ゲームサウンドの歴史：ファミコンから生成AIまで
遊びをつくる執筆にClaudeを使用しています。
ゲームサウンドの歴史を知ることは、「なぜ今のツールがこう動くのか」を理解することと同じです。制約の中で生まれた工夫が現代の作法の源流になっており、その流れを押さえると、自分のゲームにどんな音を選ぶべきかの判断基準が自然に見えてきます。 この記事では、ハードウェアの制約が音楽表現をどう変えてきたか、そして生成AIが登場したことで何が変わり何が変わっていないかを時代ごとに整理します。歴史の講義ではなく、今ゲームを作る人が使える視点として読んでください。
この記事の目次
制約が表現を生んだ時代——チップチューンの論理
1980年代前半、家庭用ゲーム機のサウンドチップが扱えるのは同時発音数が数チャンネル、波形も矩形波・三角波・ノイズといった単純なものだけでした。ファミコン（NES）のサウンドチップ「2A03」は矩形波2チャンネル、三角波1チャンネル、ノイズ1チャンネル、デルタPCM1チャンネルという構成です。
作曲家はこの制約を嘆くより活用しました。矩形波のデューティ比（波形の幅の割合）を切り替えることで音色に変化を与え、三角波をベースラインに使い、ノイズチャンネルでドラムを表現しました。音符と音符の間にわずかなピッチ変化を仕込んでビブラートや擬似和音を作るなど、1チャンネルで複数の要素を感じさせる技法も生まれました。
重要なのは、この時代の音楽は「演奏データ（シーケンス）」として保存されていた点です。音の波形をそのまま記録するのではなく、「何番の音を何クロックで鳴らす」という命令の羅列で音楽を表現しました。これはMIDIの考え方に近く、容量を極限まで節約できる一方、再生するハードウェアが変わると音も変わります。チップチューンが「あの音」として記憶されるのは、チップの個性が音そのものだったからです。
今ブラウザゲームを作る人がチップチューンを選ぶとき、それは「容量が少ないから」ではなく「あの質感を意図的に使いたいから」という美的な選択になっています。歴史を知るとその選択の意味が変わります。
CD音源とストリーミング——容量と引き換えに得たもの
1990年代にCD-ROMが普及すると、ゲームはPCMストリーミング、つまり波形データをそのまま流す手法を使えるようになりました。オーケストラの演奏を録音してそのまま収録できるようになり、映画音楽的なサウンドトラックが一般的になりました。
ただし、ストリーミング音源には別の制約があります。「状況に合わせて音楽を変化させにくい」という問題です。チップチューン時代はシーケンスデータを動的に変えるだけで音楽の速度や展開を変えられましたが、録音済みのオーディオはそう簡単に変えられません。ループポイントの設計や複数トラックの重ね替えなど、インタラクティブオーディオの工夫がゲームオーディオのサブ分野として発展したのもこの頃です。
同時期にMIDI音源モジュールを搭載したPCゲームも多く、ハードウェアシンセサイザーをシーケンスで鳴らすスタイルが続いていました。同じゲームでも手持ちのMIDI機器によって音が変わるため、「標準的な音」を担保するために各社が独自の音源チップをサウンドカードに搭載するようになりました。
DAWとソフトウェアシンセ——ツールの民主化
2000年代以降、ハードウェアの音源が不要になりました。ソフトウェアシンセサイザーとDAW（デジタル・オーディオ・ワークステーション）の組み合わせで、個人がプロと同等の音源環境を手に入れられるようになったからです。
インディーゲームの台頭と重なったのは偶然ではありません。一人または少人数でゲームを作れる環境が整い、サウンドも外注せず自分で仕上げる事例が増えました。この時代のインディーサウンドに顕著な特徴は、チップチューンへの回帰と生演奏の混在です。制約のある音で育った世代が大人になり、意図的に8ビット風の音を選ぶ文化的な逆流が起きました。
Web技術の観点では、2000年代後半からHTML5とWeb Audio APIが整備され、ブラウザ上でリアルタイムに音を生成・加工できるようになりました。今ブラウザゲームに音をつけるときの基盤はこの時期に固まっています。
生成AIが変えたこと、変えていないこと
2020年代に入り、音楽生成AIが実用段階に入りました。テキストや参照音源からBGMを生成するツールが登場し、作曲の知識がなくてもゲームに合った音楽を用意できる可能性が広がっています。
生成AIが変えたのは「音楽を用意するコストの入り口」です。短いループBGMを何パターンか用意する作業が、かつては数時間から数日かかっていたのが、試行錯誤を含めても大幅に短縮できるようになっています。特にプロトタイプ段階や、ゲームジャムのような時間制約の強い制作では実質的な選択肢になっています。
一方で変わっていないことも明確です。生成AIが出力した音楽をゲームに組み込むためには、ループポイントの設定、場面転換時の音量制御、効果音とのバランス調整といった実装の判断は依然として作者が行う必要があります。また、どんな感情を引き出したいか、どのシーンにどの展開の音楽を当てるかというディレクションは、ゲームの設計者にしかできません。生成AIは「音の素材を出す速度を上げるツール」であり、「音楽的な判断を代行するシステム」ではありません。
利用規約と権利の扱いは各ツールによって異なり、商用利用・二次配布の可否も変化が速いため、使用するツールの公式サイトで最新の条件を確認することが必要です。
時代ごとの制約と今の選択肢を照らし合わせる
歴史を振り返ると、どの時代も「制約に対してどう答えるか」がサウンドの個性を作ってきたことがわかります。今ブラウザゲームを作る場合、技術的な制約はほぼありません。容量も、チャンネル数も、波形の複雑さも、現実的な範囲では問題になりません。
だからこそ「どれでもできる」状態で選ぶことが難しくなっています。以下は判断のための問いかけです。
- ゲームのトーンに合うか：チップチューンは懐かしさや軽快さを呼ぶ。オーケストラは壮大さや感情の振れ幅を強調する。アンビエントは集中や没入を促す。それぞれ引き出す感情が違います。
- ループとして成立するか：ゲームのBGMは映画と違い、同じ場面で何分も繰り返されます。繰り返しに耐えるシンプルさと、飽きさせない展開のバランスが必要です。
- 効果音と重なったとき破綻しないか：BGMは単独で聴くものではなく、効果音や環境音と同時に流れます。周波数帯が被るとどちらも聞こえにくくなるため、最終的にはゲームを動かしながら確認する必要があります。
- 素材の権利はクリアか：フリー素材・生成AI出力・自作のいずれであっても、利用条件と公開範囲を確認してから組み込みます。
チップチューンの時代に学べるのは「制約を逆手に取る発想」で、CD時代から学べるのは「インタラクティブな変化をどう設計するか」です。生成AI時代は「素材の調達速度が上がった分、ディレクションの質が差になる」という局面に入っています。
次の行動
自分のゲームの最初のシーンを思い浮かべ、「チップチューン・生演奏・生成AI出力」のどれが最もそのトーンに近いかを先に決めてから素材を探すと、選択の迷いが減ります。すでに素材を持っている場合は、ゲームを動かしながら実際のループ再生と効果音の重なりを確認し、音量バランスを調整する作業を最初の一歩にしてください。作ったゲームはアソバースにZIPまたはHTMLファイルとして投稿でき、サウンドを含めた完成形を他のプレイヤーに届けられます。
参考資料
- NESdev Wiki（2A03サウンドチップの仕様）
- Web Audio API仕様（W3C）
- ゲームオーディオ技術研究会・各年度資料（一般社団法人日本音楽ゲーム学会関連）
