SlideShare a Scribd company logo
1 of 18
Download to read offline
近年の音楽市場の変化 
~同人音楽の登場~ 
@bubble_awa 
1/18
近年の音楽市場 
最近の音楽市場は面白くない? 
AKBや嵐らが音楽市場を席巻 
• 国民の興味は皆そこにあるのか → NO 
CDを筆頭に音楽業界の売り上げは低迷 
• 音楽文化自体が衰退しているのか → NO 
一般の人々が作曲をする環境の形成 
…インディーズのインディーズのようなもの: 同人音楽 
2/18
近年の音楽市場 
同人音楽とは? 
同じ趣味や志をもった人:同人 
同人音楽 
• VOCALOID楽曲(初音ミクなど) 
• 東方アレンジ楽曲 
• 艦これアレンジ楽曲 
• オリジナル楽曲 
→レコード会社に従属しない楽曲制作 
主にゲーム内のBGMを 
楽曲にアレンジしたもの 
3/18
近年の音楽市場 
同人音楽登場の背景と今後 
①自ら音楽を作る環境の変化 
• ソフトやPCの価格の低下 
②ネットや動画共有サイトの普及 
• 曲を聴く方法の変化 
• 曲を宣伝する方法の変化 
③新しい音楽の楽しみ方の登場 
• CGM(Consumer Generated Media)の発展 
4/18
近年の音楽市場 
同人音楽登場の背景と今後 
①自ら音楽を作る環境の変化 
• ソフトやPCの価格の低下 
②ネットや動画共有サイトの普及 
• 曲を聴く方法の変化 
• 曲を宣伝する方法の変化 
③新しい音楽の楽しみ方の登場 
• CGM(Consumer Generated Media)の発展 
5/18
①自ら音楽を作る環境の変化 
より身近になった音楽制作環境 
音楽制作に必要な高性能PCとDAWソフトウェア 
• 当時では何十万円もするようなものであったが 
どちらも数万円で手に入るようになった 
• PCは5万円程度で十分な性能 
• DAWソフト例 
Windows: ProTools(7万円前後), SONAR(6万円程度) 
Mac: Logic Pro X(2万円前後), Cubase(6万円前後) 
※無料ソフト: GarageBand, Domino, Studio One Free 
6/18
①自ら音楽を作る環境の変化 
誰もが作曲をできる環境に 
ストロボラスト/椎名もた 
      …この時15歳(中学3年生) 7/18
近年の音楽市場 
同人音楽登場の背景と今後 
①自ら音楽を作る環境の変化 
• ソフトやPCの価格の低下 
②ネットや動画共有サイトの普及 
• 曲を聴く方法の変化 
• 曲を宣伝する方法の変化 
③新しい音楽の楽しみ方の登場 
• CGM(Consumer Generated Media)の発展 
8/18
②ネットや動画共有サイトの普及 
視聴者を取り巻く環境変化 
消費者(特に若者世代)の視聴形態の変化 
• 従来: CDの購入,ダウンロード販売,CMで見て 
近年: 動画共有サイトでの視聴が増加,ネットで見て 
若者を取り巻く環境の変化 
• スマホ,PCの普及によりネットに触れる機会が増加 
• ほとんど無料で楽しめる動画共有サイトは 
未成年にとって非常にありがたい 
• 扱うジャンルが多く,若者受けするものも多い 
9/18
②ネットや動画共有サイトの普及 
クリエイターを取り巻く環境変化 
クリエイター(バンドなどを含む)が曲を作った後 
• 従来: レコード会社へ送る,路上ライブなどで集客 
近年: 動画共有サイトに投稿する例が増加 
動画共有サイトを利用したビジネス 
• 無料で多くの人へ視聴してもらえる 
• 動画共有サイトで有名になる 
• 自主制作CDの販売(イベントなどで手売り) 
• レコード会社からのオファー 
10/18
②ネットや動画共有サイトの普及 
動画共有サイトに投稿する利点 
動画共有サイトからの奨励金 
• 再生数などに応じて支援金を支払うサイトの登場 
作品に対するフィードバックをすぐに,多くもらえる 
• 動画へのコメント,Twitterでのリプライなど 
とにかくリスクが低い 
• 投稿にお金はかからない 
• 制作にかかった費用を除けば基本的に赤字損はない 
11/18
②ネットや動画共有サイトの普及 
SNSを利用したビジネスの形成 
視聴者とクリエイターをつなぐソーシャルメディア 
• 動画を投稿するだけでは多くの人に観てもらえない 
• SNS(主にTwitter)を利用し,多くの人に宣伝 
• クリエイター同士で拡散しあい,より多くの人へ 
• この拡散力で再生数がある程度左右される 
クリエイターと直接言葉が交わせるTwitter 
• クリエイターとの距離感が近く,親近感がわく 
12/18
近年の音楽市場 
同人音楽登場の背景と今後 
①自ら音楽を作る環境の変化 
• ソフトやPCの価格の低下 
②ネットや動画共有サイトの普及 
• 曲を聴く方法の変化 
• 曲を宣伝する方法の変化 
③新しい音楽の楽しみ方の登場 
• CGM(Consumer Generated Media)の発展 
13/18
③新しい音楽の楽しみ方の登場 
あの曲をあの人の歌い方で! 
京都大学音声メディア研究室の池宮さんの研究 
14/18
③新しい音楽の楽しみ方の登場 
あの曲をあの人の歌い方で! 
京都大学音声メディア研究室の池宮さんの研究 
• 基本周波数の軌跡を検出し,ある人の歌い方 
(ビブラートやしゃくりなど)を抽出 
→別の人の曲のボーカルに転写し,歌い方を変える 
• 軌跡抽出と別音源への転写を全て音源から行う 
(ボーカルのみのデータを必要としない)ため 
必要なものは音源二つのみ 
→誰にでも行える音楽編集 
15/18
③新しい音楽の楽しみ方の登場 
曲を作るのめんどくさい人向け! 
ヤマハ株式会社のボカロネット 
• ブラウザ上でできる楽曲制作 
16/18
③新しい音楽の楽しみ方の登場 
動画作るのめんどくさい人向け! 
産総研の加藤さんのTextAlive 
17/18
新しい音楽市場の登場 
まとめ 
動画共有サイトを利用したクリエイターの増加 
• 低リスク,低コストなビジネス 
• 手軽な成果発表の機会 
誰もが音楽を作れる世の中へ 
• 能動的な音楽鑑賞 
近いうちに”プロ”という概念自体希薄なものに 
なってしまうかもしれない? 
18/18

More Related Content

Viewers also liked

View-Dependent Control of Elastic Rod Simulation for 3D Character Animation (...
View-Dependent Control of Elastic Rod Simulation for 3D Character Animation (...View-Dependent Control of Elastic Rod Simulation for 3D Character Animation (...
View-Dependent Control of Elastic Rod Simulation for 3D Character Animation (...Yuki Koyama
 
[CHI 2016] SelPh: Progressive Learning and Support of Manual Photo Color Enha...
[CHI 2016] SelPh: Progressive Learning and Support of Manual Photo Color Enha...[CHI 2016] SelPh: Progressive Learning and Support of Manual Photo Color Enha...
[CHI 2016] SelPh: Progressive Learning and Support of Manual Photo Color Enha...Yuki Koyama
 
ユーザー分析における特徴量の作り方
ユーザー分析における特徴量の作り方ユーザー分析における特徴量の作り方
ユーザー分析における特徴量の作り方Kazuya Obanayama
 
読書感想文をかこう!
読書感想文をかこう!読書感想文をかこう!
読書感想文をかこう!Takahiro Yaota
 
綺麗なデザインの盛り付け方 -超小ネタ編-
綺麗なデザインの盛り付け方 -超小ネタ編-綺麗なデザインの盛り付け方 -超小ネタ編-
綺麗なデザインの盛り付け方 -超小ネタ編-wariemon
 
協調フィルタリングを利用した推薦システム構築
協調フィルタリングを利用した推薦システム構築協調フィルタリングを利用した推薦システム構築
協調フィルタリングを利用した推薦システム構築Masayuki Ota
 
SVM実践ガイド (A Practical Guide to Support Vector Classification)
SVM実践ガイド (A Practical Guide to Support Vector Classification)SVM実践ガイド (A Practical Guide to Support Vector Classification)
SVM実践ガイド (A Practical Guide to Support Vector Classification)sleepy_yoshi
 
Kerasで深層学習を実践する
Kerasで深層学習を実践するKerasで深層学習を実践する
Kerasで深層学習を実践するKazuaki Tanida
 
情報推薦システム入門:講義スライド
情報推薦システム入門:講義スライド情報推薦システム入門:講義スライド
情報推薦システム入門:講義スライドKenta Oku
 
scikit-learnを用いた機械学習チュートリアル
scikit-learnを用いた機械学習チュートリアルscikit-learnを用いた機械学習チュートリアル
scikit-learnを用いた機械学習チュートリアル敦志 金谷
 
Chainerチュートリアル -v1.5向け- ViEW2015
Chainerチュートリアル -v1.5向け- ViEW2015Chainerチュートリアル -v1.5向け- ViEW2015
Chainerチュートリアル -v1.5向け- ViEW2015Ryosuke Okuta
 
【Schoo web campus】色を変えれば、その資料はもっと伝わる
【Schoo web campus】色を変えれば、その資料はもっと伝わる【Schoo web campus】色を変えれば、その資料はもっと伝わる
【Schoo web campus】色を変えれば、その資料はもっと伝わるschoowebcampus
 
ヤマハMLO特別講義!音楽を通して創造力を鍛える、バッハから学ぶイノベーションの起こし方 先生:三澤洋史
ヤマハMLO特別講義!音楽を通して創造力を鍛える、バッハから学ぶイノベーションの起こし方 先生:三澤洋史ヤマハMLO特別講義!音楽を通して創造力を鍛える、バッハから学ぶイノベーションの起こし方 先生:三澤洋史
ヤマハMLO特別講義!音楽を通して創造力を鍛える、バッハから学ぶイノベーションの起こし方 先生:三澤洋史schoowebcampus
 
推薦システムを構築する手順書 with Azure Machine Learning
推薦システムを構築する手順書 with Azure Machine Learning推薦システムを構築する手順書 with Azure Machine Learning
推薦システムを構築する手順書 with Azure Machine LearningMasayuki Ota
 
TensorFlow を使った 機械学習ことはじめ (GDG京都 機械学習勉強会)
TensorFlow を使った機械学習ことはじめ (GDG京都 機械学習勉強会)TensorFlow を使った機械学習ことはじめ (GDG京都 機械学習勉強会)
TensorFlow を使った 機械学習ことはじめ (GDG京都 機械学習勉強会)徹 上野山
 
機械学習概論 講義テキスト
機械学習概論 講義テキスト機械学習概論 講義テキスト
機械学習概論 講義テキストEtsuji Nakai
 
Deep Learningと画像認識   ~歴史・理論・実践~
Deep Learningと画像認識 ~歴史・理論・実践~Deep Learningと画像認識 ~歴史・理論・実践~
Deep Learningと画像認識   ~歴史・理論・実践~nlab_utokyo
 
Tokyo.R 41 サポートベクターマシンで眼鏡っ娘分類システム構築
Tokyo.R 41 サポートベクターマシンで眼鏡っ娘分類システム構築Tokyo.R 41 サポートベクターマシンで眼鏡っ娘分類システム構築
Tokyo.R 41 サポートベクターマシンで眼鏡っ娘分類システム構築Tatsuya Tojima
 
Pythonとdeep learningで手書き文字認識
Pythonとdeep learningで手書き文字認識Pythonとdeep learningで手書き文字認識
Pythonとdeep learningで手書き文字認識Ken Morishita
 

Viewers also liked (19)

View-Dependent Control of Elastic Rod Simulation for 3D Character Animation (...
View-Dependent Control of Elastic Rod Simulation for 3D Character Animation (...View-Dependent Control of Elastic Rod Simulation for 3D Character Animation (...
View-Dependent Control of Elastic Rod Simulation for 3D Character Animation (...
 
[CHI 2016] SelPh: Progressive Learning and Support of Manual Photo Color Enha...
[CHI 2016] SelPh: Progressive Learning and Support of Manual Photo Color Enha...[CHI 2016] SelPh: Progressive Learning and Support of Manual Photo Color Enha...
[CHI 2016] SelPh: Progressive Learning and Support of Manual Photo Color Enha...
 
ユーザー分析における特徴量の作り方
ユーザー分析における特徴量の作り方ユーザー分析における特徴量の作り方
ユーザー分析における特徴量の作り方
 
読書感想文をかこう!
読書感想文をかこう!読書感想文をかこう!
読書感想文をかこう!
 
綺麗なデザインの盛り付け方 -超小ネタ編-
綺麗なデザインの盛り付け方 -超小ネタ編-綺麗なデザインの盛り付け方 -超小ネタ編-
綺麗なデザインの盛り付け方 -超小ネタ編-
 
協調フィルタリングを利用した推薦システム構築
協調フィルタリングを利用した推薦システム構築協調フィルタリングを利用した推薦システム構築
協調フィルタリングを利用した推薦システム構築
 
SVM実践ガイド (A Practical Guide to Support Vector Classification)
SVM実践ガイド (A Practical Guide to Support Vector Classification)SVM実践ガイド (A Practical Guide to Support Vector Classification)
SVM実践ガイド (A Practical Guide to Support Vector Classification)
 
Kerasで深層学習を実践する
Kerasで深層学習を実践するKerasで深層学習を実践する
Kerasで深層学習を実践する
 
情報推薦システム入門:講義スライド
情報推薦システム入門:講義スライド情報推薦システム入門:講義スライド
情報推薦システム入門:講義スライド
 
scikit-learnを用いた機械学習チュートリアル
scikit-learnを用いた機械学習チュートリアルscikit-learnを用いた機械学習チュートリアル
scikit-learnを用いた機械学習チュートリアル
 
Chainerチュートリアル -v1.5向け- ViEW2015
Chainerチュートリアル -v1.5向け- ViEW2015Chainerチュートリアル -v1.5向け- ViEW2015
Chainerチュートリアル -v1.5向け- ViEW2015
 
【Schoo web campus】色を変えれば、その資料はもっと伝わる
【Schoo web campus】色を変えれば、その資料はもっと伝わる【Schoo web campus】色を変えれば、その資料はもっと伝わる
【Schoo web campus】色を変えれば、その資料はもっと伝わる
 
ヤマハMLO特別講義!音楽を通して創造力を鍛える、バッハから学ぶイノベーションの起こし方 先生:三澤洋史
ヤマハMLO特別講義!音楽を通して創造力を鍛える、バッハから学ぶイノベーションの起こし方 先生:三澤洋史ヤマハMLO特別講義!音楽を通して創造力を鍛える、バッハから学ぶイノベーションの起こし方 先生:三澤洋史
ヤマハMLO特別講義!音楽を通して創造力を鍛える、バッハから学ぶイノベーションの起こし方 先生:三澤洋史
 
推薦システムを構築する手順書 with Azure Machine Learning
推薦システムを構築する手順書 with Azure Machine Learning推薦システムを構築する手順書 with Azure Machine Learning
推薦システムを構築する手順書 with Azure Machine Learning
 
TensorFlow を使った 機械学習ことはじめ (GDG京都 機械学習勉強会)
TensorFlow を使った機械学習ことはじめ (GDG京都 機械学習勉強会)TensorFlow を使った機械学習ことはじめ (GDG京都 機械学習勉強会)
TensorFlow を使った 機械学習ことはじめ (GDG京都 機械学習勉強会)
 
機械学習概論 講義テキスト
機械学習概論 講義テキスト機械学習概論 講義テキスト
機械学習概論 講義テキスト
 
Deep Learningと画像認識   ~歴史・理論・実践~
Deep Learningと画像認識 ~歴史・理論・実践~Deep Learningと画像認識 ~歴史・理論・実践~
Deep Learningと画像認識   ~歴史・理論・実践~
 
Tokyo.R 41 サポートベクターマシンで眼鏡っ娘分類システム構築
Tokyo.R 41 サポートベクターマシンで眼鏡っ娘分類システム構築Tokyo.R 41 サポートベクターマシンで眼鏡っ娘分類システム構築
Tokyo.R 41 サポートベクターマシンで眼鏡っ娘分類システム構築
 
Pythonとdeep learningで手書き文字認識
Pythonとdeep learningで手書き文字認識Pythonとdeep learningで手書き文字認識
Pythonとdeep learningで手書き文字認識
 

近年の音楽市場の変化〜同人音楽の登場〜