> ## Documentation Index
> Fetch the complete documentation index at: https://docs.comfy.org/llms.txt
> Use this file to discover all available pages before exploring further.

# ComfyUI の Pika Music と Pika SFX: AI 楽曲とサウンドエフェクト

> ComfyUI の Pika Music と Pika SFX ノードで、スタイルプロンプトと歌詞から楽曲全体を生成し、既存のトラックをカバーし、1〜20 秒のサウンドエフェクトを作成します。

Pika のオーディオノードは、ローカル GPU なしでテキストの説明から完成したオーディオを作り出します。**Pika Music** はスタイルプロンプトと任意の歌詞から、10〜360 秒の範囲で選んだ長さの楽曲を書き出し、アップロードしたトラックをその曲本来の長さでカバーすることもできます。**Pika SFX** は 1〜20 秒の単一のサウンドエフェクトを返し、フォーリー、UI の効果音、ライザー、トレーラーのヒット音に使えます。

どちらのノードも重みをダウンロードしません。出力は `AUDIO` 1 本だけで、Comfy アカウント上で実行され、生成されたオーディオの秒数に応じてクレジットで課金されます。

**このノードで作れるもの**

* 動画編集の尺にそのまま合わせた楽曲、ジングル、インストゥルメンタルの下地用トラック
* 書き上げた歌詞を歌にすること。言葉を変えずにスタイルだけ差し替えられます
* 手持ちのトラックの作り直し: ジャンルもテンポも変えて、下にあるのは同じ曲
* 完成した映像のためのフォーリー、インパクト、ホイッシュ、ルームトーン、ゲームイベント用の効果音

> [!TIP]
>
> APIノードを使用するには、正しくログインしていることと、許可されたネットワーク環境で使用していることを確認する必要があります。APIノードの使用に必要な具体的な要件については、ドキュメントの「[APIノードの概要](https://docs.comfy.org/ja/tutorials/partner-nodes/overview.md)」セクションをご参照ください。

> [!TIP]
>
> > [tab] ローカルユーザー
> >
> > ComfyUI が最新版に更新されていることを確認してください。
> >
> > * [ComfyUI のダウンロード](https://www.comfy.org/download)
> > * [更新手順](https://docs.comfy.org/ja/installation/update_comfyui.md)
> >
> > このガイドで紹介するワークフローは、[ワークフローテンプレート](https://docs.comfy.org/ja/interface/features/template.md)から入手できます。
> > テンプレート内に該当のワークフローが見つからない場合、ComfyUI のバージョンが古くなっている可能性があります。
> >
> > ワークフローを読み込んだ際にノードが欠落している場合の考えられる原因：
> >
> > 1. 最新の ComfyUI（Nightly 版）を使用していない
> > 2. 起動時に一部のノードのインポートに失敗している
>
> > [tab] クラウドユーザー
> >
> > * [Cloud](https://cloud.comfy.org) は、ComfyUI の安定版リリース後に更新されます。
> >
> > したがって、このドキュメントでコアノードが見つからない場合、それは新しいコアノードがまだ最新の安定版にリリースされていない可能性があります。次回の安定版リリースをお待ちください。

## はじめに

1. ComfyUI を 0.45.0 以降に更新します
2. テンプレートライブラリで `Pika Music` または `Pika SFX` を検索します
3. プロンプトを書き、`duration` を設定してワークフローを実行します

## Pika Music: テキストから楽曲へ

アレンジ、雰囲気、楽器編成をプロンプトに書き、ボーカルが必要なら歌詞を加えます。ノードはミックス済みの完成トラックを 1 本返します。

![Pika Music text to music workflow preview](https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/templates/api_pika_music-1.webp)

> [card] [ワークフローをダウンロード](https://github.com/Comfy-Org/workflow_templates/blob/main/templates/api_pika_music.json)
>
> JSON をダウンロードするか、テンプレートライブラリで「Pika Music」を検索してください

1. `Pika Music` ノードで `text to music` を選択します。
2. `prompt` に方向性を書きます。ジャンルと年代、BPM とキー、フックを担う楽器、ボーカルの性格、そして曲がセクションごとにどう進むか。最大 4,000 文字がモデルに届きます。
3. `[Verse]` や `[Chorus]` などのセクションタグ付きの `lyrics` を追加します。インストゥルメンタルにする場合は空のままにします。上限は 8,000 文字です。
4. `duration` を 10〜360 秒の範囲（既定 30）で設定します。`rewrite_prompt` は、プロンプトが数語だけで、まずモデルに展開してほしいときだけオンにします。
5. ワークフローを実行します。`Save Audio (Advanced)` が MP3 を `ComfyUI/output/audio/` に書き出します。

## Pika Music: 曲をカバーする

同じノードのモードを `cover` に切り替えると、新しく書き下ろす代わりに手持ちの曲を作り直せます。オーディオファイルを `source_audio` に接続し、代わりに欲しいアレンジをプロンプトに書きます。別のジャンル、別のテンポ、別のバンドです。

カバーは `duration` を無視します。出力はソースの長さを保ち、5〜360 秒に制限されるため、3 分の素材は 3 分のまま返ります。`lyrics` は引き続き有効で、元の歌詞を残すことも、同じアレンジに新しい歌詞を与えることもできます。

カバーはミックス済みの音源から出発するので、ボーカルと伴奏の分離はモデルの仕事です。センターに定位したリードボーカルとシンプルなアレンジのほうが、密度の高いマスターよりも作り直しに耐えます。

## Pika SFX: テキストからサウンドエフェクトへ

サウンドを 1 行で指定すると、ノードはエフェクトを 1 本返します。Pika は指示に従い、求めていない音声・音楽・背景ノイズを加えないので、余分な下地を剥がさずにそのままタイムラインへ置けます。

![Pika SFX text to sound effect workflow preview](https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/templates/api_pika_sfx-1.webp)

> [card] [ワークフローをダウンロード](https://github.com/Comfy-Org/workflow_templates/blob/main/templates/api_pika_sfx.json)
>
> JSON をダウンロードするか、テンプレートライブラリで「Pika SFX」を検索してください

1. `Pika SFX` のプロンプトにサウンドを書きます。たとえば、古い木の扉が錆びた蝶番でゆっくり軋みながら開き、その後で重い掛け金がカチッと閉まる様子です。
2. `duration` を 1〜20 秒の範囲（既定 5）で設定し、ワークフローを実行します。MP3 は `ComfyUI/output/audio/` に出力されます。

1 回の実行で 44.1 kHz ステレオのエフェクトが 1 本生成されます。連続したサウンドが必要な場合は、サウンドごとにノードを 1 回実行し、タイムライン上に自分で配置してください。Pika SFX は音楽や歌唱を生成しません。それは Pika Music の担当です。

## 楽曲プロンプトの書き方

**ジャンルと年代、BPM とキー、フックを担う楽器、ボーカルの性格、アレンジの展開、ミックスの方向性** の順で組み立てます。4,000 文字すべてがモデルに届くので、具体的な情報は効きますが、形容詞を積み重ねても効きません。

テンプレートの既定プロンプトが、この形の実例です:

```text theme={null}
Slow-burning indie soul ballad at 72 BPM: warm Rhodes electric piano, brushed drums, upright bass and a soft horn section that swells in the chorus. Intimate late-night lounge mood, analog tape saturation, wide stereo reverb.
```

さらにいくつかの出発点:

* `Mainstream dance pop, four-on-the-floor beat at 124 BPM in A minor, bright female lead in an upper-mid register, sidechained warm pads, plucked synth hook, filtered verse lifting into a festival-sized chorus, glossy radio mix.`
* `Sparse solo grand piano at 68 BPM, felt hammers and close mic, rubato intro resolving into a steady left-hand arpeggio, no drums, no vocals.`
* `Cinematic orchestral build at 90 BPM, taiko and low-string ostinato, brass swell around twenty seconds, choir pad underneath, wide trailer mix, instrumental.`
* `Lofi hip hop at 82 BPM, dusty boom-bap drums, vinyl crackle, warm electric piano loop, upright bass, no vocals, loopable.`

結果が変わるポイント:

* **音色だけでなく展開を書く。** `Filtered verse lifting into a full chorus` と書くと曲に進む先ができます。楽器名を長く並べただけだと、静的な音の塊が返りがちです。
* **不要なものを明示する。** `no vocals`、`no ad-libs`、`dry close-mic lead` はいずれも方向性として読まれます。
* **歌い方を指定する。** 音域、性別、ミックス内でのボーカルの前に出方のほうが、楽器を 1 つ足すより曲を変えます。
* **用途に合わせて長さを決める。** 10 秒のステイングと 180 秒のBGMでは必要な方向性が違います。長い曲を作って切るのではなく、必要な長さで生成します。
* **一度に 1 つだけ変える。** プロンプトを編集する間は seed を固定すると、聞こえる違いは自分が加えた変更によるものになります。

## 歌詞とセクションタグ

`lyrics` はプロンプトとは別の入力なので、同じ歌詞のままプロンプトだけを変えて、バラードにもダンスシングルにもロックの演奏にもできます。

* `lyrics` が空のときは、同じ方向性でボーカルのないインストゥルメンタルが返ります。
* タグは構造を決めます。歌う文字ではなく、フレーズの切り方とセクションの境界として読まれます。`[Verse]`、`[Pre-Chorus]`、`[Chorus]` でほとんどの曲は足ります。繰り返しや終わりを指定するときは `[Verse 2]`、`[Bridge]`、`[Final Chorus]` を加えます。
* 歌詞は 1 行に 1 フレーズ。モデルは改行を区切りとしてフレーズを作ります。

```text theme={null}
[Verse]
Streetlights hum on the empty avenue
I keep the radio low and the windows down
[Pre-Chorus]
Every red light is a chance to turn around
[Chorus]
I'm not lost, I'm just taking the long way home
```

## サウンドエフェクトのプロンプトの書き方

1 行に 4 つを入れます: **素材は何か、それに何が起きるか、どんな空間か、マイクがどれだけ近いか**。強度は最後です。形容詞を並べるより、近くて乾いた描写のほうがよく伝わります。

| 目的 | プロンプト |
| - | - |
| フォーリー: 扉 | `Old timber door creaks open slowly on rusty hinges, then a heavy latch clicks shut, close perspective, dry, no music, no voices` |
| UI の効果音 | `Short bright digital blip, one hundred milliseconds, clean tone, no reverb` |
| トレーラーのインパクト | `Deep sub-bass impact with a metal debris tail, close and heavy, wide stereo, cinematic` |
| 群衆の環境音 | `Reverberant stadium crowd cheering, chants and claps, steady bed with no music` |
| ライザー | `Rising noise sweep with a pitch climb across eight seconds, tension building to a hard stop` |
| 機械のディテール | `Close-up foley inside an antique mechanical clock, steady pendulum tick-tock, tiny brass gears turning, escapement clicking` |

* **1 回につき 1 イベント。** 扉が開いて掛け金が閉まるのは、その順番で設定した長さの中に収まるときだけ、同じプロンプトに書けます。
* **台詞の下に敷くなら `no music, no voices`。** 生成物がきれいに残ります。
* **長さはイベントに合わせる。** クリック音は 1 秒で足りますが、ライザーはカット前の間を埋める必要があります。
* **複数試す。** 新しい seed で再実行し、素材、空間、強度の順に 1 つずつ変えます。

## 長さ、制限、クレジット

| 制限 | Pika Music | Pika SFX |
| - | - | - |
| プロンプト | 1〜4,000 文字 | 1〜4,000 文字 |
| 歌詞 | 任意、最大 8,000 文字 | 非対応 |
| 長さ | 10〜360 秒、既定 30 | 1〜20 秒、既定 5 |
| カバーの長さ | `source_audio` に従い、5〜360 秒に制限 | 非対応 |
| 出力 | ステレオのトラック 1 本 | 44.1 kHz ステレオのエフェクト 1 本 |

どちらのノードも生成されたオーディオの秒数でクレジット課金されるため、10 秒のステイングは 3 分の曲のごく一部の費用で済みます。現在のレートは [パートナーノードの料金](https://docs.comfy.org/ja/tutorials/partner-nodes/pricing.md) を参照してください。

`rewrite_prompt` をオフにした状態では、同じプロンプト、歌詞、長さ、seed で同じ結果が再現されます。`rewrite_prompt` をオンにすると生成前にモデルがプロンプトを書き換えるため、seed だけでは出力を固定できません。再現性のあるワークフローが必要なときはオフのままにしてください。どちらのノードも `seed` の既定は 42 なので、プロンプトを編集する間はそのままにし、同じ方向の別テイクを聴きたいときだけ変えます。

## 出力と保存

どちらのノードも `AUDIO` を出力し、テンプレートは `Save Audio (Advanced)` で保存します。ファイル名のプレフィックスは `audio/Pika_Music` または `audio/Pika_SFX`、形式は `mp3` で品質 `V0`、保存先は `ComfyUI/output/audio/` です。マスターや再編集用のロスレスが必要なら、形式を `flac` に切り替えます。

出力は通常のオーディオストリームなので、グラフの他のノードとそのまま組み合わせられます:

* `Create Video` に接続して、一連のフレームにトラックを付けられます
* ヒットごとに `Pika SFX` を 1 回ずつ実行し、編集ソフトで重ねます。1 回の実行でエフェクトは 1 本だけです
* タイムライン上で長い曲を切るのではなく、トラックの長さをカットの尺に合わせて設定します

## どの Pika オーディオノードを使うか

| ノード | 入力 | 出力 | 使う場面 |
| - | - | - | - |
| **Pika Music** | プロンプト、歌詞、任意の元曲 | 10〜360 秒の楽曲 | 音楽が必要なとき: 下地、ジングル、歌、カバー |
| **Pika SFX** | プロンプト | 1〜20 秒のエフェクト 1 本 | 説明から特定の 1 つの音がほしいとき |
| **Pika Soundtrack** | ビデオ、任意の指示 | クリップのオーディオを同期したサウンドトラックに置き換え | 音が映像に合わせる必要があるとき。最大 10 分 |

画面上の動きに合わせて音を鳴らしたい場合は、映像側の経路を使います: [Pika H3 Flex ページの Pika Soundtrack](https://docs.comfy.org/ja/tutorials/partner-nodes/pika/pika-h3-flex.md)。説明ではなくクリップを読み取ります。

## 関連ページ

* [Pika H3 Flex](https://docs.comfy.org/ja/tutorials/partner-nodes/pika/pika-h3-flex.md): 同期したオーディオ付きのビデオ生成
* [Mirelo SFX 2.0](https://docs.comfy.org/ja/tutorials/partner-nodes/mirelo/mirelo-sfx.md): クリップに合わせたフォーリーと、テキストから SFX
* [ACE-Step 1.5](https://docs.comfy.org/ja/tutorials/audio/ace-step/ace-step-v1-5.md): ローカルの GPU で動くオープンウェイトの楽曲モデル
* [パートナーノードの料金](https://docs.comfy.org/ja/tutorials/partner-nodes/pricing.md) と [同時実行の制限](https://docs.comfy.org/ja/tutorials/partner-nodes/concurrency-limits.md)


This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.