NC AIは9月2日、自然言語でサウンドを生成・編集できる生成AIオーディオプラットフォーム「VARCO Sound」の正式版を提供開始した。新たに「サウンドエージェント」を搭載し、動画解析に基づくマルチトラック出力や自動音量調整機能も加えた。

VARCO Soundは、ゲームや映像、アニメーションなどのコンテンツ制作に必要な音をAIで生成・編集するサービス。1月のベータ版公開後、オーディオ生成性能の改善を進めるとともに、制作会社やサウンドデザイナーの意見を反映して機能拡張を続けてきた。

正式版では、自然言語の指示でサウンド生成・編集ツールを操作できる「サウンドエージェント」を新たに搭載した。ユーザーがテキストで作業内容を入力すると、AIが意図を解析し、必要な機能を自動で実行する。

既に生成したオーディオの変形機能も強化した。「より金属的に」「重厚に」といったイメージをテキストで指定できるほか、参考音源を基に新たなサウンドを生成することもできる。

動画解析に基づくサウンド生成機能も高度化した。入力した動画の動きや状況をAIが分析し、フォーリー（Foley）やサウンドエフェクト（SFX）、アンビエンスなど複数の要素を生成する。生成した音は単一ファイルではなく、要素ごとに分けたマルチトラックで出力でき、必要なトラックの選択や差し替えにも対応する。

複数トラックの音量バランスをAIが自動で調整する「自動ボリュームミキシング」も追加した。オーディオの生成可能時間は最大20秒から60秒に拡大した。今後は最大120秒の動画入力に対応する予定だ。

既存の制作環境との連携に向け、専用デスクトップアプリケーションとUnityプラグインも同時に提供開始した。デスクトップアプリで作成したオーディオアセットは、ドラッグ＆ドロップでデジタル・オーディオ・ワークステーション（DAW）へ移行できる。

Unityプラグインでは、ゲーム開発者がエンジン内でテキストや画像を入力し、サウンドを生成・編集したうえでプロジェクトに適用できる。

NC AIの代表は「VARCO Soundの正式版は、クリエイターの制作フローを妨げることなく効率を高める、実務向けAIプラットフォームへと進化した」と述べた。そのうえで、「今後も技術の高度化とプラットフォーム連携を継続していく」とした。