剣を振る音に隠された3つのサウンドレイヤー — ゲーム効果音制作の分解ガイド
なぜ自分が作った剣の音は「プラスチック棒」のように聞こえるのか?
自作した剣の振り効果音をゲームに乗せた瞬間、どこか「ピン」と軽い音が漏れて戸惑った経験はありませんか。無料サイトでダウンロードしたサンプルをそのままトリガーに設定しても結果は大きく変わりません。キャラクターは重厚な両手剣を振り回しているのに、耳に入ってくる音はおもちゃの刀に近いのです。
多くの方がまさにこの地点で行き詰まります。「エフェクトライブラリから sword_swing_01.wav を一つ持ってきてトリガーに設定すれば終わりじゃないか?」とお考えなら、その前提こそが問題の出発点です。GDCセッションやサウンドデザイナーの公開記事を通じて共有されている実務慣行を見ると、商用ゲームの剣の音はほとんどが複数の短いオーディオクリップを時間軸上に配置して合成した結果物です。一つのファイルのように聞こえますが、内部には通常3個以上、複雑な場合は10個近いレイヤーが重なっています。
この記事では、剣の効果音を構成する最も基本的な3層構造 — 振り(Swoosh)・インパクト(Impact)・テール(Tail) — を分解してお見せします。家にある傘と無料ソフトウェアだけで、最初の「重厚な剣の音」プロトタイプを手にできるよう段階別に整理しました。
ゲーム効果音制作は魔法ではなく分解と再組立の工学です。一度構造を身につければ、剣だけでなく銃・足音・UIクリック音にも同じ考え方をそのまま転用できます。
💡 実践Tips: 本文を読む前に、好きなアクションゲームを起動して、ヘッドフォンで剣を振る音だけに集中して聴いてみてください。一度だけでなく三回繰り返し聴取しながら、(1) 最初の100ms (2) 真ん中 (3) 消えていく終わりの部分を分離して聴くと、その後の説明がはるかに早く頭に入ってきます。
一つの効果音が3つのレイヤーに分かれる理由
人間の聴覚はサウンドを「時間区間」に分けて聴く
耳は一塊の音を受け取っても、脳はそれを開始-持続-終了の段階に自動分解して認知します。この時間構造を説明するときにサウンドデザインでよく使われるツールがADSRエンベロープ(Attack-Decay-Sustain-Release、アタック-ディケイ-サスティン-リリース)です。アタックは音が始まる0~数十ミリ秒の急激な上昇区間、ディケイはその次に一時的に落ち着く区間、サスティンは一定に維持される本体、リリースは消えていくテール部分です。
剣の音も同じ構造に従います。振りはアタック前段階の「準備動作」のように聞こえ、インパクトはアタックの頂点であり、テールはリリースに該当します。一つの単一サンプルでこれらすべての区間を表現しようとすると、どこかの区間は必ず貧弱になります。振りに適した周波数帯域とインパクトに適した帯域がそれぞれ異なるためです。振りは概して高域の空気ノイズ領域で輝き、インパクトは低域で重量を得ます。
だからプロのサウンドデザイナーは一つのソースで全帯域を満たそうとしません。 各区間を担当する別々のソースを個別に録音または合成し、時間軸上に重ねて配置します。これがレイヤリング(Layering)の基本的な考え方です。
単一レイヤー vs マルチレイヤー、同じ動作がこんなに変わる
簡単な比較シナリオを挙げてみます。Aデザイナーは「swoosh_sword.wav」という1秒の単一サンプルをそのまま使用します。結果物は「シュッ—」という風の音だけが聞こえ、剣が何を斬ったのか分からない空虚な感覚が残ります。キャラクターが空中に棒を振り回している感覚に近いです。
一方Bデザイナーは同じ動作に (1) 0~200ms区間に傘の柄を振った録音 (2) 180ms地点にスイカを刀で割った鈍い衝撃音 (3) 200~900msに金属棒を叩いた残響を敷きました。同じアニメーションですが、聴者は「剣が肉を切り裂き、剣身が震える」という叙事を聴き取ります。キャラクター武器の材質と重さ、斬られた対象の質感まで推論できます。
違いの本質は情報の密度です。単一レイヤーは一つの事件だけを伝達しますが、マルチレイヤーは同時に複数の事件を伝達します。プレイヤーが意識的に「わあ、レイヤーが三つだな」と分析するわけではありません。しかし無意識はその情報を受け入れて没入度を高めます。
映画のフォーリーとゲームSFXは出発点は同じだが到着点が違う
映画のフォーリーアーティスト(Foley Artist、アフレコで効果音を作る専門家)も剣の音を作るときに複数のソースを重ねます。しかし映画は一つのシーンが一度だけ再生される線形メディアです。フォーリーは「このカットに最も合うただ一つの完成されたサウンド」だけを作ればよいのです。
ゲームは違います。プレイヤーは同じ剣の振りを一セッションに数百回トリガーします。同じファイルが繰り返し再生されると聴覚疲労(auditory fatigue)が蓄積され、プレイヤーは「機械みたい」と感じます。だからゲームサウンドデザインではレイヤーを分離しておき、再生時点ごとにレイヤー別にピッチ(Pitch)とボリュームをランダム変調する手法を使います。インパクトや金属リンギングのようにトーンの同一性が重要なレイヤーは数セント~半音単位で微細に、振りのようにトーンが自由なレイヤーは±1~3半音程度に幅を広めに取るのが一般的な出発点です。さらにラウンドロビン(Round Robin、複数のサンプルを循環再生)まで加えれば、同じトリガーが毎回異なる質感を持ちます。
もう一つの違いはインタラクティブな分岐です。プレイヤーが空中を斬るとインパクトとテールレイヤーをミュートして振りだけを再生します。敵を斬ると三つすべて再生します。鎧を斬るとインパクトだけを金属衝突サンプルに置き換えます。このような分岐を処理するには、レイヤーが最初から分離されている方が有利です。一塊にミックスダウンされた単一ファイルは内部構成要素を個別にミュートしたり置換したりするのが難しいです。もちろん状況別の完成版をそれぞれ別アセットとして作って分岐する方法も可能です。しかし柔軟性と再利用性はレイヤー分離方式の方がはるかに高くなります。
💡 実践Tips: WwiseやFMODのようなゲームオーディオミドルウェアを使用するなら、最初から一つのイベント内に3つのトラックとしてレイヤーを分離して登録してください。後から武器の種類や打撃対象が追加されたときに、置換と拡張が一段と容易になります。
1番目のレイヤー: 空気を切り裂く「振り(Swoosh)」を作る
振りは結局「フィルタリングされた空気ノイズ」だ
物体が空気を素早く切るときに発生する音の正体は、乱流性の空気ノイズと聴者基準のスペクトル変化が結合した結果です。刃の近くでは高周波の「シュッ—」という音が、遠ざかるにつれて低周波へと滑り落ちていきます。これを誇張して再現する最も直感的な方法が、ホワイトノイズを生成した後にバンドパスフィルターをオートメーションする方式です。
ここでホワイトノイズ(White Noise)はすべての周波数帯域に均一なエネルギーが分布したノイズを指し、バンドパスフィルター(Band-pass Filter)は特定の帯域だけを通過させるフィルターです。オートメーション(Automation)は時間に応じてパラメータを変化させる機能を指します。
核心はフィルターの中心周波数が時間に応じて移動しなければならないという点です。実務でよく引用される開始値は1~2kHz付近から出発して、200ms内に4~6kHzまで上がってから再び下がる放物線曲線です。武器のサイズ・速度・カメラ距離に応じて調整が必要な出発点に過ぎず、絶対値ではありません。もし中心周波数が固定されていれば、音は「剣を振り回す」感覚ではなく、「スピーカーからノイズが出ている」感覚に聞こえます。
ここに微細なピッチベンディング(Pitch Bending、音の高さを滑らかに変化させる手法)を追加すれば、加速・減速感が強化されます。短い振りであれば200msかけて+3半音から-2半音に下がる曲線が、作業時に使いやすい出発点です。
実物録音 vs シンセ合成、どちらを選ぶべきか
両方式は結果物の質感が異なります。実物録音は傘の柄、ゴルフクラブ、竹の棒、長い定規、釣り竿のような細長い物体をマイクの前で振り回して収音する方式です。長所は空気の微細な乱流ノイズ、手首から出る摩擦音のようなディテールが自然に含まれる点です。短所はマイクセットアップが難しいことです。マイクが振りの軌跡に近すぎると振動がマイクのダイアフラム(diaphragm、振動板)を直接叩いて「ポップ」ノイズが発生し、遠すぎると振りが弱くしか収音されません。
💡 実践Tips: 実物録音の前には必ず物理的な安全点検を先にしてください。人やペットのいない広い空間を確保し、壊れやすい物やモニターをどけ、マイクと十分な距離を取って手首ストラップや手袋を使用してください。一度の不注意でマイク一台分の費用が飛びます。
シンセ合成はホワイトノイズジェネレーターとフィルターさえあればどんなDAWでも可能です。長所は制御が完璧な点です。ノイズの長さ、ピッチ曲線、フィルター形状を0.01秒単位で調整できます。短所はあまりに綺麗すぎて「人間的な欠陥」がないことです。手が震えたり振りが少しずれたりする自然さが欠けます。
実務では両方を混ぜるのが定石です。シンセで安定したベーストーンを敷き、その上に短い実物録音を50~70%のボリュームで重ねれば、制御性と自然さを同時に得られます。
段階別ワークフロー: 振りレイヤーを一つ作る
振りレイヤー一つを基準に、DAWで以下の順序で進めれば、30分以内に最初の結果物を手にすることができます。
1段階 — ノイズ生成: DAWの内蔵シンセ(例: ReaperのReaSynth、LogicのES2)または無料プラグイン(例: Vital、Surge XT — 執筆時点で無料/オープンソース)でホワイトノイズを300msの長さで生成します。ゲート(Gate)で前後をきれいにカットします。
2段階 — バンドパスフィルターのオートメーション: フィルタープラグイン(例: FabFilter Pro-Q、無料代替としてTDR Nova)をかけ、中心周波数を1.5kHz → 5kHz → 2kHzの放物線曲線でオートメーションします。Q値(帯域幅、狭いほど鋭くなる)は1.5~2.5の間を出発点として、武器のトーンに合わせて調整してください。
3段階 — ピッチオートメーション: ピッチシフターをかけて+2半音から-3半音に下がる曲線を描きます。振りの開始は速く、終わりはゆっくり下がる対数曲線(logarithmic curve)が加速・減速感に近いです。
4段階 — EQ仕上げ: 250Hz以下の低域をハイパスフィルターでカットします。振りレイヤーが低域を持っていると、その後のインパクトレイヤーと衝突してぼやけます。2~5kHz帯域を+2~3dBブーストして空気感を強調します。
よくあるミス: 振りの長さを500ms以上に長く作るケースが多いです。ゲーム的な速い斬撃SFXの作業開始点としては150~250ms前後がよく有用とされています。長くなると「剣を振る」ではなく「風が吹く」と認知されます。ただし両手大剣・チャージ攻撃・スローモーション演出のようにアニメーションが長い場合は、その長さに合わせて伸ばしてください。迷ったらまず200ms以内から始めてみてください。
💡 実践Tips: 振りレイヤーを作るときに方向性も一緒に考慮してください。ゲームがステレオなら、ノイズのパン(pan)を-30% → +30%に移動させて、キャラクターの刀が左から右に通り過ぎる空間感を作ります。一人称ゲームではこの効果が特に強力に作用します。
2番目のレイヤー: 打撃感を決定づける「インパクト(Impact)」設計
インパクトは一つの音ではなく「三つの帯域の合算」だ
インパクトが貧弱だと感じるとき、デザイナーがよく陥る罠は「もっと大きなソースを探すこと」です。しかし問題は大きさではなく周波数分布です。重厚なインパクトは通常、三つの帯域が同時に発生する事件として設計されます。
低域(約60~200Hz)は重量感を担当します。胸の奥で感じられる振動、斬られた対象の質量感がここから出ます。ソースとしては大太鼓、バスドラム、またはシンセで作った60Hzのサイン波トーンがよく使われます。
中域(約400Hz~2kHz)は材質の質感を担当します。肉を斬っているのか、木を割っているのか、金属を叩いているのかの情報がこの帯域に凝縮されています。スイカ・キャベツ・生肉をまな板の上で切る録音が代表的なソースです。
高域(約3kHz以上)は鋭さと明瞭度を担当します。剣の刃が何かを切り裂く「カチッ」または「キーン」という信号がここから出ます。金属棒を短く叩いた音、またはシンセの短いホワイトノイズバーストがよく使われます。
上記の数値は正解の帯域ではなく作業の出発点です。武器・材質・ミックススタイルに応じてスペクトル分析で調整する必要があります。三つの帯域を別々に準備した後、EQで各自の領域だけを残して他をカットすれば、お互い衝突せず明瞭に積み重なります。一つのソースが全帯域を持つと自分たち同士で位相が衝突して、かえって弱くなります。
材料別インパクトソース、何をどう混ぜるか
両手剣が革鎧を着た敵を斬る場合を例に挙げてみましょう。
低域: 大太鼓を手のひらで短く叩いた録音、または60Hzのサイン波を20msの長さで生成したトーン。EQで200Hz以上をカットします。
中域: 厚い革ジャケットに刀で切れ目を入れる録音、またはスイカを包丁で割るフォーリークラシックソース。EQで200~2kHzだけを残します。
高域: 短い金属棒を他の金属にぶつけた録音。EQで3kHz以上だけを残し、デュレーションは50msに短くカットします。
もし「鉄の鎧を斬る音」なら、中域ソースを革の代わりに金属衝突(鉄パイプ叩き)に置き換えます。「木を斬る音」なら薪を割る録音を中域に配置します。公式の枠組みを維持したまま、中域ソースだけを変えても材質の違いを大きく作ることができます。 ただし、より説得力のある結果を望むなら、高域トランジェントの形状とテールの残響まで一緒に調整する必要があります。この点がレイヤリングの経済性と限界を同時に示しています。
トランジェントシェイピングとコンプレッション、アタックを彫る
ソースを集めたら終わりではありません。インパクトの「味」は最初の10ms以内で決まります。この区間をトランジェント(Transient、音の最も最初の急激なピーク区間)と呼び、トランジェントシェイパー(Transient Shaper)プラグインで彫ります。
アタック強調: SPL Transient Designer(有料)やKilohearts Essentialsバンドルに含まれる無料Transient Shaperのようなツールでアタックを+3~6dB上げます。短く強い衝撃を受けた感覚が強くなります。
サスティン減衰: 同じツールのサスティンノブを-3~5dB下げます。インパクトの後に伸びる残響を減らし、次に来るテールレイヤーがきれいに入ってくる空間を空けます。
コンプレッション: 速いアタック(1~5ms)、速いリリース(50~100ms)のコンプレッサーを4:1の比率でかけるのが一般的な出発設定です。こうすることでインパクトの平均ラウドネス(loudness)が上がり、小さなボリュームでも重量感が維持されます。
ゲームジャンル別のインパクト、どこまで重厚にするか
同じ剣のインパクトでもジャンルによってトーンが異なります。ソウルライク系(レファレンスとしてよく引用されるタイトル: Dark Soulsシリーズ、Elden Ring)は低域を強調しアタックを柔らかく削って、「ドーン—」という重い衝撃を作ります。同じ動作が0.3秒間振動するかのような感覚を与えます。
スタイリッシュアクション(レファレンスとしてよく引用されるタイトル: Devil May Cry 5、Bayonetta)は逆に低域を減らし、高域とアタックを強く引き上げます。一度の斬撃が「シャッ!」と終わって、次の動作と重ならないようにします。コンボが8打まで続くゲームで各打撃が0.3秒ずつ伸びると、サウンドが泥のように固まってしまうからです。
カートゥーンスタイル(レファレンスとしてよく引用されるタイトル: Cuphead)は低域をほとんど抜いて、中域の漫画的効果(例: 「ポン!」「パッ!」のようなシンセトーン)を追加します。リアリティよりも表現性が優先されるため、実物録音の比率を下げて、合成・漫画的なソースを積極的に活用します。(上記のタイトルは内部のサウンド設計を断定する引用ではなく、トーンの方向性を計るための聴取レファレンスです。)
💡 実践Tips: インパクトレイヤーを作るときにはレファレンストラックをDAWに一緒に表示しておいてください。自分が作りたいゲームと似たジャンルの効果音を同じボリュームで表示し、5秒ごとに自分の作業物と比較聴取すれば、トーンの方向が乱れません。
3番目のレイヤー: 残響と重量感を加える「テール(Tail)」完成
テールは「音の住所」だ — どこで起きた事件なのか
振りとインパクトだけがあっても、剣の音は一応完成したように聞こえます。しかしどこか物足りないです。まるで真空状態で起きた事件のように聞こえるからです。人間の耳は空間で起きた事件の残響を通じて位置情報を得ます。テールレイヤーはまさにこの空間情報を被せる役割をします。
リバーブ(Reverb、残響)が最も直感的なツールです。洞窟ならディケイタイム(Decay Time、残響が消える時間)2~4秒の大きなルームリバーブを、平原なら0.5~1秒の短いリバーブを、室内廊下なら1~2秒の中間リバーブをかけます。同じインパクトでもリバーブを変えるだけで、同じキャラクターが異なる空間で戦っているように聞こえます。
コンボリューションリバーブ(Convolution Reverb)は一段深く入るツールです。実際の空間(大聖堂、洞窟、コンサートホール)で測定したインパルス応答(Impulse Response、IR)を呼び出して、その空間の音響特性をそのまま被せる方式です。Voxengoで公開された無料IRコレクションのような資料を使えば、アルゴリズムリバーブでは作りにくい現実感のある空間感を得ることができます。
ここで重要な点は、テールリバーブをインパクトレイヤーだけにかけることです。振りレイヤーにまでリバーブをかけると、刀が空気を切り裂く瞬間から残響が発生して不自然になります。
メタルリンギングとハーモニックサウンド — 剣身が震える残響
テールのもう一つの軸は剣自体の振動です。金属の剣身は衝撃を受けると固有振動数で震えます。これをメタルリンギング(Metal Ringing)と呼び、現実感のある剣のサウンドの核心ディテールです。
最も簡単な方法はサイン波(sine wave)の追加です。インパクト直後の時点に800Hz~2kHz帯域のサイン波トーンを100~500msの長さでフェードアウトさせると、剣身が震えるような印象を与えます。二つのサイン波(例: 1.2kHzと1.8kHz)を微細にデチューン(detune、音の高さをわずかにずらすこと)して重ねれば、より自然な非調和(inharmonic)振動が作られます。
実物録音では、金属棒(鉄筋、自転車のスポーク、小さなシンバル)を叩いた後、長く収音する方式が定石です。録音後、ピッチを-5~-12半音下げて重い剣身のように作り、アタック部分をカットして残響だけを使用します。
コンボリューションでメタルIRを使用する方法もあります。一部のライブラリは金属振動インパルス応答を提供しており、一般的な信号に適用すると自動的に金属残響が被せられます。
3つのレイヤーを時間軸に整列させる — 段階別ガイド
三つのレイヤーが準備できたら、最後の段階はタイムライン上で正確に整列させることです。
1段階 — インパクトを基準点にする: インパクトのトランジェントピーク地点を0msに設定します。これが聴者が「斬った」と感じる瞬間なので、すべての整列の基準になります。
2段階 — 振りをインパクトの前に配置: 振りレイヤーの終わり(最も大きな部分)がインパクトピークより20~50ms前に来るように配置します。近すぎると二つのレイヤーが衝突して一塊に聞こえ、遠すぎると振りと斬撃が別々の事件のように分離されます。
3段階 — テールをインパクトの後に配置: テールレイヤーの開始点をインパクトピークより10~30ms後に置きます。完全に同じ位置に置くとインパクトのアタックがテールに埋もれてぼやけます。少し遅らせると、インパクトが先にはっきり聞こえ、その後に残響が続いてきます。テールの全体の長さは200~1500msの間を出発範囲とします。
4段階 — ボリュームバランス: 三つのレイヤーの開始ボリュームは一般的に振り-6dB、インパクト-3dB(最大)、テール-9dB程度を出発点とします。インパクトが最も大きく、振りとテールはインパクトを補助する役割であることをボリュームに反映させる必要があります。聴取環境(ヘッドフォン/スピーカー/モバイル)に応じて±2dB微調整します。
5段階 — マスターEQとラウドネス調整: 三つのレイヤーが合わさった最終サウンドに軽いマスターEQをかけて位相衝突を整理します。200~400Hz付近に泥のように固まる帯域があれば-2~3dB減衰させます。最終ゲームミックスのラウドネスターゲットはプラットフォームによって異なります。コンソール・PCゲームは統合(integrated)基準で-23 ~ -24 LUFS、モバイル・携帯機器は-16 ~ -18 LUFS付近が一般的に引用される出発基準です。個別の効果音ファイルの作業レベルはこれより自由に設定し、最終マスタリングはプロジェクトのミックスバス構造とプラットフォームSDKのガイドラインに合わせて決定する必要があります。
よくあるミス: 最も頻繁に発生する問題は、レイヤーの開始点がすべて正確に0msに整列されているケースです。三つの音のアタックが同時に弾けると位相衝突が起こり、結果としてインパクトがぼやけて聞こえます。意図的に±10~50msの時間差を付ける方が、ほぼ常により良く聞こえます。
もう一つのミスはテールが長すぎて次の動作と重なることです。コンボ攻撃で各打撃のテールが1秒以上なら、二番目の打撃のインパクトが一番目のテールに埋もれます。ゲーム内のコンボ速度を測定した後、テールの長さをコンボ間隔の60~70%に制限するのが安全です。
💡 実践Tips: 整列作業が終わったら最終サウンドをモノラルに変換して聴いてみてください。ステレオのトリックが消えたモノラルでもインパクトが明瞭に聞こえるなら、整列がうまくいったことになります。モバイルゲームは多くがスマートフォンスピーカー(モノラル)で再生されるので、この点検は特に重要です。
💡 実践Tips: 作業が終わった後、24時間後にもう一度聴いてみてください。作業直後の耳は自分の結果物に慣れて客観性を失います。一日休んで聴くと過剰な部分と不足な部分がすぐに聞こえます。これを耳のリフレッシュ(ear refresh)と呼び、サウンドデザイナーの基本的な習慣です。
3行要約と今日すぐに試せる最初の実験
剣の効果音一つは、振り・インパクト・テールという三つの短いサウンドレイヤーが時間軸上に重なった結果物です。各レイヤーは異なる周波数帯域(振りは高域の空気ノイズ、インパクトは低・中・高全帯域の合算、テールは空間残響とメタルリンギング)と時間区間を担当するため、単一サンプルでは作れない情報密度が生まれます。最後の完成度は結局、タイムライン整列(インパクト基準±20~50msオフセット)とボリュームバランス(-6/-3/-9dB出発点)のような微細調整で分かれます。
今日すぐに試せる課題を一つ提案します。安全な空間を確保した後、家にある傘や長い棒を持ってスマートフォンの録音アプリで振り音を5回収音してみてください。次に無料DAWであるAudacityを開くか、60日間の無料評価版が提供されるReaperをインストールすればよいです(Reaper評価版は全機能が提供され、60日後に継続使用するには条件に合う場合、約$60の割引ライセンスを購入する必要があります)。インターネットからダウンロードしたインパクトサンプル一つと一緒に二つのトラックで重ねてみて、可能であれば短い金属残響サンプルまで三番目のトラックとして追加してください。インパクトを基準に振りは前に、テールは後ろに配置すれば、二つのトラックを重ねるだけでも自分が作った最初のマルチレイヤー剣サウンドプロトタイプが手に入ります。
サウンドデザインの実力は大層な機材ではなく、耳の訓練と小さな実験の蓄積から育ちます。今日の5分の録音が一週間後のより良い振りになり、一ヶ月後には自分だけのライブラリとして蓄積されます。作った結果物が最初はぎこちなく聞こえても構いません。そのぎこちなさが次の作業の方向を教えてくれる最も正直なフィードバックです。