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 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：- 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。
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
発展的感情
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：
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：ポーズと特殊エフェクト
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：
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
- 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
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 を参照してください。
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）：
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：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 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