チュートリアル2026-03-13·8 分で読めます

Fish Audio API でオーディオブックを制作する方法

Kitta AI API から Fish Audio モデルを使う制作ガイドです。API キーとクレジットは当プラットフォームで管理します。

オーディオブックに Fish Audio を使用する理由

Fish Audio の S1 モデルは、感情のコントロールと自然さで知られる TTS-Arena2 で第 1 位にランクされました。オーディオブックの制作には、次の 3 つの重要な利点があります。

音声クローン作成

短い音声サンプルからライセンス付きのナレーション音声を作成し、書籍全体で一貫したナレーションを維持します。

感情のコントロール

オープンドメインの感情アノテーションにより、対話シーンがロボット的ではなく生き生きとしたものになります。

Fish Audio S2.1 Pro: 83 言語

一度トレーニングすれば、複数の言語で出版できるため、国際的なオーディオブックのリリースに最適です。

制作ワークフロー: 5 ステップ

1

リファレンス音声の準備

10 ~ 30 秒のクリーンなオーディオを録音または収集します。サンプルがきれいであればあるほど(バックグラウンドノイズがないほど)、より優れたクローンが得られます。 MP3、WAV、M4Aをサポートします。

2

Kitta AI で音声モデルを作成します

Kitta AI にログインし、[音声クローン作成] に移動し、参照オーディオをアップロードし、音声に名前を付けて、[クローン作成の開始] をクリックします。トレーニングは約1分で完了します。

3

原稿を分割する

原稿を章ごとに分割します。各セグメントは 1,000 ワード未満に抑えてください。 Kitta AI のロング テキスト モードまたはバッチ モードを使用します。システムは分割を自動的に処理します。

4

オーディオの生成とダウンロード

クローン化された音声モデルを選択し、テキストを貼り付けて、[生成] をクリックします。複数の章をバッチ生成し、MP3 ファイルをダウンロードします。

5

後処理 (オプション)

Audacity または Adobe Audition を使用して、チャプタ全体の音量を正規化し、それらをつなぎ合わせて最終的なオーディオブック ファイルにします。

品質向上のためのヒント

基準オーディオに感情的なバリエーションを含めます (単なる読み上げではなく) — クローン化された音声はより表現力豊かになります
対話の場合、テキストに「(興奮して)」などの感情の合図を追加します — Fish Audio は自然言語の感情制御をサポートしています
長い形式のコンテンツで最高の品質を得るには、各テキスト セグメントを 500 ~ 800 ワードに抑えます
一貫性を維持するために、本のすべての章に同じ音声モデルを使用します

よくある質問

Fish Audio API はオーディオブックの制作に適していますか?

83 言語での音声クローンおよびオーディオブックのナレーションを承認するには、Fish Audio S2.1 Pro から Kitta AI API を使用します。リファレンスオーディオの要件、テキスト制限、ストリーミングオプションは、選択したモデルによって異なります。モデルプロバイダーのアカウントではなく、Kitta AI API キーとクレジットを使用します。

Fish Audio でオーディオブックを制作するにはいくらかかりますか?

Fish Audio は無料枠 (8,000 クレジット/月、最大 7 分の音声) を提供します。 Fish Audio テクノロジーを使用する Kitta AI を介すると、無料プランには 1,000 クレジットが含まれ、有料プランは 20,000 クレジット/月から始まります。

100,000 ワードのオーディオブックには何クレジットが必要ですか?

標準の Kitta AI 価格では、100,000 文字には約 100,000 クレジットが必要です (1 クレジット = 1 文字)。 Pro プランには月あたり 20,000 クレジットが含まれています。オーディオブック全体を視聴するには、トップアップ プランをお勧めします。

今すぐオーディオブックを始めましょう

Kitta AI は、Fish Audio テクノロジーを採用しています。音声クローンとオーディオブックの作成を無料でお試しください。

関連コンテンツ