動画に音楽を入れる方法：ナレーションを聞きやすく保つ

Pipe2.aiで動画に音楽を入れるには、Video Reelを開き、1本以上の動画セグメントを追加して、Background Musicにサウンドトラックを指定します。セリフは別ファイルとしてNarrationに追加してください。Video Reelは元動画に埋め込まれた音声を保持しないため、この手順の前に元のボイスオーバーファイルを用意するか、動画から音声を抽出する必要があります。出力アスペクト比を選んでレンダリングします。複数セグメントのリールではInstructionsの内容をもとに音楽レベルとフェードが計画され、1本の動画では固定の既定値が使われます。

ワークフロー確認 — 2026年7月： 以下に記載する素材音声、ナレーション、音楽、既定ミックス、Autoルーティングの挙動は、現行のVideo ReelとMusic Generatorのワークフローに照らして確認しています。このガイドでは、現在のフォームに存在しない手動の音声調整機能があるとは想定していません。

動画に音楽を付ける6つの手順

1. 完成させる動画セグメントを用意します。 シンプルに音楽だけを追加するなら1本、リールにするなら複数のクリップを意図した順番で追加します。
2. 動画からセリフを分離します。 アップロード前に元のボイスオーバーファイルを用意するか、素材動画の音声を抽出します。Video Reelが動画セグメントから読み取るのは映像ストリームだけです。
3. サウンドトラックを選ぶか作成します。 使用権のある楽曲をアップロードするか、Music Generatorで作成します。
4. 話し声をNarrationから追加します。 Video Reelが音楽とミックスできるように、分離した音声ファイルを追加します。元のセリフではなく新しいボイスオーバーが必要な場合は、Audio Generatorで作成できます。
5. 複数クリップの編集内容を指定します。 Instructionsに「ナレーションの下に控えめなインストゥルメンタルを流し、穏やかに始まり、すっきり終わる」といった方向性を書きます。
6. レンダリングし、完成した書き出しを確認します。 冒頭、話し声が最も密になる部分、トランジション、終わりを、ヘッドホンとスマートフォンのスピーカーで聞きます。

Video Reelは、1本以上の動画セグメントと、任意のナレーションおよびBGMを受け取ります。動画セグメントに埋め込まれた音声は破棄され、出力音声はNarrationとBackground Musicに別々に渡した素材だけから作られます。現在のインターフェースには、音量やフェードを手動で調整するスライダーはありません。2本以上のセグメントでは、モンタージュプランナーがInstructionsを解釈し、トランジションとともにミックス設定を選びます。1本だけの場合はプランナーを省略し、Instructionsにテキストを入力していても、レンダラーは標準の音楽レベルとフェードを使用します。

レンダリング前にセリフを聞きやすくする

明瞭なミックスを作るには、役割が分かれた素材を用意することから始めます。話し声を前景、音楽を補助として扱います。

• 事前に話し声と音楽を1つのファイルにまとめず、ボイスオーバーをNarration入力から追加します。
• 話し声が続く部分では、インストゥルメンタルを優先します。目立つボーカルはナレーションと注意を奪い合います。
• 話者の声と同じ周波数帯で密度の高いメロディーを避けます。控えめなパーカッション、ベース、パッド、伴奏は、一般に声のための余地を残しやすくなります。
• 複数セグメントのリールでは、「ナレーションを最優先し、音楽は全体を通して控えめにする」のように優先順位を平易な言葉で指定します。
• 書き出し全体を確認します。静かなイントロで適切なバランスでも、アレンジが厚くなる部分では崩れることがあります。

プランナーが選ぶのは、全体的な音楽レベルと開始・終了時のフェードです。手動ミキサーではなく、文ごとのダッキングも設定できません。1本の動画で既定の音楽が大きすぎる場合は、追加する前に音楽ファイル自体を小さい音量に調整してください。複数クリップのリールでは、より具体的な方向性をInstructionsに書いて再度レンダリングします。

動画用のBGMを生成する

適した音楽がまだない場合は、Music Generatorを開きます。音楽の役割を説明し、10〜600秒の長さを選び、Include Vocalsをオフにします。BGMにする場合は、プロンプトにも「instrumental only」または「no vocals」と記載してください。現在のフォームではボーカルが既定で有効ですが、Autoルーティングではトグルを絶対的な指定として扱わず、プロンプトの内容からボーカルの最終判断を行います。

実用的なプロンプトには、ムード、ジャンル、楽器、テンポ、エネルギーの変化、楽曲の用途を含めます。公式のEleven MusicプロンプトガイドとGoogle Lyria 3ガイドはいずれも、曖昧なラベルだけに頼らず、音楽の方向性を具体的に指定することを推奨しています。

例：

内省的なドキュメンタリー用アンダースコア、インストゥルメンタルのみ。柔らかなピアノ、温かみのあるチェロ、80 BPM前後の控えめなパルス。ナレーションの下では編成を疎に保ち、最後の3分の1で穏やかに盛り上げ、すっきりと着地させる。

特定の有名アーティストや著作権で保護された楽曲を求めるのは避けてください。代わりに、必要な音楽的特徴を説明します。トラックを生成し、意図しないボーカルや主張の強すぎるリードがないか確認してから、採用した出力をVideo ReelのBackground Musicとして追加します。

音楽の長さを完成尺に合わせる

サウンドトラックは、完成予定の動画と同じか、それより長くします。複数クリップのリールではトランジション部分が重なるため、完成尺は各セグメントの合計よりわずかに短くなり、レンダリング前に正確な長さが分からない場合があります。特に音楽が唯一の別音声入力で、レンダラーの終了時点を決める場合は、途中で終わるトラックより少し長めに生成する方が安全です。

音楽を選ぶときは、想定するテンポも考慮します。

• テンポの速い商品リールには、明確なビートと短い構成変化が向いています。
• チュートリアルやナレーション付きの解説には、注意を奪う変化が少ない控えめなBGMが必要です。
• シネマティックなシーケンスでは、クライマックスが重要なセリフを隠さず支える場合に限り、徐々に盛り上がる構成を使えます。
• 短いSNS動画では、大部分をイントロに費やさず、音楽上のアイデアを早めに提示します。

ショットの計画から生成、組み立てまでを含む完全な制作工程は、AI動画の作り方を参照してください。素材クリップに使う生成モデルを選ぶ必要がある場合は、AI動画生成モデルの比較も確認できます。

音声ミックスの後に字幕とブランディングを仕上げる

Video Reelを映像の組み立てと音声処理の工程として扱います。音楽とナレーションが正しくなったら、その書き出し動画を使って残りの公開準備を行います。

1. 最終的なタイミングに字幕を合わせるため、動画に字幕を追加します。
2. 字幕とアスペクト比の変更後に、ウォーターマークを追加します。
3. 公開するプラットフォームと端末で、完成ファイルをもう一度最初から最後まで再生します。

元のクリップ、ナレーション、生成した音楽、完成した書き出しは別々の素材として保管してください。そうすれば、それ以前の制作工程をすべてやり直さずに、サウンドトラックの差し替えやボイスオーバーの修正ができます。