インストール不要。2分以内に動きます。
cloud.anythingmcp.com で無料トライアルを開始し、Fish Audio をワンクリックで追加して、AI クライアント（Claude、ChatGPT、Copilot、Cursor）を生成された MCP エンドポイントに向けるだけ。Docker も git clone も、開発経験も不要です。
概要
Fish Audio による音声合成、ボイスクローン、文字起こし：コミュニティとライセンス済みのボイスライブラリを検索し、感情タグつきの自然な多言語音声を音声ファイルとして生成し、話者の切り替えつきで録音を文字起こしし、独自のボイスモデルを作成・更新・削除し、API クレジットを確認できます。音声合成と文字起こしはプリペイドの API クレジットから支払われ、無料の TTS モデルもあります。
こう聞いてみよう
Fish Audio のサンプルプロンプト
プロンプトをクリックでコピー。Claude / ChatGPT / Cursor / Gemini / Copilot / OpenClaw に貼り付けて、このコネクターで実行できます。
Claude は AI のため誤ることがあります。回答をご確認ください。
💡 インストール不要? cloud.anythingmcp.com を直接利用してください。 サインインし、Connectors → Fish Audio をクリック、認証情報を貼り付け、MCP API キーを発行すれば完了です。Docker も
git cloneもローカルサーバーも不要。
Fish Audio
Fish Audio による音声合成、ボイスクローン、文字起こし：コミュニティとライセンス済みのボイスライブラリを検索し、感情タグつきの自然な多言語音声を音声ファイルとして生成し、話者の切り替えつきで録音を文字起こしし、独自のボイスモデルを作成・更新・削除し、API クレジットを確認できます。音声合成と文字起こしはプリペイドの API クレジットから支払われ、無料の TTS モデルもあります。
セットアップ
セットアップは約 2 分です。Fish Audio のアカウントが必要です。
- https://fish.audio でサインアップし、Developers、Get started（https://fish.audio/app/developers/get-started/）を開きます。
- Get your API key をクリックしてキーをコピーします。キーは一度しか表示されません。
FISH_AUDIO_API_KEYに貼り付けます。キーはAuthorization: Bearerとして送信されます。 - コネクタをインストールし、
fish_audio_get_api_creditを実行します。開発者向け API クレジットが米ドルで表示され、キーが確認できます。
API クレジット: 新しいアカウントには API クレジットがありません。s2.1-pro-free モデルでの音声合成はすぐに使えますが、ほかのモデルと文字起こしは、Developers、Billing（https://fish.audio/app/developers/billing/）でクレジットを追加するまで 402 を返します。開発者向け API クレジットは、fish_audio_get_package で確認できる Web アプリのサブスクリプションとは別です。
費用がかかるもの: API クレジットを消費するのは 2 つのツールです。
fish_audio_text_to_speech：s2.1-proまたはs2-proではテキスト 100 万 UTF-8 バイトあたり 15 ドル（ラテン文字 1,000 字で約 0.015 ドル。中国語と日本語の文字は 1 字 3 バイト）、drama-3では 100 万バイトあたり 50 ドル、s2.1-pro-freeは無料です。fish_audio_transcribe：音声 1 時間あたり 0.36 ドルで、秒単位で課金されます。
失敗したリクエストは課金されず、ほかのツールはすべて無料です。長いテキストや録音の前には、AI が長さと費用を伝え、あなたの了承を待ちます。
ボイスを探す: fish_audio_list_voices は、数十万件のコミュニティとライセンス済みのボイスを title、tag（male、female、young、old、narration、calm、deep など）、language（en、de、zh など）で検索します。sort_by を task_count にするとよく使われるボイスが先頭に来て、licensed を true にすると、Fish Audio が所有者からライセンスを受けた商用利用可能なボイスだけが返ります。各ボイスには試聴用の sample_audio リンクがあります。self を true にすると、非公開のものも含め自分のボイスが一覧表示されます。fish_audio_get_voice は 1 つのボイスを表示し、state が trained なら使える状態です。
読み上げ: fish_audio_text_to_speech は text と、reference_id としてボイス ID を受け取り（なければ既定のボイスを使用）、音声ファイルを結果に添付します。model の既定は s2.1-pro で、クレジットのないアカウントでは AI が s2.1-pro-free を使います。format は mp3（最小）、wav、opus、pcm から選べ、speed（0.5〜2）と volume（dB）で話し方を調整し、language で数字、日付、単位を正しく読ませます。テキスト中の角かっこの指示で感情や話し方を指定できます：[happy]、[sad]、[excited]、[whispering]、[laughing]、[sighing]、[break]。長いテキストは自動で分割され 1 つのファイルで返りますが、1 回の結果に入るのは MP3 で約 10 MB までなので、AI は本を章ごとに分けます。
文字起こし: fish_audio_transcribe は audio_url として、最大 10 MB の音声または動画ファイル（mp3、wav、m4a、ogg、flac、webm、mp4 など）の公開リンクを受け取り、AnythingMCP がダウンロードしてアップロードします。既定のモデル transcribe-1-pro は最長 60 分、複数話者に対応し、テキストには <|speaker:0|> のようなマーカーが入ります。ignore_timestamps を false にすると、単語の segments と、話者・テキスト・開始・終了を含む speaker_turns も得られます。num_speakers、または min_speakers と max_speakers で話者の分離を助け、tag_audio_events を false にすると [laughter] などの指示が消えます。話者ラベルが区別するのは 1 つの文字起こしの中の話者だけです。
ボイスのクローン: fish_audio_create_voice は title と voice_url（1 人の話者による 10〜30 秒のクリアな音声の公開リンク）を受け取り、書き起こしがあれば text にも指定します。新しいボイスは unlist を選ばない限り非公開で、その _id はすぐに reference_id として使え、プランのボイス数の上限に数えられます。使用する権利のあるボイスだけをクローンしてください。fish_audio_update_voice は自分のボイスのタイトル、説明、公開範囲を変更します。タグは Web アプリで編集します。
データ形式: ID は 16 進数 32 文字です。日付は UTC の ISO 8601 です。credit と cumulative_top_up は米ドルの 10 進数文字列です。文字起こしのタイムスタンプは秒単位です。
ページング: ボイスの一覧は total（ライブラリ検索では最大 1,000）と has_more を返します。AI は has_more が true の間、次の page_number を取得します。page_size の既定は 20 です。
インストール時にオフ: fish_audio_delete_voice。ボイスの削除は元に戻せず、削除後はそのボイスで音声を生成できなくなるためです。チームで必要になったらワークスペース管理者がオンにします。
制限: 同時に実行できるリクエスト数はプリペイド額で決まります。100 ドル未満は 5、100 ドルから 15、1,000 ドルから 50 です。長い文字起こしは、終わるまで枠を 1 つ占有します。
よくあるエラー: 401「Invalid token」はキーが間違っていることを意味します。402 は API クレジットがないか、クレジットのないアカウントで有料モデルを使ったことを意味します。404 は不明なボイス ID です。400 または 422 は無効なフィールドを示し、たとえば diarize が false なのに話者の指定をした場合です。429 は同時リクエストが多すぎることを意味し、AI は少し待ってから再試行します。
このコネクタは、説明文からのボイスデザイン、WebSocket によるリアルタイムの音声合成や文字起こし、Fish Audio のボイスエージェントの運用、画像や動画のツールには対応していません。なお Fish Audio は独自の MCP サーバー（https://api.fish.audio/mcp）も提供しており、こちらは OAuth でサインインし、開発者向け API クレジットではなく Web アプリのプランに課金されます。
前提条件: FISH_AUDIO_API_KEY
ローカルでコネクタをインストール
curl -fsSL https://raw.githubusercontent.com/HelpCode-ai/anythingmcp/main/docker-compose.quickstart.yml -o docker-compose.yml
printf 'JWT_SECRET=%s\nENCRYPTION_KEY=%s\n' "$(openssl rand -hex 32)" "$(openssl rand -hex 32)" > .env
docker compose up -d
http://localhost:3000/connectors/store を開き、 Fish Audio を選択し、前提条件に記載された環境変数を入力します。
利用可能なツール
| Tool | What it does |
|---|---|
fish_audio_get_api_credit | The prepaid developer API credit of the Fish Audio account, in US dollars (credit, as a decimal string), with the total ever topped up |
fish_audio_get_package | The Fish Audio subscription package of the account (type, total and remaining balance, billing period, renewal and cancellation dates) |
fish_audio_list_voices | Search the Fish Audio voice library (hundreds of thousands of community and licensed voices) or list the account's own voice models… |
fish_audio_get_voice | Details of one Fish Audio voice model by id: title, description, tags, languages, visibility, training state (trained means ready to use)… |
fish_audio_text_to_speech | Turn text into natural speech with a Fish Audio voice and return the audio file (MP3 by default) attached to the result |
fish_audio_transcribe | Transcribe speech in an audio or video file to text with Fish Audio (transcribe-1-pro by default: up to 60 minutes, speaker turns, emotion… |
fish_audio_create_voice | Create a custom voice model (voice clone) from a recording of the voice, ready to use at once with fish_audio_text_to_speech |
fish_audio_update_voice | Change the title, description or visibility of one of the account's voice models |
fish_audio_delete_voice | Delete one of the account's voice models permanently |
プロンプトの例
- 「Fish Audio アカウントの開発者向け API クレジットはあといくら残っていますか？」
- 「よく使われているボイスの中から、落ち着いた低い声の英語の男性ナレーターを探して、サンプルのリンクを教えてください。」
- 「この製品発表を、温かみのある日本語の女性の声で、通常より少しゆっくりめの MP3 にしてください。先に費用を教えてください。」
- 「https://example.com/interview.mp3 のインタビューを、話者の切り替えとタイムスタンプつきで文字起こししてください。」
- 「https://example.com/my-voice.wav にある 20 秒のサンプルから、『スタジオナレーター』という名前の非公開ボイスクローンを作成してください。」
次のステップ
このガイドは役に立ちましたか?