Stable Audio完全ガイド｜プロンプトでBGM・効果音を生成する方法

Stable Diffusionの音楽版が登場
Stable Audioとは
1. 基本情報
2. 主な特徴
Stable Audioの種類
1. Stable Audio 2.0（商用版）
2. Stable Audio Open（オープンソース版）
料金プラン
使い方（ステップバイステップ）
効果的なプロンプトの書き方
実践的な活用シーン
Stable AudioとSuno/Udoの違い
1. 比較表
2. どちらを選ぶべきか
ローカル実行（Stable Audio Open）
よくある質問
AI音楽生成スキルを学ぶには
1. 🎓 音楽制作・動画編集スキルを習得
まとめ
おすすめ書籍
関連記事
出典

Stable Diffusionの音楽版が登場

「動画のBGMを探すのに時間がかかる」「著作権フリーの効果音が見つからない」「イメージ通りの音楽が欲しい」

画像生成AIのStable Diffusionで知られるStability AIが、音楽生成分野に参入しました。それがStable Audioです。

テキストプロンプトを入力するだけで、BGMや効果音を数秒で生成できます。この記事では、Stable Audioの使い方、料金プラン、実践的な活用方法を詳しく解説します。

Stable Audioとは

Stable Audioは、Stability AI社が開発したAI音楽生成ツールです。2023年9月にリリースされ、2026年現在も継続的に機能が追加されています。

基本情報

開発元: Stability AI（Stable Diffusion開発元）
リリース: 2023年9月
生成方式: テキストプロンプト→音楽
最大長: 90秒（Proプラン）、3分（Open版・実験的）
出力形式: MP3, WAV

主な特徴

プロンプトベースの生成: 「穏やかなピアノ曲」「激しいロックギター」など自然言語で指示
長さの指定: 秒単位で楽曲の長さを指定可能
高音質: 44.1kHz、ステレオ出力
商用利用可: Proプランで商用ライセンス取得
Stable Diffusion連携: 画像と音楽を統合したコンテンツ制作

Stable Audioの種類

Stable Audioには2つのバージョンがあります。

Stable Audio 2.0（商用版）

特徴:
– 最大90秒の楽曲生成
– 高品質なBGM・効果音
– 商用ライセンス付き
– APIアクセス（Proプラン）

対象:
– 企業の動画制作
– ゲーム開発
– 広告制作

Stable Audio Open（オープンソース版）

特徴:
– 最大45秒の楽曲生成（実験的に3分も可能）
– オープンソースライセンス
– ローカル実行可能
– 非商用限定

対象:
– 研究者
– 実験的な利用
– プライバシー重視の個人

この記事では、主に商用版（Stable Audio 2.0）を解説します。

料金プラン

無料プラン（Free）

月20トラック生成
最大45秒
非商用のみ
クレジット表記必須

Professionalプラン（.99/月）

月500トラック生成
最大90秒
商用利用可
クレジット表記不要
優先生成キュー

Proプラン（カスタム料金）

無制限生成
API利用
カスタムモデルトレーニング
専任サポート

年間契約で約20%割引が適用されます。

使い方（ステップバイステップ）

STEP 1: アカウント作成

Stable Audio公式サイトにアクセス
「Sign Up」をクリック
メールアドレスまたはGoogleアカウントで登録
無料プランで開始

STEP 2: プロンプト入力

プロンプト入力欄に、生成したい音楽の説明を入力します。

基本的なプロンプト例:

穏やかなピアノとストリングスの曲、瞑想向け

詳細なプロンプト例:

Genre: Ambient
Mood: Calm, Peaceful
Instruments: Piano, Strings, Soft Pads
Tempo: 60 BPM
Duration: 45 seconds
Use: Meditation background music

STEP 3: 長さの指定

スライダーで楽曲の長さを指定します。

無料プラン: 最大45秒
Proプラン: 最大90秒

STEP 4: 生成

「Generate」ボタンをクリックすると、約10〜30秒で楽曲が生成されます。

STEP 5: プレビューとダウンロード

生成された楽曲を再生
気に入らなければ「Regenerate」で再生成
良ければ「Download」でMP3/WAVファイルをダウンロード

効果的なプロンプトの書き方

基本構造

良いプロンプトの基本構造は以下の通りです。

[ジャンル], [雰囲気/ムード], [楽器], [テンポ], [用途]

具体例

1. YouTube動画のオープニング

Upbeat electronic music, energetic and exciting, synthesizers and drums, 128 BPM, perfect for YouTube intro

2. ホラーゲームの効果音

Dark ambient soundscape, eerie and unsettling, deep drones and occasional metallic sounds, slow tempo, horror game background

3. カフェのBGM

Smooth jazz, relaxed and cozy, piano and soft saxophone, 90 BPM, coffee shop ambience

4. 企業プレゼンテーション

Corporate background music, professional and inspiring, piano and strings, 100 BPM, business presentation

プロンプトのコツ

1. ジャンルを明確に

良い例:
– “Ambient electronic”
– “Acoustic folk”
– “Orchestral cinematic”

悪い例:
– “Good music”
– “Nice sound”

2. 楽器を具体的に

良い例:
– “Piano, acoustic guitar, light drums”
– “Synthesizer, bass, electronic beats”

悪い例:
– “Some instruments”

3. ムードを表現

感情表現の例:
– Happy: cheerful, joyful, uplifting
– Sad: melancholic, somber, emotional
– Intense: energetic, powerful, dramatic
– Calm: peaceful, relaxing, serene

4. テンポを指定

Slow: 60-80 BPM
Medium: 90-110 BPM
Fast: 120-140 BPM
Very Fast: 150+ BPM

5. 参考曲スタイル（慎重に）

特定アーティストの模倣は避けつつ、スタイルを参考にすることは可能です。

OK:
– “80s synthwave style”
– “Hans Zimmer-inspired orchestral” (スタイルのみ)

NG:
– “Exact copy of [specific song]”

【PR】

面倒な環境構築なしでStable Diffusionを使うなら

月990円〜でAUTOMATIC1111環境がブラウザだけで使える。GPU不要・スマホ対応・最短3分で画像生成開始。LoRA・ControlNet等の主要拡張も対応済み。

▶ ConoHa AI Canvasを見る

実践的な活用シーン

YouTube動画のBGM

メリット:
– 著作権の心配なし
– 動画の雰囲気に完全マッチ
– 短時間で複数パターン生成可能

Tips:
– オープニング、本編、エンディングで異なる曲を生成
– 同じプロンプトで複数生成し、最良のものを選ぶ
– テンポを動画の展開に合わせる（説明パート→遅め、アクションパート→速め）

ゲーム開発

メリット:
– シーンに応じた効果音を即座に作成
– ループ素材の生成
– プロトタイプ段階でのテスト音楽

Tips:
– ループさせる場合、45秒版を生成してつなげる
– 効果音は「sound effect」をプロンプトに明記
– 複数バリエーションを作成して使い分け

ポッドキャストのイントロ/アウトロ

メリット:
– ブランディングに合った音楽
– 一貫性のある雰囲気
– コスト削減

Tips:
– 短め（10〜15秒）に設定
– 番組のトーンに合わせた音楽
– 同じプロンプトで定期的に再生成（マンネリ防止）

企業の動画コンテンツ

メリット:
– プロフェッショナルな仕上がり
– 商用ライセンスで安心
– 短納期に対応

Tips:
– 企業イメージに合った音楽（信頼感→低音多め、革新性→電子音）
– 動画の長さに合わせて生成
– 複数候補を作成して社内で選定

Stable AudioとSuno/Udoの違い

比較表

項目	Stable Audio	Suno	Udio
ボーカル	なし	あり	あり
最大長	90秒	4分	3分
用途	BGM・効果音	楽曲全般	楽曲全般
料金	$11.99/月	$10/月	$10/月
生成速度	速い	やや遅い	やや遅い
商用利用	Pro必須	Pro必須	Standard必須

どちらを選ぶべきか

Stable Audioが向いている:
– BGMや効果音だけが必要
– 短い楽曲を大量生成したい
– 高速生成を重視

Suno/Udoが向いている:
– ボーカル入り楽曲が必要
– 長尺の楽曲を作りたい
– 歌詞も含めて作曲したい

ローカル実行（Stable Audio Open）

プライバシーを重視する方や、自由にカスタマイズしたい方は、オープンソース版をローカル環境で実行できます。

必要環境

Python 3.9以上
NVIDIA GPU（VRAM 8GB以上推奨）
CUDA対応環境

インストール手順

# リポジトリをクローン
git clone https://github.com/Stability-AI/stable-audio-tools.git
cd stable-audio-tools

# 依存関係をインストール
pip install -r requirements.txt

# モデルをダウンロード
huggingface-cli login
huggingface-cli download stabilityai/stable-audio-open

# 実行
python scripts/generate.py --prompt "Calm ambient music with piano"

メリット

無制限生成
オフライン実行可能
カスタムモデルのトレーニング
プライバシー保護

デメリット

技術的ハードルが高い
GPU必須
セットアップに時間がかかる

よくある質問

Q1. 生成した音楽の著作権は？

Professionalプラン以上では、生成した音楽の商用利用権がユーザーに付与されます。無料プランは非商用限定で、クレジット表記（”Generated with Stable Audio”）が必要です。

Q2. ボーカル入り楽曲は作れますか？

2026年時点では、Stable Audioはインストゥルメンタル（楽器のみ）に特化しており、ボーカル生成には対応していません。歌入り楽曲が必要な場合は、SunoやUdioを検討してください。

Q3. 生成した音楽をループさせる方法は？

Stable Audioは自動的にループ対応した音楽を生成する機能はありません。ただし、Audacityなどの音声編集ソフトで、始点と終点がスムーズにつながるよう編集することでループ化できます。

Q4. プロンプトは日本語でも大丈夫ですか？

現状、英語プロンプトの方が精度が高いです。日本語でも動作しますが、英語に翻訳してから入力することをおすすめします。

AI音楽生成スキルを学ぶには