> ## Documentation Index
> Fetch the complete documentation index at: https://docs.comfy.org/llms.txt
> Use this file to discover all available pages before exploring further.

# Guía de prompts de Fish Audio: cómo escribir prompts para Fish Audio TTS en ComfyUI

> Escribe prompts para los Nodos asociados de Fish Audio en ComfyUI: etiquetas de emoción, tono, efectos de audio, pausas y diálogos.

Fish Audio TTS te da control directo sobre cómo suena el habla mediante etiquetas en línea escritas en el propio texto. Esta guía cubre todas las categorías de etiquetas que entiende el modelo, dónde colocarlas y cómo combinarlas. Las etiquetas siguientes se aplican a `s2.1-pro` y `s1`. Drama 3 usa instrucciones en lenguaje natural y etiquetas de palabras emparejadas en su lugar, descritas en la página [Fish Audio Drama 3](https://docs.comfy.org/es/tutorials/partner-nodes/fishaudio/drama-3.md).

Los ejemplos siguientes funcionan en el nodo Fish Audio Text to Speech. Escríbelos directamente en el campo `text`, reemplazando el guion de ejemplo por el tuyo. Para configurar el nodo, las plantillas de flujo de trabajo y los precios, consulta [Fish Audio: Texto a voz, clonación de voz y voz a texto](https://docs.comfy.org/es/tutorials/partner-nodes/fishaudio/fish-audio.md).

## Cómo funcionan las etiquetas

Los modelos Fish Audio S2 interpretan indicaciones en lenguaje natural escritas entre corchetes dentro de tu texto:

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

Tres propiedades hacen que este sistema sea flexible:

* **La posición determina el significado.** Una etiqueta actúa desde donde aparece hasta la siguiente etiqueta o el final de la oración. `[whispering] I didn't want to go inside` susurra toda la línea. `I didn't want to go [whispering] inside` empieza a susurrar en «inside».
* **Las descripciones de forma libre funcionan.** No estás limitado a un conjunto fijo de etiquetas. Si puedes describírselo a un actor de voz, escríbelo entre corchetes: `[tired, end of a long shift]`, `[voice rough from crying, trying to sound normal]`, `[professional broadcast tone]`.
* **Las etiquetas funcionan en tu idioma.** Escribe las indicaciones en el mismo idioma que tu guion: `[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`.

El modelo clásico `s1` usa los mismos nombres de emociones, pero los encierra entre paréntesis con un conjunto fijo de etiquetas: `(happy) What a beautiful day!` El modelo actual `s2.1-pro` acepta indicaciones entre corchetes y descripciones de forma libre.

## Etiquetas de emoción

### Emociones básicas

| Etiqueta | Expresión | Contexto común |
| - | - | - |
| `[happy]` | Alegre, animado | Buenas noticias, saludos |
| `[sad]` | Melancólico, abatido | Condolencias, malas noticias |
| `[angry]` | Frustrado, agresivo | Quejas, advertencias |
| `[excited]` | Energético, entusiasta | Anuncios, celebraciones |
| `[calm]` | Tranquilo, relajado | Instrucciones, meditación |
| `[nervous]` | Ansioso, inseguro | Aclaraciones, disculpas |
| `[confident]` | Firme, seguro de sí mismo | Presentaciones, ventas |
| `[surprised]` | Sorprendido, asombrado | Reacciones, descubrimientos |
| `[satisfied]` | Satisfecho, contento | Confirmaciones, reseñas |
| `[delighted]` | Muy complacido, alegre | Celebraciones, cumplidos |
| `[scared]` | Asustado, temeroso | Advertencias, historias de terror |
| `[worried]` | Preocupado, inquieto | Inquietudes, preguntas |
| `[upset]` | Alterado, angustiado | Quejas, problemas |
| `[frustrated]` | Molesto, exasperado | Problemas técnicos, retrasos |
| `[depressed]` | Muy triste, sin esperanza | Temas serios |
| `[empathetic]` | Comprensivo, atento | Soporte, asesoramiento |
| `[embarrassed]` | Avergonzado, incómodo | Disculpas, errores |
| `[disgusted]` | Repugnado, asqueado | Reseñas negativas |
| `[moved]` | Conmovido emocionalmente | Momentos emotivos |
| `[proud]` | Realizado, satisfecho | Logros, elogios |
| `[relaxed]` | Relajado, informal | Conversación informal |
| `[grateful]` | Agradecido, reconocido | Agradecimientos, aprecio |
| `[curious]` | Inquisitivo, interesado | Preguntas, exploración |
| `[sarcastic]` | Irónico, burlón | Humor, crítica |

### Emociones avanzadas

| Etiqueta | Expresión | Contexto común |
| - | - | - |
| `[disdainful]` | Despectivo, desdeñoso | Crítica, rechazo |
| `[unhappy]` | Disconforme, insatisfecho | Quejas, retroalimentación |
| `[anxious]` | Muy preocupado, inquieto | Asuntos urgentes |
| `[hysterical]` | Emocional sin control | Reacciones extremas |
| `[indifferent]` | Indiferente, neutral | Respuestas neutrales |
| `[uncertain]` | Dudoso, inseguro | Especulación, preguntas |
| `[doubtful]` | Escéptico, cuestionador | Incredulidad, cuestionamiento |
| `[confused]` | Confundido, perplejo | Solicitudes de aclaración |
| `[disappointed]` | Decepcionado, insatisfecho | Expectativas no cumplidas |
| `[regretful]` | Arrepentido, con remordimiento | Disculpas, errores |
| `[guilty]` | Culpable, responsable | Confesiones, disculpas |
| `[ashamed]` | Profundamente avergonzado | Errores graves |
| `[jealous]` | Celoso, resentido | Comparaciones |
| `[envious]` | Desea lo que otros tienen | Admiración con deseo |
| `[hopeful]` | Optimista sobre el futuro | Planes futuros |
| `[optimistic]` | Visión positiva | Ánimo |
| `[pessimistic]` | Visión negativa | Advertencias, dudas |
| `[nostalgic]` | Nostalgia del pasado | Recuerdos, historias |
| `[lonely]` | Aislado, solo | Contenido emocional |
| `[bored]` | Desinteresado, cansado | Desinterés |
| `[contemptuous]` | Muestra desprecio | Crítica fuerte |
| `[sympathetic]` | Muestra compasión | Condolencias |
| `[compassionate]` | Muestra cariño profundo | Soporte, ayuda |
| `[determined]` | Resuelto, decidido | Objetivos, compromisos |
| `[resigned]` | Acepta la derrota | Rendición, aceptación |

## Marcadores de tono

Los marcadores de tono controlan el volumen, la intensidad y el énfasis. Coloca `[emphasis]` justo antes de la palabra o frase que quieras enfatizar:

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

| Etiqueta | Interpretación | Cuándo usarla |
| - | - | - |
| `[in a hurry tone]` | Apresurado, urgente | Información urgente |
| `[shouting]` | Fuerte, para llamar la atención | Captar la atención |
| `[screaming]` | Muy fuerte, con pánico | Emergencias, miedo |
| `[whispering]` | Muy suave, sigiloso | Secretos, escenas tranquilas |
| `[soft tone]` | Suave, tranquilo | Consuelo, canciones de cuna |
| `[emphasis]` | Enfatizar una palabra o frase | Resaltar palabras clave |

## Efectos de audio

Las etiquetas de efectos de audio añaden sonidos humanos naturales. A continuación de la etiqueta, incluye el texto correspondiente cuando se sugiera:

| Etiqueta | Descripción | Texto sugerido después de la etiqueta |
| - | - | - |
| `[laughing]` | Carcajada | Ha, ha, ha |
| `[chuckling]` | Risa leve | Heh, heh |
| `[sobbing]` | Sollozos | Texto opcional |
| `[crying loudly]` | Llanto en voz alta | Texto opcional |
| `[sighing]` | Exhalación de alivio o frustración | sigh |
| `[groaning]` | Sonido de frustración | ugh |
| `[panting]` | Sin aliento | huff, puff |
| `[gasping]` | Inhalación brusca | gasp |
| `[yawning]` | Sonido de cansancio | yawn |
| `[snoring]` | Sonido de sueño | zzz |
| `[clear throat]` | Sonido de carraspeo | ahem |

## Pausas y efectos especiales

| Etiqueta | Descripción |
| - | - |
| `[break]` | Pausa breve en el habla |
| `[long-break]` | Pausa prolongada en el habla |
| `[short pause]` | Breve pausa entre líneas |
| `[long pause]` | Silencio prolongado |
| `[audience laughing]` | Sonido de público riendo |
| `[background laughter]` | Risa de fondo |
| `[crowd laughing]` | Risa de un grupo grande |

Las palabras de pausa normales también marcan el ritmo sin necesidad de etiquetas: "um", "uh", "嗯", "啊".

## Combinar etiquetas

**Combina una etiqueta física con una etiqueta de emoción.** Las etiquetas físicas como `[panting]` o `[whispering]` funcionan por sí solas, pero combinarlas con una emoción produce resultados más consistentes y naturales:

```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!
```

**Combina emociones en capas para expresiones complejas.** Limita las combinaciones a tres etiquetas o menos por oración:

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

**Escribe transiciones de emoción** como una progresión natural entre oraciones:

```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!
```

**Añade efectos de fondo** para dar atmósfera:

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

**Modula la intensidad** con modificadores descriptivos:

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

## Mejores prácticas

**Qué hacer:**

* Usa una emoción principal por oración
* Ajusta las emociones al contexto de forma lógica
* Agrega texto después de los efectos de sonido, por ejemplo "Ha ha" después de `[laughing]`
* Espacia los cambios emocionales para que suenen realistas
* Prueba distintas combinaciones con la misma voz

**Qué evitar:**

* No abuses de las etiquetas en textos cortos
* No mezcles emociones en conflicto en una misma oración
* No escribas descripciones entre corchetes tan largas que interrumpan el flujo
* No dejes una etiqueta descriptiva sin texto después de ella
* No coloques las indicaciones de emoción de una oración lejos de la oración que controlan

Si el resultado suena poco natural, espacia los cambios emocionales, baja la intensidad o prueba con otra voz: la misma etiqueta funciona distinto en cada voz.

## Diálogo con varios hablantes

Conecta dos o más voces al nodo Fish Audio Text to Speech y luego marca los cambios de hablante en el texto con `@Voice1`, `@Voice2` y así sucesivamente. Cada voz conectada debe aparecer al menos una vez en el texto, o el nodo genera un error. Las conexiones de voz se explican en [Fish Audio: texto a voz, clonación de voz y voz a texto](https://docs.comfy.org/es/tutorials/partner-nodes/fishaudio/fish-audio.md#conectar-voces).

```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?
```

## Control de fonemas

Las etiquetas de fonemas especifican pronunciaciones exactas para nombres, homógrafos, siglas y términos técnicos. Envuelve la pronunciación de reemplazo entre las etiquetas `<|phoneme_start|>` y `<|phoneme_end|>`. Las etiquetas de fonemas se conservan durante la normalización del texto, así que mantén `normalize` activado.

**Inglés** (CMU Arpabet, reemplaza una palabra):

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

**Chino** (pinyin con número de tono, reemplaza un carácter o una sílaba; útil para caracteres polifónicos y nombres):

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

**Japonés** (romaji estilo OpenJTalk con dígitos de acento tonal):

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

El control de fonemas se combina con otras etiquetas en el mismo texto:

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

## Ajuste de parámetros

Los valores predeterminados están bien calibrados. Ajusta solo cuando lo necesites:

| Parámetro | Valor predeterminado | Efecto |
| - | - | - |
| `temperature` | 0.7 | Expresividad. Un valor más alto es más variado, uno más bajo es más consistente |
| `top_p` | 0.7 | Diversidad mediante muestreo de núcleo |
| `speed` | 1.0 | Velocidad del habla, de 0.5 a 2.0 |
| `volume` | 0.0 | Ajuste de volumen en decibelios, de -10 a 10 |
| `normalize` | true | Expande números y fechas para una lectura natural. Mantenlo activado a menos que la normalización reescriba texto que quieres leer literalmente |

La `seed` controla si el nodo se vuelve a ejecutar; los resultados no son deterministas independientemente del valor de la semilla.

## Calidad de la clonación de voz

Para el nodo Fish Audio Instant Voice Clone, la calidad de la grabación de referencia determina el resultado. Consulta los límites de grabación en [Fish Audio: texto a voz, clonación de voz y voz a texto](https://docs.comfy.org/es/tutorials/partner-nodes/fishaudio/fish-audio.md#límites-de-la-clonación-de-voz):

* Graba de 2 a 3 clips de 15 a 20 segundos cada uno, con menos de 270 segundos en total
* Un solo hablante, volumen constante, tono y emoción consistentes
* Pausas pequeñas entre frases, de aproximadamente medio segundo
* Habitación silenciosa, micrófono a una mano de distancia de la boca
* Una grabadora de teléfono o un micrófono de auriculares son suficientes; evita la música de fondo, la televisión y el eco

Si la voz clonada suena robótica, graba más material, de 30 a 60 segundos en total, y habla con naturalidad, con pausas.

Clona solo las voces que tengas permiso de usar: tu propia voz o la de alguien que te haya dado permiso explícito.

## Referencias

* [Documentación sobre el control de emociones de Fish Audio](https://docs.fish.audio/developer-guide/core-features/emotions)
* [Documentación sobre el control detallado de Fish Audio](https://docs.fish.audio/developer-guide/core-features/fine-grained-control)
* [Prácticas recomendadas para la clonación de voces de Fish Audio](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.