Fish Audio Drama 3: 指示、ワードタグ、テンプレート

ComfyUIでFish Audio Drama 3モデルを実行する: 平易な言葉の指示とペアのワードタグで演技を演出し、すぐに使えるDrama 3ワークフローテンプレートを活用します。

Drama 3はFish Audioの最新のテキスト読み上げモデルで、音声の演出に向けて作られています。シーン全体を1つのスクリプトとして書き、話し方はテキスト内で平易な言葉で記述し、対になった単語タグはそれが囲む単語だけを変化させます。ComfyUIでは、modelをdrama-3に設定したFish Audio Text to Speechノードで実行します。他のFish Audioモデルについては、Fish Audio: Text to Speech, Voice Cloning, and Speech to Textを参照してください。

APIノードを使用するには、正しくログインしていることと、許可されたネットワーク環境で使用していることを確認する必要があります。APIノードの使用に必要な具体的な要件については、ドキュメントの「APIノードの概要」セクションをご参照ください。

ローカルユーザー

ComfyUI が最新版に更新されていることを確認してください。

• ComfyUI のダウンロード
• 更新手順

このガイドで紹介するワークフローは、ワークフローテンプレートから入手できます。 テンプレート内に該当のワークフローが見つからない場合、ComfyUI のバージョンが古くなっている可能性があります。

ワークフローを読み込んだ際にノードが欠落している場合の考えられる原因：

1. 最新の ComfyUI（Nightly 版）を使用していない
2. 起動時に一部のノードのインポートに失敗している

クラウドユーザー

• Cloud は、ComfyUI の安定版リリース後に更新されます。

したがって、このドキュメントでコアノードが見つからない場合、それは新しいコアノードがまだ最新の安定版にリリースされていない可能性があります。次回の安定版リリースをお待ちください。

​

ComfyUI で Drama 3 を使用する

Fish Audio のパートナーノードは、ノードメニューの partner/audio/Fish Audio 以下で利用できます。Drama 3 は他のモデルと同じノードを使用します。Text to Speech、Speech to Text、Voice Selector、Instant Voice Clone です。

​

モデルの選択

Text to Speech ノードで model を drama-3 に設定します。

​

ボイスの接続

Voice Selector または Instant Voice Clone の voice 出力は、Text to Speech ノードに接続します。drama-3 は、最大 5 スロットまで追加できる可変長の voices 入力を公開しています。接続したボイスが 1 つの場合、ノードはそれを内部的に reference_id として渡します。2 つ以上の場合、テキスト内で話者を @Voice1、@Voice2 などのように指定する必要があり、接続したすべてのボイスがテキスト内に少なくとも 1 回は登場しなければなりません。そうでない場合、ノードはエラーを発生させます。

​

演技を演出する

drama-3 はスクリプトそのものから演出指示を受け取ります。角括弧で書いた平易な言葉の指示は、その位置から先の話し方を変え、対になる単語タグは囲んだ単語だけを変えます。

[calm and inviting] Welcome back to the studio.
[leans in, conspiratorial] There is one trick nobody tells you about.
[light, playful] Ready? <whisper>It is all in the timing.</whisper> [bright, back to full voice] And that is the whole secret.

​

話し方を指定する

指示は角括弧に入れ、適用したい言葉の前に置きます。書き方は、声優に演技指示を出すときと同じように、感情、意図、ペース、あるいはそのキャラクターが誰に話しかけているかを含めます。

[barely holding it together, forcing a smile] I'm fine. Really. Go on without me.
[professional broadcast tone] And now, the headlines.

指示は次の指示まで適用されます。行頭の [calm] は、別の指示に置き換わるまでその行全体に効き続けます。1 行に複数の指示を書くと、その行の中で話し方が切り替わります。

​

サウンドとポーズを加える

ため息、笑い、息遣いなど、サウンドやポーズを入れたい位置に角括弧で書きます。

I'm fine. [shaky breath] Really. [small laugh] Go on without me.

​

どの言語でも演出できる

指示はスクリプトの言語と一致している必要はありません。英語のスクリプトに中国語で指示を出すことも、その逆も可能です。

[像是在强忍着眼泪，却努力笑着] I'm fine. Really. Go on without me.

​

特定の単語だけを変える

対になるタグで単語を囲むと、その単語の話し方だけを変えられます。対応しているタグは <whisper>、<emphasis>、<soft>、<fast>、<slow>、<stress>、<forceful> です。

It is going to <emphasis>blow</emphasis>.
I'm fine. Really. <whisper>Go on without me.</whisper>

​

行の途中で言語を切り替える

Fish Audio は言語タグを実験的と位置づけています。

フレーズを言語タグで囲むと、その言葉だけ言語を切り替えられます。これは、1 つの行に 2 つの言語が混在している場合や、あるフレーズを別の言語で読ませたい場合に役立ちます。

She looked at the menu and said <french>Je voudrais une table pour deux, s'il vous plaît.</french> The waiter smiled.

​

組み合わせる

指示、単語タグ、音素タグ はすべて同じスクリプト内で使えます。複数話者のターンの中でも同様です。

@Voice1 [calm and inviting] Welcome back to the studio.
@Voice2 [leans in, conspiratorial] There is one trick nobody tells you about.
@Voice1 [light, playful] Ready? <whisper>It is all in the timing.</whisper> [bright, back to full voice] And that is the whole secret.

プロンプトガイド にある感情、トーン、効果のタグは他のモデル向けのものです。drama-3 では、代わりにこのページの指示と単語タグを使用してください。

​

利用可能なワークフロー

Drama 3 には、すぐに使える2つのテンプレートがあります。1人による演出付きパフォーマンスと、2話者による対話です。ComfyUI のテンプレートライブラリから開くか、Comfy Cloud で直接実行できます。どちらも ComfyUI 0.39.3 以降が必要です。

​

Fish Audio Drama 3: 指示されたパフォーマンス

1つのスクリプトを単一の音声で演じさせます。text フィールドの演出指示は行ごとに話し方を変化させ、<whisper>...</whisper> は行の残りの部分を変えずに一部の単語だけを変えます。テンプレートは Delia プリセットボイスから始まり、Voice Selector で差し替えられます。

Comfy Cloud で実行

Comfy Cloud で開く

ワークフローをダウンロード

JSON をダウンロードするか、テンプレートライブラリで “Fish Audio Drama 3: Directed Performance” を検索してください

入力素材

このファイルを該当する LoadAudio ノードにアップロードしてください:

fish_audio_example.mp3

LoadAudio ノード 11 · fish_audio_example.mp3

​

Fish Audio Drama 3: 2人対話

シーン全体を1回のパスで生成します。話者ごとに1つの Voice Selector を使い、台詞タグはスクリプトに記述します。テンプレートには Delia と Sheila のプリセットボイスが含まれています:

[deep, cinematic narrator] @Voice1 Every night, the city tells a story.
[soft, close, like a secret] @Voice2 But only one voice ever finishes it.
[drops to a whisper, then brightens] @Voice1 Fish Audio Drama 3, <whisper>now in ComfyUI</whisper>.

Comfy Cloud で実行

Comfy Cloud で開く

ワークフローをダウンロード

JSON をダウンロードするか、テンプレートライブラリで “Fish Audio Drama 3: Two-Speaker Dialogue” を検索してください

入力素材

このファイルを該当する LoadAudio ノードにアップロードしてください:

fish_audio_example.mp3

LoadAudio ノード 11 · fish_audio_example.mp3

​

アカウントと料金

これらのノードを利用するには ComfyUI アカウントへのサインインが必要で、使用量に応じて課金されます。Drama 3 は、ローンチキャンペーン期間中はテキスト 100 万バイトあたり約 $14.30、2026年11月13日以降は$35.75 です。クレジット料率とキャンペーン期間については、パートナーノードの料金 を参照してください。

​

はじめる

1. ComfyUIを0.39.3以降にアップデートする
2. 上記のDrama 3テンプレートのいずれかを開くか、partner/audio/Fish AudioからFish Audioノードを追加する
3. Text to Speechノードでdrama-3を選択し、Voice SelectorまたはInstant Voice Cloneでボイスを接続する
4. 指示とワードタグを使ってスクリプトを書き、実行する