【AIでRPG開発】ゲーム内の効果音をMiniMax-H3で生成する（第17話）
前回、
戦闘エフェクトをローカルＰＣで動作する「MiniMax-H3」を使って生成した動画をそのままゲーム内で使用することにしましたが、ゲーム内での効果音もこれで生成することにしてみました。
ゲーム内に組み込んだ完成版は以下の動画で確認できます。
MiniMax-H3で動画生成
まず欲しいのは、３Ｄダンジョン内で歩いたときの足跡です。そこで、
この画像を開始フレームとし、
First-person dungeon exploration. Exactly one gentle walking step forward over 0.4 seconds. The player is a young female fantasy priest wearing soft leather ankle boots. Her foot lands once on the uneven stone-paved floor, producing one short, clean, moderately soft stone footstep. The sound should feel light and human, not heavy, not armored, not a hard heel click. Very small forward camera movement and subtle head bob. No second step, no running, no scraping, no armor clanking, no music, no voices, no wind, no torch sounds.
non_diegetic_music: N/A
上記のような１歩歩く動画を生成するプロンプトを指定して動画生成してみました。
この記事の最初に貼った動画内で確認できますが、ほぼ開発中のゲームと同じような見た目と動きで、歩く足音の効果音も入っていました。
この動画をmp4で保存し、そこから音のみを取り出してゲーム内で使うことにしました。
壁にぶつかった音の生成
また、壁にぶつかった時の音も欲しかったので、
これを開始フレームとし、
First-person view inside a stone dungeon corridor. The player walks forward and bumps into a solid stone wall, stopping immediately. A single short, dull thud sound as the player's body makes contact with the stone wall. A soft but solid low-frequency impact, slightly muffled, with a subtle stone resonance. Not a violent crash, not painful, not metallic. The camera jolts very slightly on impact and then remains still. No footsteps, no repeated impacts, no crumbling stones, no debris, no music, no voices, no ambient sounds.
non_diegetic_music: N/A
このようなプロンプトにしてみました。
これも予想通りの動画になり、音を取り出すことが出来ました。
今後も他の音が必要になったら、開始フレーム画像とプロンプトを用意して同様に作っていこうかと思います。
