01 / UNDERSTAND
仕組みと使いどころ
対応する音声生成モデルでは、文章中にささやき、興奮、怒り、笑いなどを示すタグを入れ、感情や韻律を制御する。Eleven v4では、話す速さや感情の調整に音声タグと句読点を使用し、省略記号で間、大文字で強調を表せる。Fish AudioのDrama 3とS2-Proも、角括弧付きの自然言語タグによる感情や韻律の制御に対応する。利用できるタグや効果はモデルごとに確認する必要がある。
02 / IN PRACTICE
Audio Tagの活用例
たとえば、こんな場面で
「[whispers]」「[excited]」「[sighs]」などのタグを発話文に加え、場面に応じた読み方を指定する。
03 / GOOD TO KNOW
使うときのポイント
対象モデルの資料で対応タグを確認し、実際の文章を生成して効果を試す。別のモデルで使えるタグがそのまま対応するとは限らない。
参考資料
skills/text-to-speech/references/voice-settings.md at main · elevenlabs/skills （新しいタブで開きます）fish-speech/docs/en/index.md at main · fishaudio/fish-speech （新しいタブで開きます）用語の説明や活用例に関連する参考資料です。
READ & LEARN
記事一覧を見る 用語を知ったら、活用を知る。
AI LABで、AIの動向や業務に取り入れるヒントを読む。