> ## Documentation Index
> Fetch the complete documentation index at: https://dripart-matt-router-pricing-pika-and-guard.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.

# Fish Audio プロンプトガイド：ComfyUI で Fish Audio TTS のプロンプトを書く

> ComfyUI の Fish Audio パートナーノード向けプロンプトの書き方：感情タグ、トーンマーカー、音声エフェクト、ポーズ、音素制御、多話者対話。

Fish Audio TTS は、テキスト内に直接書き込むインラインタグで音声の聞こえ方を細かく制御できます。このガイドでは、モデルが理解するすべてのタグカテゴリ、配置方法、組み合わせ方を説明します。

以下の例は Fish Audio Text to Speech ノードでそのまま使えます。`text` フィールドに入力し、サンプル文を自分のセリフに置き換えてください。ノードの接続、ワークフローテンプレート、価格については [Fish Audio：テキストから音声、ボイスクローン、音声からテキスト](/ja/tutorials/partner-nodes/fishaudio/fish-audio) を参照してください。

## タグの仕組み

Fish Audio S2 モデルは、テキスト内の角括弧で書かれた自然言語の指示を解釈します：

```text theme={null}
[happy] What a beautiful day!
[sad] I'm sorry to hear that.
[excited] This is amazing news!
```

このシステムには 3 つの特徴があります：

* **位置が意味になる。** タグは出現位置から次のタグ、または文の終わりまで有効です。`[whispering] I didn't want to go inside` は行全体を囁きになりますが、`I didn't want to go [whispering] inside` は "inside" から囁き始めます。
* **自由な説明文も使える。** 固定のタグセットに縛られません。声優に伝えられることは、すべて角括弧に書けます：`[tired, end of a long shift]`、`[voice rough from crying, trying to sound normal]`、`[professional broadcast tone]`。
* **タグは自分の言語で書ける。** セリフと同じ言語で指示を書けます：`[低声说] 不要让他们听见`、`[ため息をついて] もう一度やり直そう`。

レガシーの `s1` モデルは同じ感情名を丸括弧で包み、固定タグセットのみをサポートします：`(happy) What a beautiful day!` 現行の `s2.1-pro` モデルは角括弧の指示と自由な説明文を受け付けます。

## 感情タグ

### 基本感情

| タグ | 表現 | よく使う場面 |
| - | - | - |
| `[happy]` | 明るく上機嫌 | 嬉しい知らせ、挨拶 |
| `[sad]` | メランコリック、沈んだ | 同情、悪い知らせ |
| `[angry]` | 苛立ち、攻撃的 | クレーム、警告 |
| `[excited]` | エネルギッシュ、熱狂 | 発表、お祝い |
| `[calm]` | 穏やか、リラックス | 説明、瞑想 |
| `[nervous]` | 不安、ためらい | 免責、謝罪 |
| `[confident]` | 自信満々 | プレゼン、営業 |
| `[surprised]` | 驚き、衝撃 | 反応、発見 |
| `[satisfied]` | 満足、喜び | 確認、レビュー |
| `[delighted]` | とても嬉しい | お祝い、褒め言葉 |
| `[scared]` | 恐怖、怯え | 警告、ホラー |
| `[worried]` | 気がかり、心配 | 懸念、質問 |
| `[upset]` | 動揺、苦悩 | クレーム、問題 |
| `[frustrated]` | 苛立ち | 障害、遅延 |
| `[depressed]` | 悲観、絶望 | 深刻な話題 |
| `[empathetic]` | 寄り添う、思いやり | サポート、カウンセリング |
| `[embarrassed]` | 恥ずかしい、気まずい | 謝罪、ミス |
| `[disgusted]` | 反感、嫌悪 | 低評価レビュー |
| `[moved]` | 感動 | 感情のこもった瞬間 |
| `[proud]` | 誇り、満足 | 達成、称賛 |
| `[relaxed]` | くつろぎ、くだけた | 雑談 |
| `[grateful]` | 感謝 | お礼 |
| `[curious]` | 好奇心 | 質問、探求 |
| `[sarcastic]` | 皮肉 | ユーモア、批判 |

### 発展的感情

| タグ | 表現 | よく使う場面 |
| - | - | - |
| `[disdainful]` | 蔑み、見下し | 批判、拒絶 |
| `[unhappy]` | 不満 | クレーム、フィードバック |
| `[anxious]` | 非常に心配 | 緊急の用件 |
| `[hysterical]` | 感情爆発 | 極端な反応 |
| `[indifferent]` | 無関心、中立 | 中立的な応答 |
| `[uncertain]` | 曖昧、迷い | 推測、質問 |
| `[doubtful]` | 疑問、懐疑 | 信じられない、問い直し |
| `[confused]` | 混乱 | 確認依頼 |
| `[disappointed]` | 期待外れ | 期待が裏切られた |
| `[regretful]` | 後悔 | 謝罪、ミス |
| `[guilty]` | 有罪感、責任 | 告白、謝罪 |
| `[ashamed]` | 深い恥 | 重大なミス |
| `[jealous]` | 嫉妬、恨み | 比較 |
| `[envious]` | 羨望 | 渇望を伴う憧れ |
| `[hopeful]` | 未来への希望 | 今後の計画 |
| `[optimistic]` | 前向き | 応援 |
| `[pessimistic]` | 悲観的 | 警告、疑念 |
| `[nostalgic]` | 懐かしさ | 思い出、物語 |
| `[lonely]` | 孤独 | 感情コンテンツ |
| `[bored]` | 退屈 | 興味のなさ |
| `[contemptuous]` | 蔑視 | 厳しい批判 |
| `[sympathetic]` | 同情 | お悔やみ |
| `[compassionate]` | 深い思いやり | サポート、助け |
| `[determined]` | 決意 | 目標、約束 |
| `[resigned]` | 諦め、受容 | 断念、受け入れ |

## トーンマーカー

トーンマーカーは音量・強度・強勢を制御します。`[emphasis]` は強調したい語句の直前に置きます：

```text theme={null}
This is [emphasis] really important.
```

| タグ | 表現 | 使いどころ |
| - | - | - |
| `[in a hurry tone]` | 慌てて、急いで | 時間に敏感な情報 |
| `[shouting]` | 大声、呼びかけ | 注意を引く |
| `[screaming]` | 悲鳴、パニック | 緊急時、恐怖 |
| `[whispering]` | とても小さな声 | 秘密、静かな場面 |
| `[soft tone]` | 優しく静か | なだめ、子守唄 |
| `[emphasis]` | 語句を強勢 | キーワード強調 |

## 音声エフェクト

音声エフェクトタグは自然な人の声の音を加えます。推奨テキストがあるタグは、後ろに対応するテキストを続けてください：

| タグ | 説明 | タグ後の推奨テキスト |
| - | - | - |
| `[laughing]` | 大笑い | Ha, ha, ha |
| `[chuckling]` | 軽い笑い | Heh, heh |
| `[sobbing]` | 激しく泣く | テキスト任意 |
| `[crying loudly]` | 激しい号泣 | テキスト任意 |
| `[sighing]` | 安堵または苛立ちの溜息 | sigh |
| `[groaning]` | 苛立ちのうめき | ugh |
| `[panting]` | 息切れ | huff, puff |
| `[gasping]` | 息を呑む | gasp |
| `[yawning]` | あくび | yawn |
| `[snoring]` | いびき | zzz |
| `[clear throat]` | 咳払い | ahem |

## ポーズと特殊エフェクト

| タグ | 説明 |
| - | - |
| `[break]` | 短いポーズ |
| `[long-break]` | 長いポーズ |
| `[short pause]` | 短い間 |
| `[long pause]` | 長い沈黙 |
| `[audience laughing]` | 観客の笑い声 |
| `[background laughter]` | 環境の笑い声 |
| `[crowd laughing]` | 群衆の笑い声 |

普通のつなぎ言葉（"um"、"uh"、"嗯"、"啊"）もタグなしでリズムを作れます。

## タグの組み合わせ

**身体反応タグと感情タグをペアにする。** `[panting]` や `[whispering]` は単独でも機能しますが、感情タグと組み合わせたほうが一貫性があり自然になります：

```text theme={null}
[panting] [tired] I've been running for twenty minutes.
[whispering] [scared] Don't move. Don't make a sound.
[shouting] [angry] I told you this would happen!
```

**感情を重ねて複雑な表現にする。** 1 文あたりのタグは 3 個までに抑えます：

```text theme={null}
[sad][whispering] I miss you so much.
[angry][shouting] Get out of here now!
[excited][laughing] We won! Ha ha!
```

**感情の遷移**を文をまたいだ自然な流れにします：

```text theme={null}
[happy] I got the promotion!
[uncertain] But... it means relocating.
[sad] I'll miss everyone here.
[hopeful] Though it's a great opportunity.
[determined] I'm going to make it work!
```

**背景エフェクト**で雰囲気を出します：

```text theme={null}
The comedy show was amazing [audience laughing]
```

**強度修飾語**で感情の強弱を調整します：

```text theme={null}
[slightly sad] I'm a bit disappointed.
[very excited] This is absolutely amazing!
[extremely angry] This is unacceptable!
```

## ベストプラクティス

**推奨：**

* 1 文に主要な感情を 1 つ使う
* 感情を文脈と論理的に一致させる
* 音声エフェクトの後ろにテキストを添える（例：`[laughing]` の後に "Ha ha"）
* 感情変化の間隔を空けてリアルにする
* 同じ声でさまざまな組み合わせを試す

**非推奨：**

* 短いテキストでタグを乱用する
* 1 文で矛盾する感情を混ぜる
* 角括弧の説明が長すぎて読みにくくなる書き方
* 説明タグの後ろにセリフを置かない
* 文レベルの感情指示を、制御したい文から遠くに置く

出力が不自然に聞こえる場合は、感情変化の間隔を空ける、強度を下げる、別の声を試すと改善します。同じタグでも声によって効き方が違います。

## 多話者対話

Fish Audio Text to Speech ノードに 2 つ以上の声を接続し、テキスト内で `@Voice1`、`@Voice2` などを使って話者の交代を示します。接続されたすべての声がテキストに少なくとも 1 回登場する必要があり、そうでないとノードがエラーを出します。 声の接続方法は [Fish Audio：テキストから音声、ボイスクローン、音声からテキスト](/ja/tutorials/partner-nodes/fishaudio/fish-audio#音声の接続) を参照してください。

```text theme={null}
@Voice1 [nervous] You're sure no one followed you?
@Voice2 [calm] Relax. I took the long way, exactly like you asked.
@Voice1 [sighing][relieved] Good. Then let's see what's inside.
@Voice2 [curious] You don't even know what it is?
```

## 音素制御

音素タグは、名前・多音字・頭字語・専門用語の正確な発音を指定します。置き換える発音を `<|phoneme_start|>` と `<|phoneme_end|>` タグで囲みます。音素タグはテキスト正規化でも保持されるため、`normalize` は有効のままで構いません。

**英語**（CMU Arpabet、1 単語を置換）：

```text theme={null}
I am an <|phoneme_start|>EH1 N JH AH0 N IH1 R<|phoneme_end|>.
```

**中国語**（声調付きピンイン、1 文字または音節を置換、多音字や固有名詞に便利）：

```text theme={null}
我是一个<|phoneme_start|>gong1<|phoneme_end|><|phoneme_start|>cheng2<|phoneme_end|><|phoneme_start|>shi1<|phoneme_end|>。
```

**日本語**（OpenJTalk 方式のローマ字＋アクセント番号）：

```text theme={null}
<|phoneme_start|>ha0shi1ga0<|phoneme_end|>見えます。
```

音素制御は他のタグと同じテキスト内で組み合わせられます：

```text theme={null}
I am, um, an [break] <|phoneme_start|>EH1 N JH AH0 N IH1 R<|phoneme_end|>.
```

## パラメータ調整

デフォルト値は十分に調整されています。必要なときだけ変更してください：

| パラメータ | デフォルト | 効果 |
| - | - | - |
| `temperature` | 0.7 | 表現力。高いほど多様、低いほど安定 |
| `top_p` | 0.7 | nucleus sampling による多様性 |
| `speed` | 1.0 | 話速、0.5 から 2.0 |
| `volume` | 0.0 | 音量調整（デシベル）、-10 から 10 |
| `normalize` | true | 数値や日付を自然に読むために展開。正規化が逐語読みしたいテキストを書き換える場合以外は有効のまま |

`seed` はノードを再実行するかどうかの制御のみです。seed 値にかかわらず結果は非決定的です。

## ボイスクローンの品質

Fish Audio Instant Voice Clone ノードでは、参照録音の品質が結果を決めます。録音の制限は [Fish Audio：テキストから音声、ボイスクローン、音声からテキスト](/ja/tutorials/partner-nodes/fishaudio/fish-audio#クローンの制限) を参照してください：

* 15〜20 秒のクリップを 2〜3 本、合計 270 秒以内
* 話者は 1 人のみ、音量は一定、トーンと感情は一貫させます
* 文の間に半秒ほどの小さなポーズを入れます
* 静かな部屋、マイクは口から手幅ほど
* スマホのボイスメモやヘッドセットのマイクでも十分です。BGM、テレビ、反響は避けてください

クローンした声がロボットのようなら、合計 30〜60 秒と素材を増やし、ポーズを入れながら自然に話してください。

自分の声、または明示的な許可を得た人の声など、使用許可のある声だけをクローンしてください。

## リファレンス

* [Fish Audio 感情制御ドキュメント](https://docs.fish.audio/developer-guide/core-features/emotions)
* [Fish Audio ファイングレイン制御ドキュメント](https://docs.fish.audio/developer-guide/core-features/fine-grained-control)
* [Fish Audio ボイスクローン ベストプラクティス](https://docs.fish.audio/developer-guide/best-practices/voice-cloning)


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