
【Suno MCP検証】20本以上のボーカルを重ねた曲をAIに聴かせたら、「情報量が多い」と言い当てられた
私の詳細に関しては、
こちらのページをご覧下さい。
こんにちは、ベーシストのサイファーです。
前回の記事では、Suno公式MCPの導入方法について紹介しました。
今回はその続きとして、「楽曲分析」と「AIによる講評」を実際に試してみたいと思います。
今回の検証に使ったのは、人の歌声が入ったAI楽曲です。
曲名は「サウンドストリーム」。日本語と英語を織り交ぜた男性ボーカルが特徴の、ミクスチャー要素を取り入れたファンクロック曲です。
まずは、今回の検証に使用した音源を聴いてみてください。
▼ 検証に使用した楽曲「サウンドストリーム」

今回の検証で、あらかじめ知っておいてほしいことが2つあります。
ボーカルトラックは20本以上。ハモリやコーラス、アドリブなどを重ねています。
ミックス・マスタリングは私自身が担当し、2週間ほどかけて細部までじっくり検討しながら仕上げました。
こうした制作の裏側は、AIには一切伝えていません。
実際の音源から、どこまで楽曲の特徴を読み取ってくれるのでしょうか。
私自身も、ちょっと楽しみな検証です。
まずは楽曲を解析してみる
最初に試したのは、audio-analysis という機能です。
連携しているMuseには、サウンドストリームを解析してと伝えました!
解析結果は、以下のとおりでした。
BPM:112.2
拍子:4/4
キー:A♭ minor
全447拍
自動タグでは、ジャンルの中で「funk」の確率が最も高く、続いてguitar、bass instrumentなどが検出されました。
ここで少し面白いことがありました。
実は、音源をアップロードした際のスタイル認識では「EDM寄りのダンスポップ」と判定されていたんです。
ただ、実際のこの曲はファンクロックなんですよね。
ジャンルの捉え方には少し違いがあったものの、自動タグではファンクの要素をしっかり拾っていました。
このあたりは、後ほど紹介するAIの講評と合わせて見ると、なかなか興味深いところです。
さらに、歌詞のタイミング情報も取得できました。
全311トークン分のデータが返ってきて、約21秒、約25秒の間奏があることなども確認できます。(歌詞のタイミング情報を311単位分取得)
こうした情報を取得できるのは、MV制作や楽曲編集を考えるうえでも便利ですね。
AIに曲を講評してもらった
続いて、audio-listen を使って楽曲そのものを聴かせ、プロデューサーの視点から率直な講評をお願いしてみました。
すると、こんな回答が返ってきました。
全体として、ファンク/ディスコの跳ねるリズムを軸にした、現代的なシティポップ寄りのダンスポップです。スラップ系のベース、刻むギター、明るいブラス風のアクセントが前に出ていて、夜っぽく華やかな高揚感があります。
先ほどの自動タグと同じく、こちらでもファンクの要素を捉えています。
実際のジャンル名とは少し違うものの、楽曲の中にあるファンクらしいリズムやサウンドは認識しているようですね。
そして、個人的に一番驚いたのがこちらです。
音色やフレーズの情報量は多めです。
後半はボーカルの重ねやアドリブも加わって再び高揚します。
実は、この曲のボーカルトラックは20本以上重なっています。
そのことを一切伝えていないにもかかわらず、「情報量が多い」という印象だけでなく、後半のボーカルの重なりやアドリブにも触れてきました。
これは、なかなか驚きましたね。
さらに、楽曲の強みとして挙げられたのが「ベースとドラムを中心にしたグルーヴ」。
ベーシストとしては、こういう評価をもらえるとうれしいものですね(笑)。特にこだわっている部分なので、できればもっと褒めてほしいところですが(・∀・)
改善点も、なかなか的確でした
もちろん、良い評価ばかりではありません。
改善点についても、率直な指摘がありました。
サビなどで、キックとベースの低域が競り合う箇所がある
ボーカルの強い高音や歯擦音が、ピークで少し鋭く感じられる瞬間がある
特に、2つ目の指摘は自分にとっても勉強になりました。
ボーカルを何本も重ねる場合、歯擦音(サ行などで発生する擦れる音)も、それぞれのトラックに含まれています。
重ねる本数が増えれば、そうした音も積み重なっていくわけですよね。
改めて、複数のボーカルトラックを使う場合は、重ねる前の段階で1本ずつ丁寧に処理しておくことが大切だと感じました。
そして、マスタリングについては、
「クリッピングはなく、音量感とダイナミクスは安定しています」
という評価でした。
今回の音源は、私自身が2週間ほどかけて細部まで確認しながら仕上げたものです。
以前、自分でマスタリングした別の楽曲では、「ピークがかなり上限に近い」と指摘されたこともあります。
今回は、そうした別の音源とは異なる評価が返ってきたわけですが、仕上がりの違いがどのように音に表れているのか、改めて考えるきっかけにもなりました。
もちろん、AIの評価だけでマスタリングの良し悪しを判断できるわけではありません。
それでも、音源の仕上がりについて具体的なコメントが返ってくるのは、興味深いですね。
AIの講評は、制作のヒントになる
今回試してみて感じたのは、AIによる楽曲講評が、単にジャンルや雰囲気を説明するだけではないということです。
ボーカルの重なりやアレンジ、リズム、低域のバランスなど、実際の音を聴いたうえで、かなり具体的な指摘を返してくれました。
もちろん、AIの講評がすべて正しいとは限りません。
今回も、楽曲のジャンルについては実際の認識と少し違う部分がありました。
最終的に判断するのは、やはり自分の耳です。
ただ、自分では気づかなかった部分を指摘してくれたり、普段とは違う視点から楽曲を見直すきっかけになったりするのは、大きなメリットだと思います。
楽曲制作をしていると、どうしても自分の耳だけで判断しがちなんですよね。
そんなときに、もうひとつの視点としてAIを活用できる。
これは、なかなか心強いことだと感じました。
今後もSuno MCPでできることを実際に試しながら、音楽制作にどう活かせるのか、ひとつずつ紹介していきたいと思います。
Suno MCPに興味がある方は、ぜひMuseとの連携を試してみてください!
サイファーの活動について
現在はフリーランスとして物販を中心に活動しながら、AIを活用した音楽制作や情報発信にも取り組んでいます。
現役ベーシストとしての音楽経験を活かし、AIによる楽曲制作からアレンジ、ミックス、そして人間の歌声を取り入れた作品づくりまで、幅広く音楽と向き合っています。
このnoteでは、AI音楽の最新情報や制作ノウハウ、実際に試した検証内容、日々の音楽活動を通じて得た気づきなどを発信しています。
音楽制作・サービスのご案内
■ 歌入れサービス
AIで制作した楽曲に、人のシンガーによる歌声を加えてみませんか?
楽曲の雰囲気やイメージに合わせた歌唱を取り入れ、AIで生まれた楽曲をさらに魅力的な作品へと仕上げるお手伝いをしています。
AI音楽制作のコンテンツ
■ AI音楽制作ノウハウ
Suno AIを中心に、楽曲制作の基本からクオリティアップのための考え方まで、実践的な内容をまとめています。
■ ゼロから学べる!AI音楽制作の完全攻略ロードマップ
音楽の基礎知識からAIを活用した作曲、楽曲の完成度を高めるための工程まで、体系的に学びたい方はこちら。
■ メンバーシップ「サイファーのAI音楽クリニック」
記事では紹介しきれない制作の裏側や検証内容、楽曲のブラッシュアップに関する情報などを発信しています。
AI音楽は、ツールの進化とともにできることが増え続けています。
だからこそ、単に新しい機能を追いかけるだけでなく、実際に音を聴き、自分なりの判断軸を持つことも大切だと考えています。
私自身も、現役のバンド活動や楽曲制作を通じて、日々試行錯誤を続けています。
このnoteの記事や楽曲が気に入っていただけたら、スキ・フォロー・コメントなどで応援していただけるとうれしいです。
音楽制作に関するご相談やご依頼も、お気軽にお問い合わせください。
これからも、音楽を楽しみながら一緒に探求していきましょう!