、逆に「#3のDrだけ人間化」を見ても、ACR CloudがAI確率を多少下げたものの、他のツールはびくともせず非情にAI判定を出しました。

「ちょっとならAIを使ってもバレない」と思うのか
「頑張って音源打ち込みをしても無意味なんだ」と思うのかは皆さん次第です。

発展途上でイタチごっこ

個人的に感じたことをまとめると、下記の通り。

・1つの検出ツールだけを過信するのは危ない
・そもそも信ぴょう性の低いツールや数値がある
・ボーカルの差し替えは多くのAI検出ツールに有効
・1トラックだけAIを混ぜるのは現時点では検出されにくい

当然、AI側も検出ツール側も発展途上であり壮大なイタチごっこはこれからも続いていきます。
そして、今回の検証で足りない部分、限界も記しておきます。

まず、圧倒的にサンプル数が足りませんでした。
永遠にn=1の話をしているので参考にはなるでしょうが、有効性がどこまであるかは不明です。
ジャンルやアレンジ、ボーカルの性別などが変わればまた結果は変わる可能性があります。

また、今回はSunoをベースにステム分離をして、再構築しましたが、Murekaなどの別のAIを使っての検証もする必要があります。

あとは、とても恥ずかしいのですが私の編曲クオリティの問題もあるかもしれません。
ミックスやマスタリングの質、歪みや位相の取り扱い方でも結果は変わる可能性は大いにあります。

あばん

課題は山積みだね…。

もーだん

少しずつ検証していこうね。

ツール側のアップデートは今後も続いて、検証アルゴリズムはどんどん強化されていくことでしょう。
なので、この記事の数値はあくまで検証時点(2026年7月)のスナップショットである点にも留意してください。

あばん

AI音楽がどんどん規制される方に進むね。

もーだん

まぁアーティストを守るためだからね。

2026年7月15日、音楽ストリーミングサービスTIDALが新しいAIポリシーを施行しました。
内容は「完全AI生成曲」にはAIバッチを付けて収益化から除外するというものです。

この流れは2026年現在、非常に加速しており、Spotify、Apple MusicなどのプラットフォームもAI生成音楽の規制や排除を強化しています。
また、TuneCore、LANDRなどのディストリビューターには、「自動AI検出システム」が密やかに導入され始めています。

私が聞いた話でも、国内大手レーベルが開発したAI生成検出ツールは「1トラック8小節」でも検出することが出来、場合によっては審査基準を満たしていないとされてしまうそうです。

ここでポイントなのが、前述したTIDALは「完全AI生成曲」にはAIバッチを付けるのですが、裏を返せば、人間の関与がどこかに含まれていれば、この網からすり抜けられる可能性があるということです。

だとするのであれば、どこからが人間の曲か？どこまでがAIの曲か？という線引きを知らないというのは現代の音楽家にとって非常に危うい、何なら「詰みかねない」事態だと言えます。

AI検出ツールと検証の設計

そうなると当然こんな疑問が生まれます。

補助的にAIを使い、そこに自分の演奏を重ねた楽曲は「人間の作品」なのか？
逆に、全部自分で演奏したのに誤ってAI判定されないか？

1トラックだけSunoを使っても「AI曲判定」なのか？それとも1トラックだけ人間が演奏すれば「人間曲判定」なのか？などなど、線引きが曖昧であげればキリがありません。

この答えが出ないまま制作を続けると、全パート人力なのに誤ってAI判定を受け、収益化の対象外にされてしまったり、あるいはAIを部分的に使っただけで楽曲全体がAI認定されてしまう、というリスクを抱えたまま活動することになります。
これは決して大げさではなく、今まさに世界各地で起き始めている現実です。

あばん

いやいや、怖過ぎるでしょ…。

もーだん

確かにそこの線引きは知りたいよね。

そして、調べてみるとその動きに呼応するかのように「AI音楽検出ツール」なるものがたくさん発表＆リリースされています。

その中で今回の検証は、ACRCloudとSHLabsという2つの解析エンジンを内蔵した「AI Music Detector Comparison」という検出ツールを使用しました。

検証は、生成AI(Suno)で作った曲をステム分離して、1パートずつ私の生演奏、もしくは打ち込みトラックに変化させていき、本ツールでの検出結果をまとめていきます。

さらに、全パート人間演奏の状態からあえて1トラックだけをAI生成に戻すというテストも行いました。
「1トラックだけAIが紛れ込んでいても見抜けるのか」を確認するためです。

またMP3とWavの両方で検証しましたが、ほぼ検証結果に変化はありませんでした。なのでWavの結果を元に話を進めていきます。
書き出しを工夫することでAI検出を逃れられるとは考えない方が良いということでもあります。

予め断っておくと、このツールはAIか人間かを100％断定するものでは無く「AIらしさをどのぐらい検出したか？」という参考指標を表すツールだと考えてください。

検証用データと結果グラフ

今回使った音源データと、表示された結果、そしてそれらをまとめた表グラフを出しておきます。

「どんなクオリティなのか？」
「どんな表示のされ方なのか？」
「結果はどんな感じなのか？」

これらをざっくりと掴んで貰えると次からの検証結果の考察がわかりやすいかと思います。

音源データ

#3.1　VoDrのみ俺

#3.2 DrBaのみ俺

画面のスクショ

結果まとめ

結果①：ACRCloudは「パート」をみる

前述したように、「AI Music Detector Comparison」はACRCloudとSHLabsという2つの解析エンジンを内蔵しています。
それぞれの解析エンジンによっての検出結果の差が非常に面白かったので、一つずつ見ていきます。

まず、ACRCloudの場合、単体の検証結果を抜き出すと下記のようになります。

ここで面白いのは、ボーカルやギターを入れ替えると人間判定が出るのに、他のパートではAI判定のままだと言うことです。

ますここから言えることは、
・ボーカルやギターというAIや打ち込みで再現が難しいものは生演奏ということもあり「人間」判定が出やすい。
・ドラムとキーボードは音源での打ち込みだったので人間っぽさが足りなかった可能性。
・コーラスは生録音だが音量的に小さく判定を覆らせるほどでは無かった

しかし、興味深いのは、#7や#8の1パートだけAIを使った時にACRCloudはそれを「人間判定」にしています。
僕の仮説では、#7がAI判定になってくれると、「ボーカルやギターなどのメインやリードは検出に反映されやすい」と主張しやすかったのですが…。

結果②：SHLabsは「量」でみる

逆にもうひとつの解析エンジンである「SHLabs」の場合、#2(Vo)と#3(Dr)では両方とも90％近くの「AI判定」でしたが#3.1(Vo＆Dr)で両方替えると一気に38％の「人間判定」へと覆ります。

概ね3つ以上、人力制作のトラックが入ってくるとSHLabsは人間判定になりやすい傾向があるようです。
勿論そのパートの役割や音量などの条件によって変わってきますが、8トラック中の3トラックということは大体曲全体の38％ぐらいを人間が作る必要があります。

#3.1(Vo&Dr) #3.2(Dr&Ba) #3.5(Acg&Elg)の3つは2トラックずつ入れ替えたのに評価に差が出たのはやはり「ボーカル」における比重が大きいからなのかも知れません。

しかし、ここでも主張したい内容と逆の結果が1つ出ています。
それが、#7や#8の1パートだけAIを使った時です。

曲全体における量を検出しているのなら、#7は人間判定であるべきなのに「AI判定」を叩きつけています。
ここは今後の研究材料にいたします…。

あばん

なかなか上手くいかないもんだね…。

もーだん

大学時代を思い出すよね…。

結果③：全部人間VS全部AI

この検証は「どこまで人力パートにすればAI検出を抜けられるか？」という大きな問いがありました。
その中で試行錯誤しながら多くのパターンを試してみて示唆に富んだ結果を得ることは出来たのですが、根本的な所がどうしても気になってしまっています。

それが#1(全部AI) と#6(全部人間)の2つです。

どちらも判定自体は間違っていないのですが、あまりにも判定に「遊び」があるのが非常に気になります。
ここの謎が解けないと「全部人力なのにAI判定になっちゃった」に陥る可能性があるからです。

考えられる理由としては、

・そもそも100％の信頼を謳ったものではない

ACRCloudは25％ぐらい、SHLabsも10％程度の余白を残すようにしています。
当然、断定するというのは危険だからという理由が真っ先に思い付きます。

・マスター段のプラグインのせい

各パートを入れ替えて音量を整えて書き出したのですが、その際にラウドネスがある程度一緒になるようにリミッターを使いました。
また、バスコンプも1つ使っています。

もしかしたらそのようなプラグインの挙動が完全AI曲(#1)からパーセンテージを引き下げさせたのかも知れません。

となると、「MIXし直せばAI曲も検出を抜けられる…？」という疑問が湧いてきます。
これは今後の研究課題とさせてください。

・そもそもAI曲だから

それでは完全人間曲(#6)の数値が20％と10％で検出されてしまった理由付けをするのであれば、「メロディやコード進行の構成要素がAIっぽい」というのがあるかも知れません。

個人的には、「それは無理でしょ、いちゃもんでしょ」と思いますが可能性としては捨てきれません。
なのでここも今後の研究課題となってしまいました。

音楽家はどう備えるべきか

今回の検証から見えたことを整理すると、

・どのパートを人間が演奏するかが大事。特にボーカルの比重は大きい。
・楽曲の4割ぐらいを人力パートにすると人間判定が高くなる。
・検出ツールによって見ている箇所が違うので1つのツールを過信しない。
・MIXやマスタリングの工程でもAI検出度は変わる。
・生演奏＞音源打ち込み＞AI生成、ぐらい生演奏は強い。

という感じだと思います。

また、AI検出技術は未だ発展途上だということも分かりました。
現状では「抜け道」的なものがありますがこれからより精度を高めてアーティストや音楽家の利益をより高精度に守ってくれると思います。

何より、人間の力ってすげー！と感じました。
それは、音楽を演奏する「生演奏の力」もそうだし、その培った技術やスキルを絶対守り抜くという「検出ツールの発現と発展」についてです。

勿論、その上を行くように「音楽生成AI」もさらに進化をしていくとは思います。
しかしそれをどのように使うかは相変わらず人間の手に委ねられていると安心しました。

とは言え、現状のツールの挙動を深く理解することは大事だと思いましたし、今後調べていかなければならない部分もたくさん浮き彫りになりました。
なので、次回は他の検出ツールを使っての比較検証をしていきたいと思います。

ぜひ楽しみにして頂けると嬉しいです。

「動画」

この記事が、皆さんの音楽制作に役立つ情報を提供できることを願っています。
さらに詳しい情報や、ご意見ご感想があればぜひコメントをお待ちしています。

あばん

TUNEEのアップデートが凄まじいね！

もーだん

出来ることがほんとに増えたよね！

前回の記事や動画が大好評で本当に多く見て頂いています。
この場を借りてお礼申し上げます。

そこから約半年経ってTuneeは怒涛のアップデートを重ね、ついに9モデル体制＋Tunee 2.0へと進化しました。

それはもはや「音楽生成ツール」という言葉では収まらない大きなプラットフォームになりつつあります。変化があまりにも多いため、今回は音楽制作編、次回はMV制作編の2本に分けてお届けします。

主要アップデート時系列

前回の2025年11月から現在の2026年4月までで、Tuneeはステム分離→モデルエコシステム→Tunee 2.0→3つの新モデル追加と、半年で革命的な進化を遂げました。

主要アップデート内容

2025年12月、TUNEEは「エコシステム拡張」を宣言しました。
これまでの音楽AIが「プロンプトを投げたらあとは運任せ」だったのに対し、現在のTUNEEは「複数の専門AIが連携して1つの曲を構築する」という、いわばハイブリッド生成へと移行しています。

これは後述しますが、内部で複数のAIが複合的に動作をしている可能性があり、個性的でバラエティに富んだ楽曲の生成に一役買っていると考えられます。

他にも3つの特筆すべき進化内容は下記の通りです。
・出力速度の劇的向上: 生成速度は約1.7倍に高速化。ストレスを感じさせないテンポで試行錯誤が可能です。
・サウンド量子化精度の向上: デジタル臭さが軽減され、特に高域の空気感や低域のタイトさが改善されました。
・5つの主力モデル体制: Mureka V9、Lyria 3 Proを筆頭に、用途別のモデルが明確化。

あばん

めちゃくちゃ進化してるんだね…

もーだん

AIの成長速度には目を見張るものがあるよ。

モデル別の特徴比較──5種を正直に語る

今回の記事のもっとも重要な部分である、5種類のモデル比較です。

TUNEEの面白い所はモデルごとに作曲の「癖」や「思考」が全く違うことです。
それによって、個性的な楽曲が生まれたり自分に無いアイデアを発見したりできます。
実際は生成ガチャによっての比較検討なので一概にそうとは言い切れない部分もありますが、私なりの生成を繰り返して見えてきた、各モデルの特徴についてお届けします。

Mureka V9：完成度が高く「グッとくる」

もっとも印象が強いのは、Mureka V9です。

現在は有料メンバー限定のモデルではありますが、個人的に「曲として気持ちよく聴ける」、前回の言い方を借りると「グッとくる」モデルです。

・アレンジが自然で説得力がある
・退屈さが出てこない
・ボーカルの譜割りに不自然さが少ない

曲としての完成度が軒並み高く非常に推せるモデルです。

ボーカルの表現もかなり魅力的ではあります。
AI感もかなり薄れていますが、日本語ボーカルについては、まだ違和感が出ることがあります。
発音が自然とは言い切れない瞬間や、言葉のつながりが少し引っかかる場面は残ります。
なので、ここは「完成した歌」として見るというより、楽曲イメージを立ち上げるための素材として見る方が相性がよさそうです。

あばん

さすがフラッグシップモデル！

もーだん

これに頼めばまぁ安心って感じだね！

Lyria 3 Pro：構造力とボーカルのリアリティ

次に印象が強いのがLyria 3 Proです。

4/10に追加された最新モデルで、公式の説明では、intro、verse、chorus、bridge、outroのように、セクション単位で構築できることが明示されています。

公式としては、楽曲の設計士として、「最初は良いのに途中が微妙」や「曲としての骨組みが弱い」などの生成AIならではの弱点をここで補えるモデルという立ち位置なのでしょう。

しかし個人的に大注目なのは、ボーカルの表現力とリアリティです。
声質という点においては今回の5種類の中で圧巻です。

感情の乗り方、声のニュアンス、フレーズの揺れ方、どれをとっても現時点のTUNEEで最も人間らしい歌声を出してくれます。

・楽曲の完成度
・ボーカルのリアリティ
・骨組みの構成力

これらを意識した時にめちゃくちゃ使えるモデルで、前述のMureka V9と双璧をなす圧倒的な存在感を感じました。

あばん

これめちゃくちゃ良いんだよね。

もーだん

さすがGoogle製って感じだね。

Minimax 2.6：制御性重視、表現の幅はやや狭い

MiniMax 2.6の最大の特徴は、KeyとBPMをカスタム設定できる点であると公式の発表があります。

ただ、そこに関しては他のAIモデルでもやってやれないことは無いと思うので特段大きな差別化ポイントになっているようには感じないというのが正直なところです。

・AI生成曲と分かりやすいクオリティ
・ボーカルがかなり大きくミックスされる　
・楽曲構成が毎度似てくる

「日本語ボーカルの発音のクセ」や「イントロにスキャット入りがち」など、良く言えば扱いやすい、悪く言えば少し想定内に収まりやすい、というモデルです。

ある程度条件を決めて生成するのが得意で、プロンプトに追従する能力は結構高めです。
空間系の響きを出さずにドライな曲を作ってと依頼した時にもちゃんと追従してくれたのはこのMinimax 2.6のみでした。

ACE-Step 1.5：エレクトロ/EDMに寄る傾向

ACE-Stepはオープンソース系のモデルで、最大10分という圧倒的な長尺生成が特徴です。

しかし実際に使ってみると、プロンプトにかかわらずエレクトロやEDMに寄っていく傾向が強く、使い所をかなり選びます。

表現力については、極端に悪いわけではないものの、突出している感じはそこまで強くなく凡庸と言った印象です。

・長尺のBGM生成
・エレクトロ/EDM系の楽曲

この辺りの使用感であれば立ち位置を生かせるモデルですが、繊細な歌もの、自然なボーカル、幅広いニュアンスやジャンルという方向ではあまり力を発揮できず使う人を選ぶ気がしました。

あばん

まぁ悪くは無いんだけどね…

もーだん

AI感もそれなりに出ちゃってるのがね…

TemPolor v4.5+：中の上だが、良コスパ

TemPolorは、完成度で見れば突出しているという感じではないものの、コスパが圧倒的に良いという評価です。

人による部分ですが重要な視点で、「不安定な最高峰の一発」か「安定感のある量産」かのどちらを取るかによってこのモデルの評価は変わって来そうな気がします。

もちろん、十分に使える、十分に整理されている楽曲ではあるので「激レアSSS」楽曲が生まれる可能性もあります。

・クオリティよりもまずは量
・クレジット消費を抑えたい
・プロンプトの検証

このあたりに重きを置く人は非常に頼りになるモデルになります。

モデル比較まとめ表

ただし、日本語ボーカルの発音においてはどれも完全ではありません。
どのモデルでも不自然な日本語があり、上記は「表現力」「自然さ」という面で評価をしています。

別途、歌詞をひらがなにしたり、生成を繰り返すなどの修正がかなりの頻度で必要になります。

内部動作の謎について

ここで大事なのは「モデルごとの差をどう受け止めるか」ということです。
それぞれの得意分野や優れている点を自分の制作意図と照らしながら使い分けをしてくのが非常に大事です。

Mureka V9は、完成度と聴きやすさが強い。
Lyria 3 Proは、構造とボーカル表現が強い。
Minimax 2.6は、制御がしやすい。
ACE-Stepは、特定ジャンルに寄せやすい。
TemPolorは、コストを抑えながら回せる。

この見方をすると、Tuneeは「一つのAI」ではなく、複数の作曲思想を持つ制作環境として見る方が実態に即しているのではとも考えられます。
実際、出力の雰囲気やクオリティにばらつきがあったり、「Murekaを選んでいるのに、時々Lyriaっぽい動きをする」というような感覚に陥ることがあります。

これは単に不安定というより、内部で複数の処理が絡んでいる、あるいはフォールバック機構のようなものが働いている可能性も含めて、ブラックボックス性の高いシステムとして受け止めるのが現時点では良いと思います。

あばん

モデルの変更が上手く行ってるのか…

もーだん

不安になったりするんだよね…

プロはどう使うべきか

ステム分離について

TUNEEは生成した楽曲を6つのステム（Vocal, Drums, Bass, Piano, Guitar, Other）に分離できます。

これはSUNOと比べるとかなり少なく、必要最小限と言ったところです。

実際に各パートを聴いてみるとステム分離の精度はさほど高くありません。
MIDI変換もかなりしづらそうなのが分かります。
これから進化する可能性も大いにありますが、TUNEEの強みは楽曲全体の完成度やそのバラエティの多さにあると再度感じます。

作編曲の「学習」

前述したような「バラエティの多さ」に付随して様々なアレンジの可能性を引き出してくれるのがTUNEEの強みで、音楽家の良き相棒となりえる一面です。

上記の曲は生成した時にBメロで転調をしてくれました。
「転調はサビでするもの」という固定観念を吹き飛ばすものでしたし、サビ終わりから２Aに向けての戻し方もおお！！っと思えるものでした。

このような「作曲・編曲の発想」という点で非常に学びになる部分は多いです。

あばん

そうなると競合とのSUNOとの違いは…？

もーだん

その辺を次項で見てみよう！

SUNOとの違い─正直な比較

TUNEEとSUNOは、同じ「AI音楽生成」でもアプローチがまったく異なります。
両方を使い込んだ上で、正直に整理します。

楽曲の完成度

まず大事な要素として、楽曲の完成度が挙げられます。

純粋な楽曲クオリティという点ではほぼ互角という評価です。ただしモデルによって差があり、TUNEEのMureka V9やLyria 3 ProはSUNOのトップクオリティと十分に渡り合えます。

しかし、他のモデルだとSUNOの方が一歩上を言っていると言っても仕方ない部分はあるでしょう。

クリエイティブの引き出され方

SUNOは「こちらが要求したことに応えてくれる」ツールだと感じています。
その分、プロンプトを熟考したりある程度の音楽知識が要求されたりします。
なので、自分の想像の範囲内にあるものを高精度で出してくれるという印象です。

一方でTuneeは、こちらが曖昧なイメージを投げても、会話型AIを基に複数の方向に展開してくれる感じがあり、自分が思いついていなかったアイデアや方向性に引っ張っていってくれる「頼もしさ」があります。

ここがTUNEEの強みで、「会話から予期しない展開」と「複数モデルでの個性」が上手くかみ合って生成自体にワクワクがあり「グッとくる」要素になりえています。

個人的には共存が正解

結論として言えば「どちらかを選ぶ」よりも「両方使う」が正解だと感じています。
MV生成などのワークフローはまた別で語るとして、音楽制作という面で言えば、この2つはライバルであると同時に良き共闘関係であると言えます。

個人的に最強のワークフローは、
→Tuneeで発想と制作の間口を広げる。
→出来上がった曲をSUNOに読ませる。
→アレンジを磨いて最大12トラックのステム分離。
→DAWに落としてMIDI変換して自分なりにアレンジ。

このTUNEE→SUNO→人間のリレーが一番精度が高くワクワクできる曲作りの流れだと感じています。

もちろんこれはDTMでのリアレンジが前提なので万人に向くとは思いませんが、プロアマ問わず作曲家にとっては非常に有効なワークフローになり得ます。

別の動画で説明したFender Studio ProのMIDI変換も活用できるので是非試してみてください。

どんな人におすすめか？

どんな人におすすめかと言われると、「まじで全員」です。

しかし、これでは解像度が粗すぎるのでもう少しかみ砕くと、

何か新しい作曲の入口が欲しい人
DTMの補助として使いたい人
AI生成の検証が好きな人
アレンジの発想を広げたい人
Sunoとは別の軸も見ておきたい人

などかなり広い層に向いていると言えます。

これに加えて、

初心者→会話型でプロンプト不要
プロ音楽家→アレンジ学習＋作業効率化
YouTuber→MV一貫制作
など、さらに多くの人にとって扱いやすいと考えられます。

あばん

ほんとに巨大なプラットフォームだね！

もーだん

使用用途が広いってのが良いよね…！

「音楽制作の民主化」

ずっとTUNEEが掲げているビジョンに「音楽制作の民主化」があります。
それは音楽だけでなくMVにも派生して多くの人が自分の表現を簡単に追求できる世界でもあります。

僕たち音楽家にとってそれは喜ばしいことなのかは分かりませんが、全世界のわくわくの総量が増えていると考えればあながち悪い世界ではないようにも思います。

音楽生成AIの現在地を知る、という意味でも、実際に作ってみて、モデルを聴き比べて、再現性や実運用のしやすさを確認する価値はかなりあります。
当然各モデルは進化を続けていくのでこれからもかなり楽しめそうな気がしています。

今回紹介したTuneeは、その検証に向いた題材として、かなり面白い段階に入っていると感じました。

ぜひ気になったら使ってみてください。

MV制作編の記事も楽しみにしていただけると幸いです。

TUNEE体験はこちら

このブログ記事が、皆さんの音楽制作に役立つ情報を提供できることを願っています。
さらに詳しい情報や、ご意見ご感想があればぜひコメントをお待ちしています。

あばん

TUNEEがさらに進化したんだって！

もーだん

前回の記事も好評だったよねー！

以前取り上げた記事や動画がおかげさまで非常に好評を頂いています。

そのTUNEEが新しい機能を提げて再登場しました。
それがSora 2との統合によるMV制作機能の向上です。

今回はそれらの機能を掘り下げて行き、何が出来るようになったのか？どんな人におすすめなのか？についてお届けしていきたいと思います。

内容としては以下の3つです。
他AIとのコスパ比較
生成過程の実践的デモ
個人的な意見

ちょっと辛口な意見もありますが、TUNEEの使用を迷ってる人や気になっている人、最新のAIの動向が気になる人などに刺さる記事になると思いますので最後までご覧ください。

結論

今回のアップデートによりMV生成の「コスパ」と「手軽さ」が群を抜いて優位に立ったと思います。

正直「Sora2の統合」を大きく取り沙汰するメディアこそあれど、今年の10月にOpenAIがAPIを公開済みとなっています。
スピーディーな実装ではありますが、他のAIでも今後増えていく機能と予想されるのでそこまで大きな革新とは呼べません。

しかし、コスパが大幅に向上して「MV制作」のハードルが格段に下がったことは事実です。

11月4日にSora2が統合されたことがニュースとして配信されましたが、続けざまの11月12日にMV制作の機能がアップデートされました。

「以前のモデルと比較して75％削減」とありますが、他の動画生成AIと比べると90%以上のコストカットにもなりうります。

TUNEE公式サイト

【私たちのビジョン ― ミュージック・デモクラシー（音楽の民主化）】
私たちはプロの音楽家の芸術性と情熱を深く尊敬しつつも、誰もが音楽を通して自己表現する権利があると信じています。
私たちが作っているのは単なる“音楽”ではありません。
誰もが自分らしく、音を通して表現できる世界――テクノロジーが創造性の障壁になるのではなく、その手助けになる世界――音楽制作の喜びがすべての人に開かれた世界を目指しています。

上記の引用はTUNEEのビジョンなのですが、非常に良い事を書いています。

誰もが気軽に自己表現が出来るようになるための「パートナー」になるというのがTUNEEの使命であり、それを実現するための大きな一歩が今回のアップデート内容の「真実」だと考えています。

あばん

パートナーになるって言葉良いなぁ…。

もーだん

本来、創作って自由で楽しいもののはずだもんね！

それでは本題に移っていきます。

他の生成AIとのコスパ比較

有料プラン比較

TUNEE単体でProプランを使用した場合と比較して各生成系AIを組み合わせた時の料金をざっくり比較してみました。
プランはそれぞれ一番低い有料のものを想定しています。

ご覧いただくとTUNEEのコスパ優位性がかなり目立っています。
音楽生成自体はSunoでも月$10で相当数作れますが、動画生成AIとなるとそうはいかないのがこの記事の大事な点です。

そしてTUNEEの強みであるコスパの高さと合わせて、MV制作の「作業時間」が圧倒的に少ないのも上記から読み取れます。

音楽制作を対話の中で進めていく中での「歌詞」や「音楽プロンプト」を上手く動画の中に反映しながら世界観をリンクさせた動画をTUNEEは作ってくれます。
AIを分担させた場合は、自由度こそ高まるかも知れませんが、AI間での情報共有などそれなりの手間暇が必要になってきます。

あばん

一貫したワークフローって…

もーだん

良いことが沢山あるんだね！

無料プラン比較

でも！出来ることなら無料で作りたいというのが人情というものだと思います。

他の動画AIであれば秒数やウォーターマークが入るという制限があったりしますがTUNEEの場合は非商用なだけで、存分にMVを制作することができます。

TUNEE Freeについて詳しく説明すると、毎日150クレジットが配布されて、30秒動画を作るのに46クレジット。
曲を作るために対話の量や生成する曲数によっても変わってきますが、20〜100クレジットぐらい。

なので、1日で良い感じの曲が生成出来れば、後日以降の150クレジットを全て動画生成に当てることが出来ます。

あばん

毎日90秒ずつ動画が作れるだと……？

もーだん

無料なのに…？！

実践的生成方法について

それでは実際に生成していく過程やその結果を見て頂きましょう。

曲を生成したら、ジャケット下のマークから「MVを作成」を選びます。

そうすると会話が進んでいきます。
今回の主題であるSora2を使ったMVを作っていきます。

クレジットを46消費して、30秒の動画を作れるのでかなりコスパが良いです。

すると、楽曲のどの部分を使用するかを決めることが出来ます。
現時点では残念ながら秒数の増減は出来ず30秒間固定での生成となっています。

今回はサビを使って進めていきます。

次のページでは「MVタイプ」と「ビジュアルスタイル」を決めることが出来ます。

ナラティブというのはストーリーボードを作って物語中心の動画を生成します。
一方、ダンス/アイドルというのは、カメラに向かってのダンス振り付け動画を生成します。こちらの場合スターリーボードは生成されません。

ビジュアルスタイルは現在20種類が用意されています。

歌詞字幕のオンオフや動画の向き、オプションとしてムードやシーンやストーリーを自分で追記したら動画生成をスタートしていきます。

待ち時間としては10分が目安ですが体感4～8分ほどで生成されます。

そして出来上がったものがこちらです。
ソフトシネマ&ナラティブ

この手順を踏んで生成したものをいくつか紹介します。

他にこんなのが作れました

東京ネオノワール&ダンス/アイドル

フィルム・ノワール&ナラティブ

ドリーミースカイ&ナラティブ

手描きアニメ&ナラティブ

IMAXエピック&ダンス/アイドル

ワンクリックでフルMVは不可

何だか出来そうな気がしてしまいますが、30秒固定での生成となるためワンクリックフルMVの生成は現在は出来ません。

30秒ずつ作っていくしか無いのですが曲の頭と終わり際に前後1～2秒ぐらいのフェードイン&アウトがかかるので少し重ねて生成していく必要があります。

4つの動画を繋げてイントロから2番Aメロまでの2分弱の動画を作ってみました。

あばん

ほほう…、それではそれでは…

もーだん

色々正直に喋っていきましょうかね…

個人的な意見

初心者におすすめのコスパの高さ

これが今回のアップデートで特筆すべき点です。
無料プランであれ、曲とMVが悠々と作れてしまうというのはかなり優しい設計だと思います。

TikTokなどのショート動画用に曲を作って、ぱぱっとMVを作ってみたいという人には非常におすすめできます。

別の記事でも紹介した通り、個人的に「TUNEEの音楽」自体が好みなので動画云々はおまけ程度に考えていました。

しかし、ストーリーボードなどを使ってMVのイメージを膨らませるなど「創作プロセス」の手助けにもなると感じています。

中級者以上には「物足りない」

前述したTUNEEのビジョンが「制作の喜びを支えるパートナー」になるという趣旨でした。
確かに楽しみや喜びを得ることは出来ますが、「もっと良いものを作りたい！」という向上心に寄り添うのは現時点ではちょっと難しいのかなと率直に思いました。

具体的には、

フルMV生成の現実的な課題
ご覧いただいたように、各クリップを独立生成していくため、登場人物や背景の一貫性はあまり期待できません。
そして、クリップ順序の調整や色味調整など後処理が必須であり、出力される解像度があまり高くありません（多分720Pぐらいだと思います）。

他AIとのコスパと品質の壁
正直、音楽・動画のクオリティという意味で言うとSunoやRunway、Pikaなどの方が高いというのは否めません。
しかし、それらのツールを使いこなすためには多くの時間とお金が必要になってきます（プロンプトを学んだり良いものが出るまでのガチャ生成など）。
これらの負担や苦労をトレードオフにしたものが今回のTUNEEの強みです。

あばん

まさに手軽さとコスパが武器なわけだね！

もーだん

ここをどう捉えるか…だね。

今後に期待してみようと思う

どういう人がTUNEEを使うべきなのかを考えてみると、

このあたりかなと考えます。

前述したように、Sora2の統合については、既にOpenAIがAPIを公開しているため「実用的」ではありますが「革新的」ではないと言えます。

せめて音楽機能がSunoと並ぶぐらいの高品質で細やかなステム分離などを実装してくれればかなり優位性は上がると思うのですが…。

相変わらずTUNEEが作る音楽自体は好きなので非常に楽しませてもらっています。

とにかく、低予算MV制作にはTUNEE一択と言っていいほどのアップデートを遂げてくれました。
「コスパ重視」という甘美な響きがお好きな方は是非触ってみてください。

TUNEE公式サイト

私は、これからも期待し続けていきます。

このブログ記事が、皆さんの音楽制作に役立つ情報を提供できることを願っています。
さらに詳しい情報や、ご意見ご感想があればぜひコメントをお待ちしています。