生成パイプライン

MIDI Sketchのステップバイステップの音楽生成プロセスを解説します。

音楽理論が初めての方へ

このパイプラインは、Aメロ・Bメロ・サビといったセクションを楽曲フォームへ組み立てます。その語彙が馴染みなければ、コースの楽曲構成の章が再生できる譜例付きで先に解説します。

パイプライン概要

MIDI Sketchはコンポジションスタイルとユースケースに応じて複数の生成ワークフローをサポートしています。

ボーカル先行ワークフロー

反復的なボーカル調整用：

ボーカル先行を使うタイミング

メロディの品質が重要な場合にこのワークフローを使用します。regenerateVocal()で満足するまで何度でもボーカルを反復し、その後に伴奏を確定できます。

伴奏を確定する段階では、ボーカル以外の全トラック — Aux・Bass・Chord・Drums・Arpeggio・Motif・SE・Guitar — をいったん消去し、ボーカルを固定したままパラダイム順で作り直します。ただし RhythmSync パラダイムでは Motif は消去せずに保持します。ボーカルはその Motif を座標軸として書かれているためです。その後、新しい伴奏との衝突を解消するボーカルのリファインパスが最大 2 回走り、修正すべき点がなくなった時点で打ち切られます。

BGM専用モード

BackgroundMotifとSynthDrivenコンポジションスタイルでは、ボーカル生成を常にスキップします。BackgroundMotifでは、Traditional / MelodyDrivenパラダイムならボーカルを参照せずにAuxをMotifより先に動かします。RhythmSyncではVocalがなくてもMotifがAuxより先です。SynthDrivenはAuxもスキップします：

CompositionStyleによる分岐

スタイル	主要トラック	ボーカル	Aux	生成順序
MelodyLead	ボーカル	あり	あり	Vocal → Aux → Motif（条件付き）→ Bass → Chord → Guitar → Arpeggio → Drums → SE
BackgroundMotif	モチーフ	なし	あり	Aux → Motif* → Bass → Chord → Guitar → Arpeggio → Drums → SE
SynthDriven	アルペジオ	なし	なし	Motif → Bass → Chord → Guitar → Arpeggio（arpeggioEnabled が必要）→ Drums → SE

* BackgroundMotifはTraditional/MelodyDrivenではAux → Motif、RhythmSyncではMotif → Auxです。

生成パラダイム

生成順序を決めるのは Blueprint のパラダイムだけです。コンポジションスタイルは、その順序からどのトラックが脱落するかだけを決めます。

• Traditional / MelodyDriven: Vocal → Aux → Motif → Bass → Chord → Guitar → Arpeggio → Drums → SE
• RhythmSync: Motif → Vocal → Aux → Bass → Chord → Guitar → Arpeggio → Drums → SE

つまり上の表は、Traditional / MelodyDrivenの並びからスキップされるトラックを取り除いたものです。BackgroundMotifはこれらのパラダイムではVocalが抜けるためAuxが先頭になり、RhythmSyncではMotifがAuxより先に残ります。SynthDrivenはVocalとAuxの両方が抜けます。MotifはBackgroundMotifとSynthDrivenでは必ず生成され、スキップされうるのはMelodyLeadだけです。Arpeggioが自動的に有効になることはなく、コンポジションスタイルを問わずarpeggioEnabled=trueのときだけ現れます。

フェーズ1: 構造構築

生成器は、目標再生時間、明示的なフォーム、Blueprintのセクションフロー、またはStructurePatternから楽曲構造を選びます。その後、コールセクションの挿入、Blueprintのスロット属性の適用、Behavioral Loopの終了パターン、エナジーカーブ（GradualBuild、FrontLoaded、WavePattern、SteadyState）の適用を行い、楽曲全体のダイナミクスアークを整えます。

構造パターン

パターン	小節数	セクション
StandardPop	24	A(8)-B(8)-Chorus(8)
BuildUp	28	Intro(4)-A(8)-B(8)-Chorus(8)
DirectChorus	16	A(8)-Chorus(8)
RepeatChorus	32	A(8)-B(8)-Chorus(8)-Chorus(8)
FullPop	56	Intro-A-B-Chorus-A-B-Chorus-Outro
FullWithBridge	48	Intro-A-B-Chorus-Bridge-Chorus-Outro
Ballad	60	Intro(8)-A-B-Chorus-Interlude-B-Chorus-Outro
ExtendedFull	88	拡張セクション付きフル形式

セクションタイプ

各セクションは生成に影響するプロパティを持つ：

struct Section {
    SectionType type;         // Intro, A, B, Chorus, Bridge, Interlude, Outro, Chant, MixBreak, Drop
    uint8_t bars;             // 小節数
    VocalDensity vocal_density;    // Full, Sparse, None
    BackingDensity backing_density; // Normal, Thin, Thick
};

フェーズ2: トラック生成

ボーカルトラック（MelodyLeadのみ）

フレーズキャッシュとテンプレート駆動設計を持つ最も複雑な生成器。メロディオーバーライドが指定されている場合、最大跳躍幅、シンコペーション確率、フレーズ長、長音符比率、サビの音域シフト、フック繰り返し、リーディングトーンの振る舞いなどのパラメータがテンプレートのデフォルトより優先されます：

メロディテンプレート:

テンプレート	特徴
Auto	スタイルとセクションに基づいて自動選択
PlateauTalk	トーク的で音域の狭いポップ
RunUpTarget	アニメ系ハイエナジー／ドラマチックポップ：ターゲットノートへ駆け上がる
DownResolve	Bメロ・プリコーラス：下降解決
HookRepeat	ショート尺・K-POP：短い繰り返しフック
SparseAnchor	まばらで音を伸ばすバラード的なフレージング
CallResponse	デュエット：コール＆レスポンス
JumpAccent	感情のピーク：ジャンプアクセント

自動テンプレート選択

melodyTemplate=Auto の場合、テンプレートはスタイル × セクションのオーバーライド表を引き、該当がなければセクション既定へフォールバックする形でセクションごとに解決されます。例えば Anime スタイルにはサビのオーバーライドがないため、セクション既定の HookRepeat が必ず使われます。サビで JumpAccent になるのは Rock と PowerfulShout です。

ボーカルアティチュード:

アティチュード	特徴
Clean	コードトーンのみ、オンビートリズム
Expressive	遅延解決のテンション、微妙なタイミング変動
Raw	非コードトーン、フレーズ境界の破壊

アティチュードは完成したメロディに後からかけるパスではありません。各音のピッチを選ぶ時点で読まれ、そもそも候補になるピッチクラスを決めます。Clean はコードトーンのみに絞り、Expressive はそれを支えられる長さの音に 7th・9th・11th を加え、Raw はスケール全体を開放します。8 分音符より短い音はいずれの場合も Clean として扱われます。後段で適用されるのは表現の深さ — しゃくり、フォール、ビブラート、ポルタメントの量 — だけです。

アティチュード制限

全てのアティチュードが全てのスタイルプリセットで使用できるわけではありません。midisketch_style_preset_allowed_attitudes()で許可されているアティチュードを確認してください。サポートされていないアティチュードを指定するとバリデーションエラーになります。

Auxトラック

副旋律のサポートを生成します。ボーカルがある場合はボーカルに適応します。BackgroundMotifではTraditional/MelodyDrivenならボーカルを参照せずにAuxをMotifより先に動かし、RhythmSyncならMotifをAuxより先に保ちます。SynthDrivenではAuxをスキップします：

Aux機能:

機能	目的
PulseLoop	中毒性のある反復パターン
TargetHint	メロディの目標地点を示唆
GrooveAccent	フィジカルグルーブアクセント
PhraseTail	フレーズ終端フィル
EmotionalPad	エモーショナルパッド/フロア
Unison	ボーカルユニゾンダブリング
MelodicHook	メロディックフックリフ
MotifCounter	カウンターメロディ（反進行）
SustainPad	全音符コードトーンパッド

どのセクションでどの機能が動くかは、生成時にメロディから選ばれるのではなく、Blueprint の aux profile があらかじめ指定します — イントロは intro_function、A・B・ブリッジは verse_function、サビは chorus_function です。これを上書きするケースが 3 つあります。イントロはキャッシュされたサビモチーフのエコーを置き、aux 機能自体を走らせない場合があります。サビでは UltraVocaloid かつボーカル密度が Full のとき GrooveAccent が強制されます。そしてサビの Unison は、ボーカルのリズムが安定せずきれいに重ねられない場合に MelodicHook へ格下げされます。

音域と密度はボーカルのテシトゥーラを基準にセクションごとに決まり、詰まるのはサビのほうです：

セクション	ボーカル中心からのオフセット	密度
Intro	0（幅 6 半音）	1.0 倍
A / B / Bridge	-12（1 オクターブ下）	0.8 倍
Chorus（パッド系機能）	-12	0.8 倍
Chorus（リズム系機能）	-6	0.95 倍

つまり A・B・ブリッジではボーカルの 1 オクターブ下に構えて音数を減らし、リズム系のサビ Aux はボーカル中心から 3 全音（6 半音）以内まで上がって密度も上げます。音域はこの中心から絶対半音幅で取られ、Aux レンジの G3-C6 にクランプされたうえ、profile の range_ceiling によってボーカル最高音との関係でさらに抑えられます。ベロシティ比率が掛かる基準値は固定の 80 です。ただし Unison とハーモニーラインだけは、ボーカル音自身のベロシティに掛かります。

ベース生成

ベースは和声の基礎を提供し、ボーカルがある場合は適応：

ベースパターン:

ベースシステムは 17 種類のパターンタイプ（BassPattern）をサポートしています。使用するパターンはムードとセクションに基づいて自動選択されるか、Blueprint の SectionSlot 設定で bass_style_hint（0=自動、1-17 は BassPattern+1 にマッピング）を指定してセクションごとに影響を与えることができます。セクションタイプが決めるのはパターンとベロシティであり、ベースをオクターブ単位で移調することはありません。音域が動くのは、ルートをベースレンジ内に収めるときだけです。

ピーク処理はパターン選択の後に行われます。PeakLevel::Mediumでは選ばれたパターンを密度1段階分、PeakLevel::Maxでは2段階分だけ引き上げます。bass_style_hintでベースパターンを明示しても同じ処理が適用され、ヒントはピークによる高密度化を無効にしません。

代表的なパターン：

• WholeNote: 持続するルート、2分音符主体（バラード、イントロ）
• RootFifth: ルートと5度の交替、定番のポップベースライン
• Syncopated: オフビートアクセントでBメロを持ち上げる
• Driving: 8分音符のパルス＋次の小節へのアプローチノート（サビ）
• Walking: 4分音符のスケールウォーク（ジャズ、シティポップ）
• Tresillo / SubBass808 / SlapPop: ジャンル固有（ラテン、トラップ、ファンク）

コード生成

コードボイシングはベースとボーカルと協調：

// ベースが1拍目・3拍目に鳴らすピッチクラスがマスクになり、ボイシング生成器は
// その重複と衝突を避けます（src/track/chord/bass_coordination.h）。
uint16_t bassMask = buildBassPitchMask(song_.bass(), barStart, barEnd);
VoicingType type = selectVoicingType(section, mood, bassHasRoot, rng);
VoicedChord v = selectVoicing(root, chord, prevVoicing, hasPrev, type, bassMask, rng);

ボイスリーディングアルゴリズム:

1. セクションのボイシングタイプ（クローズ、オープン/Drop2、Drop3、スプレッド、ルートレス）から候補を生成
2. 直前のボイシングからの動きをスコアリング（バスとソプラノは内声の 2 倍の重み）
3. 共通音の保持を加点
4. 平行5度・平行8度にムード依存のペナルティを減点（洗練系のムードは厳格に、エネルギッシュ系は寛容に）

ルートレスボイシング

ルートレスボイシングはベースへの自動応答ではなく、時折の色付けです。3つの条件が同時に必要です — ベースがルートを担当していること、洗練系のムード（CityPop / Nostalgic / Dramatic / ModernPop）であること、そして確率判定（Bセクション20%、サビ30%、ブリッジ25%）を通ること。A・Intro・Interlude・Outro は常にクローズボイシングです。ベースが常に影響するのは重複回避のほうで、コードトラックはベースが1拍目・3拍目に鳴らすピッチクラスを避けます。

ギタートラック

専用のMIDIチャンネルに伴奏ギターパターンを生成します。guitarEnabledで制御（JS・C++ ともデフォルトは true）。ギタートラックは Blueprint の guitar_below_vocal 制約（マスキングを避けるためギターボイシングをボーカル音域より下に保つ）と、セクションごとの guitar_style_hint に影響を受けます。コード生成の後に行われ、既存の和声ボイシングを補完します。

セクションごとのギタースタイルは、BlueprintのSectionSlot設定でguitar_style_hint（0-7）を指定して影響を与えることができます。0はムードとエネルギーに基づいて自動選択されます。

一部のムードは意図的にギターを持ちません（EnergeticDance・Sentimental・Chill・DarkPop・Dramatic・ModernPop・ElectroPop・Synthwave・FutureBass・Trap）。これらのムードでは guitarEnabled: true でもギタートラックは生成されません。

ドラム生成

ドラムパターンはムードに基づいて選択：

スタイル	特徴	使用ムード
Sparse	ハーフタイム、ミニマル	EmotionalPop, Chill, Ballad, Lofi
Standard	8分ハイハット、2&4スネア	StraightPop, Sentimental, Nostalgic, CityPop, RnBNeoSoul
FourOnFloor	4つ打ちキック	EnergeticDance, DarkPop, ElectroPop
Upbeat	シンコペーション、推進力	BrightUpbeat, MidPop, ModernPop, IdolPop, Anthem
Rock	ライドシンバル、クラッシュアクセント	LightRock, Dramatic
Synth	タイトな16分ハイハット	AnimeHighEnergy, Synthwave, FutureBass
Trap	3拍目のハーフタイムスネア、ハイハットロール	Trap
Latin	デンボウのキック＆スネア	LatinPop

Blueprintにはユークリッド分岐を選ぶ際にドラム生成器がサンプリングするeuclidean_drums_percentフィールドがあります。ただしBlueprintのフィールド計上では現在 UnprovenLiveness に分類されており、可聴な効果は保証されません。確実な調整用コントロールではなく予約フィールドとして扱ってください。一方、セクションごとのdrum_role（Full、Ambient、Minimal、FXOnly）はアレンジメント全体のドラム挙動を実際に変えます。

フィル生成:

• タムの下降/上昇パターン
• スネアロール
• セクション遷移でのコンビネーションフィル

DramaticまたはDrumHitのサビドロップでは、最後のドロップ区間でキットも短縮されます。その短縮でエントリークラッシュが失われた場合、後処理が次のセクション境界にクラッシュを復元するため、サビの到着マーカーが残ります。

モチーフトラック

BackgroundMotifでは主旋律要素になりますが、SynthDriven、RhythmSyncパラダイム、Blueprintのsection flowが要求する場合にも生成されます。BackgroundMotifでVocalが背景レイヤーになることはなく、Vocal自体がスキップされます。モチーフオーバーライドが指定されている場合、モチーフ長（0=自動、1/2/4小節）、音数（0=自動、3-8）、モーション（APIでは0-5、Ostinatoを含む）、レジスター（0=自動、1=低、2=高）、リズム密度（0=Sparse、1=Medium、2=Driving）などのパラメータがスタイルのデフォルトより優先されます：

MotifParams params {
    .length = MotifLength::Bars2,              // Bars1・Bars2・Bars4
    .rhythm_density = MotifRhythmDensity::Medium,
    .motion = MotifMotion::Stepwise,           // 0=Stepwise .. 5=Ostinato
    .repeat_scope = MotifRepeatScope::FullSong // FullSong または Section
};

アルペジオトラック

コンポジションスタイルを問わず arpeggioEnabled=true なら生成されます。SynthDriven ではこれが主役になります。

ArpeggioParams params {
    .pattern = ArpeggioPattern::Auto,   // 255 = ムード既定のパターンを使用
    .speed = ArpeggioSpeed::Auto,       // 255 = スタイル既定の速度を使用
    .octave_range = 2,                  // 1-3
    .gate = -1.0f,                      // ノート長比率。-1 はスタイル既定
    .base_velocity = 90
};

SEトラック

セクションマーカーとサウンドエフェクトキューを生成：

• セクション境界マーカー（テキストイベント）
• コールタイミングヒント（callSetting でコールがアクティブな時）
• イントロチャントマーカー

フェーズ3: 仕上げ

トランジション・ダイナミクス

エネルギー遷移を自動適用：

トランジション・ダイナミクスが見ているのはセクションごとの整数のエネルギーレベルです — Intro 1、A 2、B 3、Chorus 4、Bridge 2、Interlude 1、Outro 2、Chant 1、MixBreak 4、Drop 4。隣り合うセクションのレベルが同じ場合は何も起きません。サビの次がまたサビであれば、そこは段上がりせずフラットなままです。特別扱いされるのは B からサビへの遷移だけで、セクション全体を一度抑えてからクレッシェンドします。それ以外の組み合わせでは最終小節だけにランプがかかります。

セクションエネルギー倍率:

トランジションのランプとは別に、各セクションは生成時点でノートのベロシティを次の倍率でスケールします：

セクション	倍率
Chant	0.55
Intro / A / Bridge / Interlude	0.70
Outro	0.75
B	0.85
Chorus / MixBreak / Drop	1.10

ヒューマナイズ

タイミングとベロシティに自然な揺らぎを追加：

void applyHumanization(Song& song, float intensity) {
    // タイミング: ドラムとベースにマイクロオフセット
    // ベロシティ: ピッチトラックにランダム ±値（ドラムは対象外）
}

ヒューマナイズが実際に触れる対象

ベロシティのヒューマナイズはピッチトラック（vocal, chord, bass, motif, arpeggio, aux, guitar）に適用され、ドラムには適用されません。マイクロタイミングは逆で、グルーブの「ポケット」を作るためにドラムとベースに適用され、ボーカルは意図的にグリッド上に残されます。マイクロタイミングは humanize に連動しません — driveFeel が 50 以外ならそれだけで発生します。

トラック横断のボイス制限と最終修正

トラック生成後、max_moving_voicesを持つセクションでは、隣り合う小節間で変化できるピッチトラック数を制限します。Coordinatorは優先度の低い変化中トラックから凍結します。優先度は高い順に Vocal → Guitar → Motif → Aux → Chord → Arpeggio → Bass で、DrumsとSEは上限の対象外です。凍結した小節は直前の小節をコピーして移動し、新しいコードと他トラックに対して再量子化します。コード境界ポリシーによって音が分割・短縮されることがあります。モチーフのフレーズ末尾のカットオフはこのコピー・量子化パスの中で適用され、ピッチ解決後にはギターのレーキ順が弦順と演奏可能な運指になるよう復元されます。

最終のテールゲートは、短い偶発的な重なりを処理します。不協和な重なりが4分音符以内で、残りが32分音符以上、またはすでに短い音の元の7/8以上を残す場合、後から始まる音の開始位置で先行音を短縮します。それより長い重なりや残りが短すぎる場合は通常の衝突ルールに従います。コードを考慮した共通の衝突ルールはハーモニーを参照してください。

RhythmSyncでは、ボーカルを書き換えた後に変更されたVocalとMotifを再登録し、伴奏およびMotifとVocalの不協和を再確認します。この修正がカバーするのは衝突であり、ベースの重複や全音域制約をすべて再検証する第2パスではありません。

MIDI出力

最後に、Song を SMF Type 1 に変換：

トラックマッピング:

トラック	チャンネル	プログラム
Vocal	0	0（ピアノ）
Chord	1	4（エレピ）
Bass	2	33（エレベ）
Motif	3	81（シンセリード）
Arpeggio	4	81（ソウリード）
Aux	5	89（ウォームパッド）
Guitar	6	27（クリーンギター）
Drums	9	GMドラム
SE	15	テキストイベント

上記はトラックごとのフォールバック値です。実際の GM プログラムはムードごとに選択される（getMoodPrograms）ため、聴こえる楽器はムードプリセットによって変わります。

キー移調

全ての生成はCメジャーで行われ、出力時に移調が適用：

uint8_t MidiWriter::transposePitch(uint8_t pitch, Key key) {
    return pitch + static_cast<uint8_t>(key);
}

内部的にCメジャー

全てのメロディロジックはシンプルさのためにCメジャーで動作します。keyパラメータ（0-11）が最終的な移調を決定します：0=C, 1=C#, 2=D など。これにより、コード進行分析やスケール度数ロジックがキー固有の処理を必要としません。

メタデータ埋め込み

生成されたMIDIファイルには再生成用のメタデータが含まれます：

struct MidiMetadata {
    uint32_t seed;
    uint8_t style_preset_id;
    uint8_t chord_progression_id;
    uint8_t form_id;
    uint8_t composition_style;
    uint8_t vocal_attitude;
    uint8_t vocal_style;
    uint8_t melody_template;
    // ... 追加パラメータ
};

これにより、CLIで正確な再現が可能：./midisketch_cli --regenerate song.mid

MIDIからの再生成

MIDI Sketchで生成されたMIDIファイルは、全く同じ出力を再現するために使用できます。埋め込まれたメタデータには全てのパラメータが保存されているため、数週間や数ヶ月後でも簡単に楽曲の作業を再開できます。