Fish Audio 感情タグ完全ガイド｜64種類以上のタグ一覧・使い方・実践例まとめ【S2対応】

こんにちは、Hodaです。

Fish Audioを使っていて「感情タグ」の使い方で読み上げの雰囲気ってガラッと変わりますよね。そこで今回は公式ドキュメントをもとに感情タグの仕組みと使い方を自分への備忘録も兼ねて日本語で整理しました。

Fish Audioの大きな差別化ポイントのひとつがこの感情タグです。ElevenLabsやSpeechifyのようにスライダーやプリセットで「全体のトーン」を調整するのではなく、スクリプトの任意の場所に直接指示を書き込んで、フレーズ単位で声の演技をコントロールできるのが特徴です。

感情タグとは何か

Fish Audio S2では、テキスト内の [角括弧] に自然言語で指示を書くことで、その箇所からの音声の出し方を制御できます。

[happy] What a beautiful day!
[sad] I'm sorry to hear that.
[whispering] Don't let them hear you.

タグを置いた位置から次のタグが現れるか、文が終わるまで指定した表現が適用されます。文頭だけでなく、文の途中・単語の間などどこにでも配置できます。

I didn't want to go [whispering] inside.

この場合、「inside」の直前からささやき声になります。

S2とS1の違い：括弧の種類が変わった

Fish Audioには旧モデル（S1）と現行モデル（S2）があり、感情タグの構文が異なります。

S2はより柔軟で、固定のキーワードリストに縛られません。「疲れ果てた声で、でも普通を装おうとしている」のような複雑な演技指示も受け付けます。

APIを直接使用する場合は角括弧 [] を使ってください。 Fish AudioのWebUIではS2選択時に丸括弧を自動変換しますが、API経由では手動で角括弧を指定する必要があります。

感情タグ一覧

基本感情（24種類）

上級感情（25種類）

トーンタグ（6種類）

声のボリュームや強度をコントロールします。[emphasis] は強調したい単語の直前に置きます。

This is [emphasis] really important.

音声エフェクト（11種類）

人間らしい自然な音を追加します。

スペシャルエフェクト

日本語でタグを書く

S2は英語以外の言語でタグを記述することもできます。スクリプトと同じ言語でタグを書けるのはS2の大きな特徴です。

[囁き声で] 誰にも聞かせないで。
[ため息をついて] もう一度やり直そう。
[怒りながら] なんでそんなことができるの？
[泣き声で、でも平静を装って] コーヒー、飲む？

英語タグと日本語タグはどちらも認識されます。スクリプトの雰囲気に合わせて選んでください。

自由記述タグ：声優への演技指示のように書く

S2は固定リストに縛られません。声優に演技指示を出すような書き方が有効です。

[the calm, measured tone of someone who has done this a thousand times]
Please place your hands where I can see them.

[overly cheerful, clearly forcing it]
Everything is completely fine. Totally fine.

[dead tired, end of a very long shift]
One more hour. I can do this.

[voice rough from crying, trying to sound normal]
I made coffee. Do you want some?

「強さの修飾語」もそのまま書けます。

[slightly sad] ちょっとがっかりしてる。
[very excited] これは本当に最高すぎる！
[extremely angry] これは絶対に許せない！

タグの組み合わせ

感情タグ＋トーンタグ

物理的な表現と感情を組み合わせると、より一貫した自然な結果が得られます。

[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!
[sighing] [sad] I just don't know anymore.

感情の変化を作る

感情タグを連続で使って、スクリプト内で気持ちの流れを表現できます。

[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!

文中への配置

タグは文頭だけでなく、文の途中にも置けます。

[soft voice] I wasn't sure what to say. [long-break] [shouting] But then it hit me.

実践的なスクリプト例

オーディオブックの朗読

[low and slow] Chapter Nine. The Last Morning.
The apartment felt different that day.

[voice rough from crying, trying to sound normal]
I made coffee. Do you want some?

[long pause, then quietly] Yeah. Thanks.

ポッドキャスト

Today we're looking at something I've spent three months trying to understand.
[chuckling] I kept getting it wrong. My producer will confirm this.

ゲームのキャラクターダイアログ

[calm, almost bored] You came all this way.
[sudden fury, voice tight] Where is it?
[composure returning, dangerously quiet] Did you really think that would work?
[exhausted, but steady] Every time.

カスタマーサポート音声

[friendly, warm] Hi — thanks for calling. How can I help you today?
[empathetic, unhurried] I'm sorry to hear that. Let me pull this up.
[confident] Good news — I can see exactly what happened.
[grateful] Thank you for your patience!

日本語ナレーション

[落ち着いたナレーター口調] 第一章。始まりの朝。
[excited] 信じられない！本当にそんなことが起きたんだ。
[sad][whispering] でも、もう戻れない。
[determined] それでも、前に進むしかない。

使いこなすためのコツ

物理タグと感情タグを組み合わせる
[whispering] や [panting] 単体でも機能しますが、感情タグと組み合わせると自然さが増します。[whispering][scared] のように重ねて使いましょう。

説明的なタグの後には必ずテキストを続ける
[voice rough from crying, trying to sound normal] のような自由記述タグは、その後に読み上げるテキストが必要です。タグだけで終わらせないでください。

最初は1〜2個のタグから始める
タグを使いすぎると指示同士が干渉する場合があります。[sigh] ひとつでセリフは大きく変わります。シンプルに始めて、不十分なときに追加していくのが基本です。

スクリプトを書く前に声（ボイスモデル）をテストする
同じタグでも、もともと落ち着いた声のモデルは変化が控えめになります。タグが効かないと感じたら、タグを変える前に別のボイスモデルを試してみてください。

強度の修飾語を活用する
[slightly sad]・[very excited]・[extremely angry] のように強度を細かく指定できます。

感情の強度スケール

感情の細かい強弱は以下のような関係となっています。

以下は[very excited] を使った例です

よくある組み合わせパターン

以下はよく組み合わせてつかうパターンです。よりリアルに近い表現をすることができます。

以下は [mysterious][whispering] を組み合わせみたサンプルです！

必ずしも感情タグ通りに読む訳ではない

上記のタグを使うことで、文章の表現力を高めてくれることは確かですが、 感情タグはあくまでも読み上げ時のアドバイスや補足情報に過ぎません。

例えば以下のように 同じ文章で使っても、読み上げにはほとんど違いがありません

[happy] むかしむかし、ある山あいの小さな村に、毎日森へ出かける木こりが住んでいました
[sad] むかしむかし、ある山あいの小さな村に、毎日森へ出かける木こりが住んでいました
[frustrated] むかしむかし、ある山あいの小さな村に、毎日森へ出かける木こりが住んでいました
[shouting] むかしむかし、ある山あいの小さな村に、毎日森へ出かける木こりが住んでいました
[in a hurry tone] むかしむかし、ある山あいの小さな村に、毎日森へ出かける木こりが住んでいました

なぜなら、「むかしむかし、ある山あいの小さな村に、毎日森へ出かける木こりが住んでいました」という文章自体が ゆっくり物語が始まる時のセリフなので、 Fish audio がそれも理解をし、 自然と落ち着いたトーンで読むからです。

このように、感情タグを入れれば必ずそのトーンで読む訳ではないということは、僕の方で色々と使ってみてわかりました。

よくある質問（FAQ）

Fish Audioの感情タグは日本語でも書けますか？
はい。S2は80言語の自然言語指示を理解するため、[囁き声で] [ため息をついて] のような日本語タグが使えます。英語タグのほうが安定している場合があるため、品質を重視するときは両方試してみることをおすすめします。 ※現状、正しい日本語でのタグ翻訳のソースを見つけることができませんでした。

感情タグはどこに置けばいいですか？
文頭・文中・単語の間、どこにでも置けます。タグを置いた場所からその表現が適用されます。「この単語の直前から声を変えたい」という使い方が可能です。

S1の丸括弧タグ () はS2でも使えますか？
WebUIではS2選択時に自動変換されますが、APIを直接使う場合は角括弧 [] を使ってください。S1と混在させないよう注意が必要です。

感情タグはトークン数にカウントされますか？
カウントされません。感情タグ自体はトークン制限に影響しません。

何個まで組み合わせられますか？
1文あたり最大3つの組み合わせが推奨されています。それ以上重ねると指示が干渉する場合があります。

タグが効かない場合はどうすればいいですか？
まずボイスモデルを変えてみてください。声の特性によって同じタグでも反応の強さが変わります。次にタグの位置を確認し、効かせたいテキストの直前に置かれているかを確認してください。

実際の Fish audioの活用例

僕のYoutubeで、 Fish Audio API と Googleシートを連携して、テキストを一括でMP3音声ファイルに変換する方法をご紹介しています！