AIが音楽を聴いて分析、SRT歌詞字幕と再現プロンプト生成までできるようになりました

SunoやUdioを使うようになり、以前から

「生成AIが音楽を聴いて分析して、再現プロンプトまで生成できるようになればいいのになー」
「ついでにSRT形式の歌詞字幕も自動生成してダウンロードできたらいいなー」

と思ってたんですが、とうとうその日が来てしまいました。
とうとうAIが「音楽用の耳」を持つに至りました。

AIが音楽を「聴いて評価する」日がやってきた！

Gemini 2.5 Pro Previewなら、アップロードした音楽のジャンルやスタイル、テンポ、使用楽器なんかを分析できるようになりました。
さらにSRT字幕の自動生成もイケます！
（YouTubeにそのままアップロードできます）

やりかたは簡単。

1️⃣ Google Geminiにアクセス（Google AI Studio）が確実です。

2️⃣ 音楽ファイルをアップロードする

3️⃣ 次のようなプロンプトを実行する。

これだけ。

※ プロンプト作成部分はザックリなので、ここをSunoやUdioにマッチしたフォーマットに落とし込むようにすればなお良いでしょう。

あとはGeminiが曲を分析して評価し、音楽としての良し悪しまで評価してから、詳細なレポートを作成してくれますよ。

「こんな曲を自分でも生成したいな！」

と思ったら、Gemini に聴かせて分析し、プロンプト化させればいいだけです。
AI音楽の作成手法も新たなステージに入りましたね！
（なお、他者が著作権を持つ楽曲の分析は慎重に）

分析結果例

この分析対象の曲は、私がYouTudeで公開しているエスペラント語のボーカル曲です。

こちらはアコースティックギターのソロ曲。

YouTubeにアップロードできる歌詞字幕を生成しよう！

楽曲データといっしょに、SunoやUdioで曲生成するときに入力した歌詞をGeminiに与えてやるだけです。今回はファイルとしてアップロードしました。

歌詞字幕生成をおこなった曲はこちらで公開しているSunoで生成したアニソン風の曲。
（この動画は架空のアニメOP風なので、映像も贅沢に動きます！）

プロンプトは

です。実行結果が👇️
2枚分のスクショですが、見事にSRT形式で貸字幕が生成されました。
ここから英語版なんかも「英語版に変換して」とやれば簡単にできます。
おそらくローマ字版も「ヘボン式のローマ字版に」とやればイケるでしょう。

AIボーカル曲のミュージックビデオがさらに作りやすくなった、新たな世界の到来です。

というわけで、私もAI音楽チャンネルやってますので、よければぜひチャンネル登録もお願いします！

また、AI音楽チャンネルの登録者数を着実に伸ばしたいかたは、こちらの記事もおすすめです（有料ですが再現性と実効性あります！）