「動画編集やゲーム開発に、著作権フリーで雰囲気にぴったりのBGMが欲しい」
「名曲のコード進行や雰囲気をベースにして、別のジャンル風にアレンジした音楽をAIで作ってみたい」
そこでGeminiを使って、ABMM (AI Background Music Maker) を作ってみました。
例えば「Wonderwall を EDM 風にアレンジして」などと指示すると、AIがコード進行の検索からMIDI作曲をして、GarageBandへの即時書き出しまでできます。
まだ満足のいくレベルではないのですが、結構面白いものが出来上がりました。
以下は、コードを書いたGeminiに作ってもらったアーキテクチャなどの解説です。
本記事では、ABMMの概要、技術スタック、そして**「AI作曲特有の壁」をいかに克服したか**のアーキテクチャや工夫点を紹介します。
🚀 1. ABMM の主な機能と特徴
ABMMは 「Phase 1: 高速MIDIプレビュー」 と 「Phase 2: 本番音声書き出し」 の2段階構成を採用した二段構えの音楽生成パイプラインを備えています。
[ ユーザープロンプト ] ───▶ [ オンラインコード検索 / DBマッチ ]
│
▼
[ Phase 1: MIDI作曲 ]
・コード進行アレンジ & テンション付与
・オクターブ折り返し音域最適化メロディ生成
・セクション別(Verse/Chorus等)トラック出力
│
▼
[ リアルタイム音声プレビュー ]
│
▼
[ Phase 2: 本番書き出し ]
・SoundFont / ニューラルレンダリング
・シームレス無限ループ出力 (WAV / MP3)
・macOS GarageBand 直通連携
✨ 主な特徴
-
自然言語プロンプト + オンラインコード解析
「ビートルズの曲をEDM風に」「Chillhopな作業用BGM」などの指示を受け取ると、オンラインから実際のコード進行を自動取得。無ければLLMが音楽理論に基づき自動生成します。 -
DAW編集に最適化されたセクション別マルチトラックMIDI
生成されるMIDIデータはDist. Guitar - VerseやPick Bass - Chorusのように、楽器 × セクション種別(Intro / Verse / Chorus / Bridge) ごとにトラック分割されます。GarageBandやLogic Pro、Ableton等にドラッグ&ドロップした際の編集効率が劇的に向上します。 -
感覚的な物理パラメータ調整
テンポやキーだけでなく、Brightness(明るさ)、Energy(音量・ダイナミクス)、Density(音数・リミット)スライダーで楽曲のニュアンスを調整可能。 -
GarageBand One-Click 連携 (macOS)
プレビューを聞いて気に入ったら、ボタン一発でGarageBandが立ち上がり、生成されたマルチトラックMIDIが即座に読み込まれます。
🛠 2. 技術スタック
-
GUI / Frontend: Vanilla HTML5 / CSS3 / JavaScript (pywebview)
- ダークモード基調のモダンCSS + WKWebView連携
- Backend Core: Python 3.14
- AI / LLM Integrations: Ollama (ローカルLLM) / Online APIs (Gemini, Claude等)
-
Audio Synthesis / MIDI:
mido,pretty_midi,FluidSynth(SoundFont rendering) - Testing & Quality Assurance: pytest (60以上の自動テスト・デグレ防止スイート)
💡 3. AI作曲でぶつかった「3つの壁」と解決アプローチ
開発プロセスにおいて、特に音楽生成の品質面でいくつかの技術的課題に直面しました。これらをどのように解決したかを紹介します。
解決1: メロディが同じ音に潰れる「音高平坦化(Saturation)問題」
【課題】
MIDI生成時、高音域の飛び出しを防ごうと min(raw_pitch, 84) のような上限クリップを設けたところ、計算された高音(D5, E5, G5等)がすべて最高音の 84 (C6) に押し潰され、どの曲を作っても「C6の一本調子なメロディ」になってしまう現象が発生しました。
【解決策】
単なる上限カットではなく、音楽的なオクターブ折り返しアルゴリズム (fit_pitch_in_range) を導入しました。
def fit_pitch_in_range(pitch: int, min_p: int = 60, max_p: int = 84) -> int:
"""音程差(メロディの起伏・度数)を維持したままオクターブを上下して標準音域に収める"""
while pitch > max_p:
pitch -= 12
while pitch < min_p:
pitch += 12
return pitch
これにより、コード進行の度数・音程差を100%保持したまま、ボーカル・リードギターとして最も聴きやすい音域(C4〜C6)へ自然にマッピングされ、曲ごとに起伏のある美しい旋律が生まれるようになりました。
解決2: DBヒット時にオンラインコード検索が無視される問題
【課題】
「Wonderwall を Nirvana 風に」と入力した際、ローカルDBに「Nirvana = ロック」という定義が存在すると、オンライン検索がスキップされてしまい、Wonderwall本来のコード進行ではなくDB固定コードにすり替わってしまう問題がありました。
【解決策】
処理フローを整理し、「DBマッチはスタイルのヒントとして活用しつつ、オンラインコード検索を常に並行実行して曲本来のコードを優先反映する」 ロジックへ改修。さらに、取得した大量のコードを重複除去・セクション分割(Verse/Chorus)することで、曲のコード進行とアレンジスタイルの完全な両立を実現しました。
解決3: pywebview / WKWebView における再描画バグ・キャッシュ問題
【課題】
macOS上のpywebview (WKWebView) 環境において、CSSの .hidden クラス切り替えによるUI表示変更が発火しなかったり、静的ファイルの強力なキャッシュによって変更が反映されないトラブルが発生しました。
【解決策】
-
クラス操作からインライン制御へ移行:
exportCard.style.display = "flex"の直接書き換えに切り替え。 -
右パネルのスクロール対応:
.panelにoverflow-y: autoを付与し、はみ出たカードを確実に描画・スクロール可能に。 -
キャッシュバスターの導入:
style.css?v=6やapp.js?v=6のようにクエリパラメータを付与してキャッシュを無効化。
🎵 4. まとめと今後の展望
ABMMは、単に「AIが曲を作る」だけでなく、「人間のクリエイターがDAWで二次利用・編曲しやすい形で出力する」 という実践的なワークフローを重視して設計されています。
今後は、ニューラル音声合成(HQ Neural Renderer)のさらなる高速化や、ユーザーごとのプリセット共有機能の拡充を進めていく予定です。