AI 作曲プロンプトの書き方 — 音楽知識ゼロからのガイド
楽譜が読めなくても、楽器が弾けなくても、コードが何かを知らなくても、AI で本当に気に入る曲は作れます。ありきたりな結果と、思い描いたとおりの曲との差は、ほぼすべて入力欄に何を打ち込むかで決まります。
AI 音楽ツールはすでに主流になりました。1,200 人を超える音楽制作者を対象とした LANDR の 2025 年調査では、87% がすでに制作プロセスのどこかで AI を使っていると回答しています。ツールの性能は十分で、普及も進んでいます。これから始める人にとっての壁は、もはやスキルではなく、作りたいものをどう言葉にするかです。
そして初心者の多くは、書く言葉が少なすぎます。
一語プロンプトの罠
初心者に最も多いのは、「ポップ」「悲しい」「lo-fi」のように一語だけ打って生成ボタンを押すやり方です。そしてこれが、最も印象に残らない結果を生むやり方でもあります。
約 650,000 件の AI 音楽生成を横断したクロスプラットフォームのサンプルでは、入力された文章の長さは二つの陣営にはっきり分かれます。約 41% のプロンプトは 1,000 文字を超え、歌詞一式か詳細なディレクションでした。50 文字未満は約 9% にすぎません。中間はほとんど存在しないのです。狙いどおりの曲を手にしている人は段落を書き、壁紙のような BGM 止まりの人は単語を並べています。
1,000 文字は必要ありません。必要なのは、一語より多く書くことです。まずは完全な文を一つか二つ — これから曲をかけてくれる友人に、どんな曲かを説明するときのような文章 — を目標にしてください。
場面、ムード、展開を言葉にする
モデルが実際に使えるプロンプトは、三つのことを名指しします。曲が流れる場面、曲が帯びるムード、そして音楽がどう動くか。ジャンル名だけでは、結果はほとんど変わりません。
サンプルでは、ムードや感情を表す語は、楽器名とほぼ同じ頻度で登場します。人は曲に何が入っているかと同じくらい、曲がどう感じられるべきかを書いています。そして感じ方こそ、モデルがジャンル名からは推測できない部分です。
頼れるテンプレートはこうです。
[場面や機会]+[ムード]+[誰が歌うか]+[曲がどう動くか]
こうして「ポップ」は、次のようになります。
夏のドライブに合うアップビートなシンセポップ、明るく屈託がなく、若い女性ボーカル、大合唱のコーラスへ盛り上がっていく。
「悲しいピアノ」は、こうなります。
誰かがいない寂しさを歌う、ゆっくりとした親密なピアノバラード。深夜の空気をまとって抑制的に、柔らかな男性の声は最後のコーラスまで静かなまま。
「展開」は初心者が飛ばしがちな部分です。曲は一定のまま進むのか、盛り上がるのか、落とすのか。「大きなコーラスへ盛り上がる」「最後までメロウなまま」「最初のヴァースの後で強くドロップする」— こうした言葉は、雰囲気だけでなく曲の形をモデルに伝えます。
音のパレット：声を指定し、軸になる楽器を絞る
場面の次にサウンドを大きく左右するのは二つ。声と、軸になる二、三の楽器です。
ボーカルはデフォルトです。サンプルでは、ボーカルの記述は、純粋なインストゥルメンタル楽曲の要求をおよそ 17.6 対 1 で上回ります。歌を入れたくないなら「instrumental」と一言書いてください。書かなければ、声が入ります。
歌を入れたいなら、歌い手を三筆で描写します。人物像（若い女性、年配の男性、子ども）、声の質感（ハスキー、息づかいの多い、なめらか）、歌い方（ラップで、力強く張り上げて、ささやくように）。
楽器は二つか三つで十分です。十個も積み上げると、互いににじんで混ざってしまいます。曲を決定づける楽器だけを名指しすれば、残りはモデルが埋めてくれます。実際に名指しされた楽器では、ベースとギターが先頭でした。曲の感触を形づくるのは、ソロよりも土台なのです。
同じテンポでも、パレットが違えばまったく別の曲になります。
温かみのある少しハスキーな男性の声、指弾きのアコースティックギター、柔らかなウッドベース
軽く auto-tune のかかった明るい女性の声、パンチの効いた 808 ベース、ガラスのように澄んだシンセのプラック
構成タグは、まだ使っていない最も手軽なコントロール
生成した曲が 2 分間のループのように感じられたことがあるなら — 盛り上がりも山場もなく、同じアイデアが回り続けるだけ — このセクションがその処方箋です。
あなたが好きな曲にはパートがあり、名前を使ったことがなくても、耳ではすでに知っているはずです。ヴァース（いわゆるAメロ）は物語を進めるパートで、たいてい少し静かです。コーラス（サビ）は何度も戻ってくるパート — 一度聴けば口ずさめる、たいてい一番大きな部分です。ブリッジは終盤に一度だけ現れて景色を変え、最後のサビをより強く響かせます。
構成タグを使えば、その形をモデルに直接手渡せます。角括弧でセクション名を書き、そのパートがどうあるべきかを普通の言葉で少し添えるだけです。
[verse] quiet, just guitar and voice
[chorus] full band, big harmonies
[verse] add a steady drum beat
[bridge] strip back to piano
[chorus] biggest version, lift the energy
使うために歌詞を書く必要はありません。タグだけを並べる — [intro] [verse] [chorus] [verse] [chorus] [outro] — それだけでも、ループは形の分かる一曲になります。
これはニッチな小技ではありません。サンプルでは [chorus] が約 453,000 回、[verse] が約 410,000 回現れます。データセット全体で最も頻出する 8 語のうち 6 語は、ムードでもジャンルでもなく、セクションタグなのです。多くのチュートリアルは、初心者にムードの言葉を磨かせようとします。しかし、たくさん曲を作ってきた人たちは、言葉を構成に使っています。
メロディと声も、専門用語なしで
構成タグはセクションに印を付けるだけなので、シンプルなままです。メロディと歌もまた方向づけする価値があります。しかも音楽用語は要らず、普通の言葉でできます。メロディにどう感じてほしいかを、そのまま言えばいいのです。
- 耳に残るサビ：「a catchy hook that lifts and rises at the end」（最後に向かって持ち上がるキャッチーなフック）。
- 歌詞が聞き取れる歌：「clear, one note per syllable, easy to sing along」（一音節に一音、はっきり、歌いやすく）。一つの言葉をいくつもの音で曲げていく R&B 流なら「lots of vocal runs」（ボーカルランを多めに）。
- 勢いが欲しいなら「short, punchy notes」（短く歯切れのいい音）。落ち着きなら「smooth, flowing, connected notes」（なめらかに流れてつながる音）。
- ラップなら「a laid-back flow」（ゆったりしたフロー）や「a fast, tight flow」（速くタイトなフロー）。
ヘビーユーザーはこれらを角括弧のタグ — [soaring melody]、[melismatic vocals]、[staccato] — として書くこともあり、対応するツールでは機能します。しかし語彙を暗記する必要はありません。普通の描写で大半は伝わりますし、それはこのガイド全体を貫く同じ発想です。聴きたいものを、そのまま言葉にする。
残りのつまみ：テンポ、キー、長さ
テンポ、キー、長さを指定する価値があるのは、具体的な理由があるときだけです。それ以外の場合、あなたの描写がすでにそれらを暗に決めています。
- **テンポ（BPM）**は曲の速さそのもの — 1 分あたりの拍数です。おおよその目安：スローバラードは 60–80 前後、ポップの大半は 100–130、house や EDM は 120–130 付近、ヒップホップは 80–100、drum & bass は 165 以上。数字で指定するのは、動画のカット、ダンス、ランニングのペースなど、外部の何かに曲を合わせる必要があるときだけ。それ以外は「スロー」「ミドルテンポ」「疾走感のある」で十分です。
- キーは曲全体の高さを決めます。音楽の専門でなければ空欄のままで構いません。モデルが歌いやすい高さを選んでくれます。既存の曲や特定の歌い手の音域に合わせるときだけ指定してください。
- 長さが重要になるのは、曲が枠を埋めるとき — 30 秒のクリップ、15 秒のイントロなど。指定しなければ、たいていフルレングスのアレンジになります。
- 簡易モードと上級モードは、理解しておく価値のある唯一の切り替えです。簡易モードは曲を普通の言葉で説明するもの、上級モードは歌詞と構成タグを自分で打ち込むもの。サンプルでは、実際の利用は上級モードがわずかに優勢でした — 生成の約 46% 対 約 38%。まずは簡易モードで始めて、曲の形をコントロールしたくなった瞬間に上級モードへ切り替えてください。
定番 6 スタイルの出発点プロンプト
ここまでのフレームワークを、そのままコピーできるプロンプトにしました。各行が場面、ムード、声、そして曲の動きを名指ししています。作りたいものに最も近い行を選び、細部を自分の曲に合わせて書き換えてください。
| スタイル | 実際に打ち込めるプロンプト | 指定する価値のあるつまみ |
|---|---|---|
| ポップ | 夏のドライブに合うアップビートなシンセポップ、明るく屈託がなく、若い女性ボーカルが大合唱のコーラスへ盛り上げていく | ~120 BPM |
| アコースティックバラード | 故郷を恋しく思う、ゆっくりとした親密なバラード。温かくハスキーな男性の声、指弾きのギターと柔らかなウッドベース | ~70 BPM |
| ヒップホップ | 夜遅くまで積み重ねる日々を歌う boom-bap ラップ。ざらついたピアノループとハードな 808 の上を、ゆったりした男性のフローが漂う | ~90 BPM |
| EDM | 長いビルドの後にドロップする多幸感のあるフェスティバルハウス、明るい女性のトップラインとガラスのようなシンセスタブ | ~126 BPM |
| lo-fi | 勉強用のメロウな lo-fi ビート、温かくかすんだ質感、ボーカルなし、ざらついた Rhodes ピアノと柔らかなレコードノイズ | インストゥルメンタル、~80 BPM |
| シネマティック | 誇らしい瞬間のための、静かに高まっていくシネマティックな一曲。ボーカルなし、ストリングスとピアノがフルスウェルへと上りつめる | インストゥルメンタル |
どれ一つとして、一語ではないことに注目してください。
実際に何が作られているのか
曲を作るのに、リリース計画は要りません。AI ツールの一つ Suno は、1 日におよそ 700 万曲を生成していると報じられています。その大半は日常的で個人的なもの — そしてそこにこそ、音楽の専門家でない人の強みがあります。
趣味で作る人にとっての本当の物語は、このロングテールにあります。誕生日の歌の 0.6% やジングルの 0.4% は丸め誤差ではありません。特定の誰か、特定の目的のために作られた数千の曲です。よくある使い方をいくつか挙げます。
- コンテンツクリエイター — 動画、ポッドキャスト、配信の BGM を、他人の著作権付きの曲を借りずに用意する。
- 曲のギフト — 一人のために書かれた曲。誕生日、記念日、結婚式のファーストダンス、送別。
- 小さなビジネス — 20 秒のジングル、広告のバックトラック、ループで流す店内 BGM。
- 自分のためだけ — 子どもの名前を入れた子守唄。つらかった一週間を、3 分間の何かに変える。
どれもチャート入りする必要はありません。必要なのは、正しい相手と正しい瞬間についての曲であること。そしてそれこそ、あなたにしかプロンプトに書き込めないものです。
技巧はモデルが供給します。具体性を供給するのはあなたです。誰がどのように AI 音楽を作っているのかという全体像は、データの分析記事をご覧ください。
変える価値のある習慣を一つ挙げるなら、それは一語プロンプトです。場面、ムード、名指しされた声、そしていくつかのセクションタグ。それだけで、音楽の専門家でなくても、頭の中ですでに鳴っている曲のかなり近くまでたどり着けます。音楽理論は要りません。
それすら大変に感じるなら、自分で書く必要はありません。Lacuna では、エージェントに普通の言葉で曲を説明すれば、プロンプトはエージェントが引き受けます。何を目指しているのかを尋ね、場面、声、構成、テンポをあなたと一緒に調整し、思い描いたものと一致したところでトラックを生成します。