Eleven v4を発表これまでで最も感情豊かなモデル、Eleven v4をご紹介します。

引き換える
コンテンツへ移動
ログイン登録
お問い合わせログイン

Audio Tagsとは？感情豊かなTTSの完全ガイド

執筆者
Jack Limebear
公開日
最終更新日

聴くこの記事を聴く

Eleven v4
詳しく見る

Audio Tagsは、[laughs]、[gasps]、[excited]、[worried]のように角括弧で囲まれた自然言語のキューです。Eleven v3とEleven v4は、これを発話する言葉ではなく、パフォーマンスの指示として読み取ります。テキスト読み上げモデル用のスクリプトにAudio Tagsを挿入すると、文章の感情表現を細かくコントロールできます。 

Eleven v3は2026年3月に一般公開されました。v3以前は、テキスト読み上げモデルから特定の感情表現を引き出すには、コンテンツを再生成して、うまくいくことを願うしかありませんでした。Audio Tagsはそうした当て推量をなくし、感情豊かなテキスト読み上げパフォーマンスを完全にコントロールできるようにします。Eleven v4ではさらに進化し、感情をきめ細かくコントロールできます。

このガイドでは、Audio Tagsとは何か、その仕組み、利用可能なタグの全カテゴリー、SSML（Speech Synthesis Markup Language）との比較を解説します。また、代表的なユースケースも紹介します。各ユースケースには専用ガイドへのリンクがあります。

概要

  • Audio Tagsは、[shouts]や[excited]のような角括弧で囲まれたキューで、Eleven v3およびEleven v4のTTSにおける感情、ペース、話し方、トーンを指示します。
  • Eleven v3とEleven v4はSSMLをサポートしていませんが、より自然に書けるAudio Tagsを代わりに使用できます。
  • タグには、感情、話し方とペース、人間らしい反応、アクセント、サウンドエフェクトなど、いくつかのカテゴリーがあります。
  • テキスト内の句読点や大文字表記を使うと、AI音声のパフォーマンスのペースを整えられます。
  • ElevenLabsでは、UIまたはAPIからAudio Tagsを使用できます。

Audio Tagsの仕組み

Audio Tagsは台本の文中に配置し、角括弧で囲みます。たとえば通常の話し方から[worried]へと表現を変えたい場合は、Audio Tagを追加するだけです。

1つの文で複数のタグを使うことも、タグを組み合わせてより重層的なパフォーマンスにすることもできます。たとえば、[tired] 長い一日だった… [upset] あと何日耐えればいいの？

Eleven v4のアーキテクチャでは、従来のモデルよりも深いレベルでコンテキストを読み取れます。そのため、別途パラメーターや設定を指定しなくても、感情のキュー、トーンの変化、話者の切り替わり、文脈上の手がかりに対応できます。場面に必要なことをモデルに伝えるだけで、意図どおりにセリフを演じます。

Eleven v4は、タグとスクリプトの構成だけで、割り込みや気分の変化、実際の会話のような自然なやり取りを含む、即興的に感じられる複数話者の対話にも対応します。 

Audio TagsとSSMLの比較

他のTTSシステムを使ったことがあれば、Speech Synthesis Markup Languageをご存じかもしれません。Amazon PollyやMicrosoft Azure Speechなどのプラットフォームでは、<break>や<emphasis>のようなSSMLタグを使い、TTSスクリプトに追加のコンテキストを与えます。 

Eleven v4はSSMLのbreakタグや、その他のSSMLタグセットをサポートしていません。その代わり、Audio Tags、句読点、そしてテキスト構造そのものがその役割を担い、話し方を細かくコントロールできます。

以下の表では、一般的なSSMLタグとEleven v4で対応する表現を確認できます。

What it does
<break time=”1s”>
Inserts a pause
<prosody rate=”slow”>
Slows down speech
<prosody rate=”fast”>
Speeds speech up
<emphasis>
Stresses a particular word
<prosody pitch=”high”>
Shifts pitch higher
<prosody pitch=”low”>
Shifts pitch lower
Eleven v4 equivalent
<break time=”1s”>
[pause], an ellipsis in your text, or a line break
<prosody rate=”slow”>
[drawn out] or [slowly]
<prosody rate=”fast”>
[rushed]
<emphasis>
[shouts] or capitalizing a word
<prosody pitch=”high”>
Emotional tags like [excited]
<prosody pitch=”low”>
Emotional TTS tags like [softly] or [sorrowful]

書き手の視点では、セリフに[whispers]を加えるほうが、プロソディの速度を設定するよりもはるかに手軽です。

v3におけるAudio Tagsのカテゴリー：Audio Tagsでパフォーマンスを演出

Audio Tagsはスクリプト内のどこにでも置けるため、話し方をリアルタイムで調整できます。スクリプト全体や1つの文の中で、複数のタグを組み合わせることも可能です。

タグは、以下の主要なカテゴリーに分類されます。

感情

これらのタグを使うと、沈んだ、強烈な、明るいといった声の感情的なトーンを設定できます。たとえば、[sad]、[angry]、[happily]、[sorrowful]を単独または組み合わせて使えます。

[sorrowful] I couldn't sleep that night. The air was too still, and the moonlight kept sliding through the blinds like it was trying to tell me something.
[quietly] And suddenly,
that's when I saw it.
0:00
Okay, you are not going to believe this. You know how I've been totally stuck on that short story, like staring at the screen for hours, just nothing? [sighs] I was seriously about to just trash the whole thing, start over, give up probably.
But then [chuckles] last night, I was just doodling, not even thinking about it, right? And this one little phrase popped into my head, just completely out of the blue. And it wasn't even for the story initially, but then I typed it out just to see, and it was like the floodgates opened. Suddenly, I knew exactly where the character needed to go, what the ending had to be. It all just clicked. [sighs] I stayed up till like 3:00 a.m. just typing like a maniac. Didn't even stop for coffee. [chuckles] And it's, it's good, like really good. It feels so complete now, you know? Like it finally has a soul. [sighs] I am so incredibly pumped to finish editing it now. It went from feeling like a chore to feeling like
magic. Seriously, I'm still buzzing.
0:00

話し方とペース

これらはトーンやパフォーマンスに関するタグです。抑制や力強さが必要な場面で、音量やエネルギーを調整できます。たとえば、[whispers]、[shouts]、[softly]などがあります。

Could you switch my accent in the old model? [dismissive] Didn't think so, [cheeky] but you can now, so check this out. In just a sec, I'm going to speak with a different accent. And just between you and me, [whispers] I don't really know how, but okay. First, let's change it up [australian accent] so that I can fit in with the locals in Melbourne when I visit next month. [laughing] Whoa. Yeah, man, this is sick. Okay, let's try a different one, see if you can guess. [french accent] My love is like a red, red rose.
0:00
So, I was thinking we could-
[jumping in] Test our new timing features.
[surprised] Exactly! How did you-
[overlapping] Know what you were thinking? Lucky guess. Sorry, go ahead.
[cautiously] Okay. So if we both try to talk at the same time-
We'll probably crash the system?
[panicking] Wait, are we crashing? I can't tell if this is a feature or a-
[interrupting] Bug. Did I just cut you off again?
[sighing] Yes. But honestly, this is kind of fun.
0:00

人間らしい反応

自然な発話には反応が含まれます。たとえば、自然発生的で台本にない瞬間を発話に組み込むことで、リアリティを加えられます。[laughs]、[clears throat]、[sighs]のようなタグは、人間らしい感情を表現できるTTSモデルの作成に役立ちます。

その他のAudio Tagカテゴリーの例：

  • アクセントとキャラクターボイス： アクセントタグを使うと、モデルを切り替えずに、[French accent]、[British accent]、[pirate voice]のような特定の地域や人物像の声に変えられます。1つの声を固定された1種類のパフォーマンスではなく、柔軟なキャストとして活用できます。
  • サウンドエフェクト： サウンドエフェクトタグは、[gunshot]、[explosion]、[clapping]のような非音声のオーディオを生成に直接追加します。没入感のあるオーディオ、ゲーム、声だけでは場面を表現しきれないドラマチックなナレーションに適しています。または、ElevenCreative AIサウンドエフェクトジェネレーターを使用してください。

タグによって高度なコントロールが可能ですが、句読点を使ってリズムや強調を調整することもできます。たとえば、省略記号を加えると自然な間を作れ、コンマを使うと自然な呼吸のパターンを作れます。単語をすべて大文字にして強調してみましょう：「今すぐそれが欲しいんだ！」

We're off under the lights here for this semifinal clash, the stadium buzzing with anticipation. Eleven Labs united in their iconic black and white shirts, pushing forward with intent straight from the opening whistle. [excited] The ball is zipped out wide, early attack here. Driving down the wing, pace to burn, [shouting] he skids past one, skips past two. Oh, this is beautiful. One-on-one with the fullback, cuts inside. Oh, that's a lovely bit of footwork. PURE MAGIC on the pitch. ElevenLabs on top form tonight.
0:00
Oh my God. [laughing] You guys, like no joke, I just tried this TTS thing and it was, like, weirdly emotional. Like, it literally said hi, and I was, like, on the verge of tears. [laughing] I don't even cry, okay? I'm a Capricorn.
0:00

Audio Tagsでできること

Audio Tagsを使うと、スクリプトに含まれる複雑な感情を直感的に表現できます。自然に書きながら、必要に応じてタグを加えてください。

ここでは、Audio Tagsを活用した感情豊かなTTSのユースケースをいくつか紹介します。

AIオーディオにおける状況認識

[whisper]や[shouting]などのタグを使うと、Eleven v4はその瞬間の状況に反応できます。警告をやわらかく伝えたり、緊張感を高めるために長い間を取ったりと、動的な状況認識をスクリプトに組み込めます。

詳しくは、AIオーディオにおける状況認識ガイドをご覧ください。

音声でキャラクターのパフォーマンスを演出

複数のキャラクターが登場するスクリプトを作る際は、それぞれの声の違いを明確に表現したいものです。[sarcastically]で個性を調整したり、[British accent]で話し方を定義したりすることで、TTSエンジンを使って幅広い感情を表現できます。

詳しくは、AI音声におけるキャラクターパフォーマンスの演出をご覧ください。

音声で感情的な文脈を表現

Audio Tagsを使うと、セリフの展開に合わせて感情表現を調整できます。スピーチを通して感情を積み上げ、キャラクターが最高の状態に達する瞬間にクライマックスへ導けます。[awe]、[booming]、[big laugh]のようなタグは、AI音声のパフォーマンスに幅広い感情表現を持たせるのに役立ちます。

詳しくは、AI音声における感情的な文脈の活用についてご覧ください。 

複数キャラクターの対話を生き生きと表現

複数キャラクターの対話パフォーマンスを作る際は、各セリフの冒頭にAudio Tagを付けることで、豊かなキャラクター同士の会話を構築できます。 

次の例をご覧ください：トム：[coughing] [beginning to speak] ごめん、今日は少し体調が悪くて— エマ：[interrupting] —体調が悪い？ 咳なんて大嫌いなの、トム！ トム：[surprised] ただの軽い咳だよ。大したことない。もし君だったら— エマ：[overlapping] [annoyed] —家に帰ったほうがいいと思う。 

Eleven v3での複数キャラクターの対話でできることもご覧ください。

AI音声の話し方を精密にコントロール

Eleven v3とEleven v4では、Audio Tagsまたは句読点を使って発話のペースをコントロールできます。[pause]、[rushed]、[drawn out]のようなタグを使うと、セリフを精密に整えられます。また、省略記号、句点、感嘆符を加えることで、TTSパフォーマンスに自然に感情を組み込めます。

詳しくは、Eleven v3における精密な話し方のコントロールに関する詳細ガイドをご覧ください。

感情豊かなTTSはAPIでも利用可能

Audio Tagsは、テキスト読み上げ（TTS）APIでもElevenLabsのUIと同じように機能します。スクリプトのテキスト内にタグを記述すると、APIはオーディオブックのパイプラインから広告用ボイスオーバーまで、タグに応じたパフォーマンスを生成済みオーディオとして返します。 

Eleven v4の詳細を見るか、営業に問い合わせることで、今すぐ始められます。

Audio Tagsと感情豊かなTTS：よくある質問

執筆者

Man smiling, wearing a checkered shirt against a plain background.

Jack Limebear

Growth Marketing

プロフィールを見る

Jack LimebearはGrowthチームに所属し、ブログやインサイトページのコンテンツライター兼ストラテジストとして活躍しています。ElevenLabsに入社する前は、急成長中のSaaSスタートアップからFortune 500企業まで、さまざまな組織で10年以上にわたりコンテンツ戦略をリードしてきました。ケンブリッジ大学で英文学の修士号を取得しています。

関連記事

最高品質のAIオーディオで創造する

営業に相談サインアップ