音声の感情制御
生成音声がセリフをどう演じるかを指示するタグ、感情設定、間の調整コントロール。
Morphicの音声感情制御を使うと、生成された音声の響きを、感情のトーンから反応、間の取り方、話し方のスタイルまで調整できます。適切な指示をプロンプトに書けば、音声はその通りに演じます。
音声感情制御の使い方
Morphicで音声感情制御を使う方法を、簡単に説明します：
- Morphicを開き、プロジェクトに移動します。
- 新しいファイルを作成するか、既存のファイルを開きます。
- 下部のプロンプトバーで、モードを「Audio」に切り替え、「Speech」を選択します。
- モデルピッカーからスピーチモデルを選びます。たとえば 'ElevenLabs'、'Gemini'、'Fish Audio Drama 3' です。
- 音声ピッカーから音声と言語を選択します。
- 選択したモデルに合った感情制御形式を使ってプロンプトを書きます（下記参照）。
- プロンプトバーの青いボタンをクリックします。
スピーチモデルごとに、話し方の指示のしかたが異なります。使うモデルを選び、以下のそのモデルのセクションに従ってください。
ElevenLabs
ElevenLabsでは、プロンプトに直接角括弧のタグを書きます。感情、反応、指示を角括弧で囲むと、その部分は発話テキストではなく、演技の指示として解釈されます。
仕組み
[tag] ここにセリフを書きます。タグは、新しいタグが現れるまで、その後のすべてに影響します。タグはテキストのどこにでも置け、複数を連続して組み合わせることもできます。
| タグなし | タグあり |
|---|---|
役を取れた。ほんとに役を取れたんだ。 | [excited] 役を取れた。ほんとに役を取れたんだ。 |
出ないと。今すぐ。 | [whispers][tense] 出ないと。今すぐ。 |
うまくいくとは思えない。 | [sad][hesitant] うまくいくとは思えない。 |
その宝は古い礼拝堂の下に埋まっている。 | [pirate voice] その宝は古い礼拝堂の下に埋まっている。 |
ElevenLabsは自由度が高く、固定リストはありません。感情や指示を角括弧の中に自由に書けば、モデルはそれを解釈しようとします。たとえば次のようなタグは [jealous], [romantic], [awkward], [suspicious tone]、または [一拍置いてから続ける] すべて機能します。
以下のタグはよく使われ、安定して効果がありますが、これら以外にも使えます。
タグ
感情
| タグ | 何をするか |
|---|---|
[excited] | エネルギッシュで高揚した話し方 |
[happy] | 温かく、明るいトーン |
[cheerfully] | 軽やかで明るい話し方 |
[sad] | 沈んだ、抑えたトーン |
[sorrowful] | 深い悲しみ、悲嘆 |
[angry] | 鋭く、強い話し方 |
[nervous] | 不安げで、やや震えた感じ |
[frustrated] | 張りつめた、焦れたトーン |
[calm] | 安定した、落ち着いた話し方 |
[tired] | 活力がなく、疲れ切った感じ |
[curious] | 好奇心があり、問いかけるようなトーン |
[sarcastic] | 乾いた、皮肉な話し方 |
[playful] | 軽く、からかうような雰囲気 |
[deadpan] | 平板で感情のない話し方 |
試してみましょう：
[excited] 資金調達できた。信じられない。 [nervous] でも、今度は本当に成果を出さないと。 [calm] 一歩ずつやろう。何とかなる。感情のニュアンス
より繊細なトーンの変化に使います。文全体の演技を覆い隠さずに、セリフに深みを加えます。
| タグ | 何をするか |
|---|---|
[hesitant] | 自信がなく、ためらう |
[relieved] | 重荷が取れ、緊張が解ける |
[tense] | 神経が張り詰め、何かに備えている |
[warm] | やさしく、思いやりのあるトーン |
[resigned tone] | 諦めて受け入れる |
[stammers] | 言葉につかえ、うろたえる |
[regretful] | 何かが違っていればよかったと思う |
[sympathetic] | 思いやりがあり、理解を示す |
[reassuring] | 安心させる、落ち着いた |
[awe] | 驚きや畏敬の念に打たれる |
試してみましょう：
[tense] 何かがおかしい。感じるんだ。 [relieved] ああ、君か。神様、よかった。 [warm] こっちへ来て。君のことを心配してたんだ。反応
セリフの間や中に自然さを加える、非言語の音。
| タグ | 何をするか |
|---|---|
[laughs] | 大笑い |
[giggles] | やわらかく、軽い笑い |
[light chuckle] | 短く、控えめな笑い |
[sigh] | 疲労、安堵、または苛立ちのため息 |
[gasps] | 息を呑む、驚きやショック |
[gulps] | 緊張して唾を飲み込む |
[crying] | 涙ぐみ、声が詰まる |
[clears throat] | 軽く咳払いする |
試してみましょう：
[laughs] ふざけてるんでしょ。 [gasps] ちょっと、本気なの？ [clears throat] わかった。ちゃんと話しましょう。話し方
感情とは別に、音声がセリフを身体的にどう演じるかを制御します。
| タグ | 何をするか |
|---|---|
[whispers] | 柔らかく、息が混じった、近い話し方 |
[shouts] | 大きく、張りのある声 |
[quietly] | 小さな声で、控えめに |
[loudly] | 声量を上げて、力強く |
[rushed] | テンポが速く、切迫したリズム |
[drawn out] | ゆっくり、伸ばすような話し方 |
[dramatic tone] | 演劇的で、強調された表現 |
試してみましょう：
[whispers] ドアのすぐ外にいる。 [rushed] 今すぐ動かないと、時間がない。 [shouts] 走れ！アクセントとキャラクター
音声を変えずにアクセントだけ切り替えるか、音声にキャラクター性を与えます。
| タグ | 何をするか |
|---|---|
[American accent] | 標準的なアメリカ英語 |
[British accent] | 標準的なイギリス英語 |
[French accent] | フランス訛りの英語 |
[Southern US accent] | アメリカ南部なまり |
[Australian accent] | オーストラリア英語 |
[strong Russian accent] | 強いロシア訛り |
[strong X accent] | Xを任意の国籍名に置き換える |
[pirate voice] | 荒々しく、船乗り風のキャラクター |
[old man voice] | 年老いた、風雨にさらされたような話し方 |
[robot voice] | 機械的で人工的なトーン |
[fantasy narrator] | 壮大な、絵本のようなナレーション |
[film noir narrator] | 暗く、物憂げで、皮肉っぽいナレーション |
[sarcastically] | 乾いた、皮肉なキャラクター読み |
試してみましょう：
[pirate voice] 宝は古い礼拝堂の下、三尋の深さに埋まっている。 [old man voice] この町にあったのは土の道と誠実な人々だけだった頃を覚えているよ。 [robot voice] 警告。構造的完全性が損なわれています。直ちに避難してください。複数キャラクターの会話
1つのプロンプトで2人以上のキャラクターが登場するシーンを書くときは、これらを使ってセリフのやり取りを形作ります。
| タグ | 何をするか |
|---|---|
[interrupting] | 相手のセリフが終わる前に割り込む |
[overlapping] | 別の声が続いている間に話し始める |
試してみましょう：
つまり私が言おうとしていたのは [interrupting] いいや、やめろ。そうやってごまかすな。 [overlapping] でも、ちょっとだけ聞いてくれれば…間とテンポ
ElevenLabsは明示的な無音の長さには対応していません。間の長さは、文脈、タグ、句読点から推測されます。
| こう書きます | 何をするか |
|---|---|
[pause] | 劇的な沈黙（長さはモデルが決定） |
... | ためらいがちな、言葉が途切れるような間 |
| すべて大文字 | その単語を強調する |
| 新しい段落 | はっきりした間とイントネーションのリセット |
試してみましょう：
「ええと……まあ、そうだね。」
[pause] そして、それが起こった。
「今だと言っただろ！」より良い結果のためのヒント
| ヒント | うまくいく理由 |
|---|---|
| タグを文に合わせる | [crying] 置いていかないで。 は自然に聞こえます。 [crying] カジュアルな文に付け加えると不自然です。モデルは文脈のために全文を読みます。 |
| タグを組み合わせる | [whispers][tense] または [hesitant][nervous] を使うと、モデルに2つの手がかりを与え、より繊細な出力にできます。 |
| 適切な音声を選ぶ | 落ち着いた音声は、説得力のある叫び声にはなりません。高エネルギーの音声は、うまくささやけません。役に合った音声を選びましょう。 |
| CreativeまたはNaturalの安定性を使う | これらの設定では、モデルがタグを表現しやすくなります。Robustはより一貫していますが、表現力はやや控えめです。 |
| 句読点をリズムの手がかりとして使う | カンマでテンポが遅くなります。ピリオドで強い区切りができます。三点リーダーで言葉が途切れます。モデルは句読点を読み取り、それに反応します。 |
Gemini
Geminiは、幅広い言語にわたって、トーン、テンポ、アクセントを細かく制御できる、表現力豊かな多言語ナレーションを提供します。指示の方法は2つあります。自然言語の指示と、スクリプトに埋め込むインラインの手がかりです。
仕組み
Geminiは自然言語で書かれた指示を読み取り、それに合わせて読み方を調整します。まず指示を書き、その後にセリフを書いてください。
| 指示なし | 指示あり |
|---|---|
| 嵐は過ぎました。もう安全です。 | 子どもを安心させるように、温かくゆっくりと読んでください：嵐は過ぎました。もう安全です。 |
角括弧の中にインラインの手がかりを入れて、反応を追加したり、文の途中で話し方を変えたりすることもできます。Geminiはそれを読み上げずに演じます。
試してみましょう： そんなことするなんて信じられない [laughs]。今年一番のサプライズだ。
タグ
手がかりは、文の中で入れたい場所に、そのまま角括弧で入れてください。Geminiはそれを読み上げずに演じ、1つのスクリプト内で複数使うこともできます。
反応と音：
| タグ | 何をするか |
|---|---|
| [laughs] | 自然な笑いを加える |
| [laughs nervously] | 緊張した笑いを加える |
| [sighs] | ため息を加える |
| [gasps] | 鋭い息の吸い込みを加える |
| [exhales] | 聞こえる息を吐く音を加える |
| [scoffs] | 軽蔑するような鼻で笑う音を加える |
| [clears throat] | セリフの前に咳払いを加える |
| [crying] | 涙声でセリフを話す |
話し方とトーン：
| タグ | 何をするか |
|---|---|
| [whispering] | 声をささやきに落とす |
| [normal voice] | 通常の話し声に戻す |
| [softly] | 話し方をやわらげる |
| [shouting] | 声を張り上げる |
| [slowly] | ペースを落とす |
| [excited] | 活気と高揚感を加える |
| [nervously] | 緊張した、ためらいがちなトーンを加える |
試してみましょう： [whispering] 音を立てないで。 [normal voice] よし、大丈夫だ。
トーン、エネルギー、アクセントについては、セリフの前に自然な言葉で望みを説明してください。Geminiは対応する言語全体でアクセント制御をサポートします。
試してみましょう： イギリス訛りで読んでください：今日はいい天気ですね？
複数話者の会話
Geminiは1回の生成で、2人の話者によるやり取りを読み分け、それぞれに異なる声を与えられます。各セリフに話者名を付け、生成前に各話者へ音声を割り当ててください。Geminiは1つの会話につき最大2人の話者に対応します。
試してみましょう：
Maya: 仕事の返事は来た？
Tom: 来たよ。月曜から始まる。
Maya: すごい、おめでとう。| 要素 | 対処方法 |
|---|---|
| 話者ラベル | 各行は、コロンの前に話者名を付けて始めます |
| 話者ごとの音声 | 生成前に、名前付き話者それぞれに別の音声を割り当てます |
| 話者数の上限 | 1つの会話で最大2人の異なる話者 |
間とテンポ
三点リーダーで一拍の沈黙を加え、望むテンポを指示で伝えます。
| 方法 | 例 |
|---|---|
| 間を置くための三点リーダー | 待って... ... ... 今の聞こえた？ |
| 指示でテンポを指定 | 次のように、ゆっくり、意図的に読んでください：一語。一語が。大事です。 |
より良い結果のためのヒント
| ヒント | 役立つ理由 |
|---|---|
| 指示はセリフの前に置く | Geminiは、その後に続くテキストへ指示を適用します |
| 場面を設定する | 次のような文脈 自然ドキュメンタリーを、穏やかで静かなトーンで語る： がトーンと話し方を形作ります |
| 方法を組み合わせる | 自然文の指示と、角括弧のインライン手がかりを同じスクリプトで組み合わせます |
| 言語に合った音声を選ぶ | 生成前に、スクリプトに合う音声と言語を選びます |
Fish Audio Drama 3
Fish Audio Drama 3 は、演技を付けた読み上げのために作られています。指示はスクリプトの中にそのまま書き込み、どの言語でも同じように機能します。
仕組み
指示を入れたい場所に、角括弧で囲んで平易な言葉で書きます。Drama 3 はそれを読み上げずに演じます。
| 指示なし | 指示あり |
|---|---|
ここには二度と来るなと言ったはずだ。 | [quietly, holding back anger] ここには二度と来るなと言ったはずだ。 |
わかった。好きにすればいい。 | [sigh] わかった。好きにすればいい。 |
音と間
音や間は、セリフの中でそれが起きる場所にそのまま角括弧で入れます。
| タグ | 何をするか |
|---|---|
[sigh] | その位置でため息をつく |
[laugh] | その位置で笑う |
[breath] | 聞こえる息づかい |
[pause] | 次の言葉の前に間を置く |
試してみましょう：一晩中待っていたのに。 [pause] [sigh] 電話一本くれなかったね。
言葉を選んで演出する
数語だけを変えたいときは、その部分をペアのタグで囲みます。
| タグ | 何をするか |
|---|---|
<whisper>...</whisper> | 中の言葉をささやく |
<soft>...</soft> | やわらかくする |
<emphasis>...</emphasis> または <stress>...</stress> | 力を込めて強調する |
<forceful>...</forceful> | 強い口調で言う |
<fast>...</fast> | 速くする |
<slow>...</slow> | ゆっくりにする |
試してみましょう：声を落として。 <whisper>聞かれているよ。</whisper> <forceful>さあ、動いて。</forceful>
音声と言語
ボイスピッカーから音声を選びます。性別、年齢、用途で絞り込み、再生ボタンで試聴できます。Drama 3 のどの音声でも、その音声ならではのアクセントで、どの言語も話せます。言語はプロンプトバーの '設定' で指定します。
対話
'対話' モードでは、Drama 3 が複数の話者によるシーンを1回の生成で読み分けます。対話には2行以上が必要で、最大9種類の音声を使えます。
制限
スクリプトは、スピーチでも対話でも最大10,000文字です。
より良い結果のためのヒント
| ヒント | 役立つ理由 |
|---|---|
| 単語ではなく、セリフ全体に演出を付ける | セリフの前に短い指示を置くと、読み全体の方向が決まります。ペアのタグは、目立たせたい数語だけに使いましょう |
| 間でリズムを作る | 句読点だけでは言葉が詰まって聞こえるところに、[pause] で一拍置けます |
何かお困りのことやご質問がありましたら、お気軽にご連絡ください。喜んでお手伝いします。こちらまでご連絡ください support@morphic.com.