ガイドNEW
AI用語辞典音声・音楽
フォーリー生成 (Foley Generation)
読み: ふぉーりーせいせい
最終更新: 2026-08-12・AI PICKS編集部
定義
フォーリー生成とは、映像に合わせた足音や衣擦れ、物の操作音といった環境音効果をAIが自動で作り出す技術のこと。
フォーリー生成 (Foley Generation)とは — 詳しく解説
フォーリー生成とは、映像作品の音声演出において、足音・衣擦れ・小道具の操作音といった環境音効果(フォーリー)を、AIモデルが映像やテキストプロンプトから自動生成する技術を指す。従来はフォーリーアーティストが実際に小道具を操作し収録していた工程を、音声生成AIが代替・補助する形で普及しつつあるとされる。2026年時点の実運用では、映像の動きと生成音のタイミング同期精度が課題として残り、生成音をそのまま使わず編集者が微調整する現場が多いとされる。相場感としては、単発の効果音生成は低コストで試せる一方、長尺・高品質な映像案件では従来のフォーリー収録との使い分けが主流と見られる。ツール選定では、生成音の著作権・商用利用条件がサービスごとに異なる点を事前確認することが実務上重要とされる。
フォーリー生成 (Foley Generation)の使用例
- ゲーム開発でキャラクターの足音効果音をAI生成し、実収録の代替案として検証する。
- 短編CM用にドアの開閉音やグラス同士がぶつかる音をテキストプロンプトから生成する。
フォーリー生成 (Foley Generation)に関連するAIツール
フォーリー生成 (Foley Generation)の関連記事
関連用語
「音声・音楽」の他の用語
Suno
AI 音楽生成サービス。 歌詞 + ジャンル指定で 完成楽曲を 1 分で生成。
Whisper
OpenAI のオープンソース音声認識モデル。 99 言語対応、 日本語精度も高い。
ElevenLabs
AI 音声生成のトップサービス。 自分の声をクローンして 多言語ナレーションに使える。
TTS (音声合成)
TTS（音声合成）とは、テキストデータを人間らしい音声に変換するAI技術のこと。ナレーション・コールセンター・音声UIなど幅広い用途で使われ、2026年現在は人間と聞き分けにくい品質が標準となっている。
ASR (音声認識)
ASR（Automatic Speech Recognition・自動音声認識）とは、人間の音声をテキストへ自動変換する技術のこと。深層学習モデルの普及で精度が飛躍的に向上し、文字起こし・音声コマンド・翻訳など幅広い用途で使われる。
ボイスクローン (Voice Cloning)
ボイスクローンとは、数秒〜数分の音声サンプルから特定人物の声質・話し方・抑揚を高精度に再現するAI音声合成技術のこと。
用語がわかったら、次はツール選び
12カテゴリ・1418語以上を体系的に整理しています