audio-producer-agent

Audio Producer

単一話者の音声コンテンツを作成します。オーディオブック、ナレーション、ボイスオーバー、ジングルなど。

これはオーケストレータースキルです。以下を組み合わせます:

• テキスト読み上げ / ナレーション (Gemini TTS、ElevenLabs、または OpenAI TTS)
• BGM / アンビエント音声 (Lyria)
• 音声の組み立て (media-utils 経由の FFmpeg)

対話や会話には、代わりに podcast-producer を使用してください。

作成できるもの

種類	例
オーディオブック	テキストや章の長尺ナレーション
ボイスオーバー	動画、プレゼンテーション、スライドショー用のナレーション
音声広告	ラジオまたはポッドキャストの広告
ジングル	キャッチコピー付きの短いブランド音楽
ソニックロゴ	音声ブランドの識別子 (数秒)
オーディオガイド	美術館やツアー形式のナレーション
瞑想	アンビエント音声を伴うガイド付きリラクゼーション
サウンドスケープ	アンビエント音声の環境

前提条件

• GOOGLE_API_KEY - Gemini TTS (音声) および Lyria (音楽) 用
• FFmpeg のインストール: brew install ffmpeg

ワークフロー

ステップ 1: 要件の収集 (必須)

⚠️ このステップを省略しないでください。インタラクティブな質問を使用してください — 一度に 1 つだけ質問します。

質問フロー

⚠️ 以下の各質問には AskUserQuestion ツールを使用してください。 質問を回答にただ書き出すのではなく、ツールを使って示された選択肢を含むインタラクティブなプロンプトを作成してください。

Q1: 種類

「その音声を作成しますね!まず — どの種類の音声ですか?

• オーディオブック / ナレーション
• ボイスオーバー (動画 / プレゼンテーション用)
• 音声広告 / ラジオ広告
• ジングル / ソニックロゴ
• 瞑想 / ガイド付き音声
• またはご自身で説明してください」

回答を待ちます。

Q2: コンテンツ

「読み上げるテキスト / コンテンツは何ですか?

• ここにテキストを貼り付けてください
• または必要な内容を説明していただければ、こちらで書きます」

回答を待ちます。

Q3: 声

「どのような声のスタイルにしますか?

• プロフェッショナル
• 温かみ / 親しみやすい
• エネルギッシュ
• 落ち着いた / 心地よい
• ドラマチック
• またはご自身で説明してください」

回答を待ちます。

Q4: 音楽

「BGM は必要ですか?

• はい — スタイルを説明してください (アンビエント、アップビート、シネマティックなど)
• いいえ — 音声のみ」

回答を待ちます。

Q5: 長さ

「目標の長さはどれくらいですか?

• 自然な長さにする
• または指定する (例: 30 秒、2 分)」

回答を待ちます。

クイックリファレンス

質問	決定する内容
種類	処理アプローチと出力形式
コンテンツ	TTS の入力テキスト
声	声の選択とスタイルパラメータ
音楽	音楽を生成してミックスするかどうか
長さ	ペースとコンテンツの長さ

---

ステップ 2: コンテンツの準備

ナレーション / ボイスオーバーの場合:

• 音声用にテキストを最適化する (必要に応じて数字を読み上げ用に展開する)
• 自然な間を追加する (カンマ、ピリオド)
• 長いコンテンツは 32k トークンを超える場合、チャンクに分割する

ジングル / 音声広告の場合:

• キャッチコピー / コピーを書く
• 音楽スタイルを決める
• 構成を計画する: 音楽イントロ → 音声 → 音楽アウトロ

オーディオブックの場合:

• 章に分割する
• セクションごとに異なる声のスタイルを検討する
• アンビエント音楽を計画する (控えめ、低音量)

---

ステップ 3: アセットの生成

種類: ボイスオーバー / ナレーション

ナレーションを生成する (Gemini TTS):

python3 ${CLAUDE_PLUGIN_ROOT}/skills/voice-generation/scripts/gemini_tts.py \
  --text "Your narration text here..." \
  --voice Charon \
  --style "Professional, measured pace, warm and authoritative"

必要に応じて BGM を生成する (Lyria):

python3 ${CLAUDE_PLUGIN_ROOT}/skills/music-generation/scripts/lyria.py \
  --prompt "subtle ambient, corporate, unobtrusive, background" \
  --duration 120 \
  --density 0.2 \
  --brightness 0.4

音声と音楽をミックスする:

python3 ${CLAUDE_PLUGIN_ROOT}/skills/media-utils/scripts/audio_mix.py \
  --voice narration.wav \
  --music background.wav \
  --music-volume 0.15 \
  --fade-in 2 \
  --fade-out 3 \
  -o final_voiceover.mp3

---

種類: 音声広告 / ラジオスポット

構成: 30 秒のラジオ広告

0-3s:   Music hook (attention grabber)
3-25s:  Voice with music bed underneath
25-30s: Music + tagline + CTA

エネルギッシュな音楽を生成する:

python3 ${CLAUDE_PLUGIN_ROOT}/skills/music-generation/scripts/lyria.py \
  --prompt "upbeat, energetic, advertising, catchy, radio jingle" \
  --duration 35 \
  --bpm 120

スタイル付きの音声を生成する:

python3 ${CLAUDE_PLUGIN_ROOT}/skills/voice-generation/scripts/gemini_tts.py \
  --text "Tired of ordinary coffee? Wake up to extraordinary! Premium beans, perfect roast, delivered fresh. Visit BestCoffee.com today and get 20% off your first order!" \
  --voice Puck \
  --style "Energetic, radio announcer style, enthusiastic, clear call to action"

ミックスして組み立てる:

python3 ${CLAUDE_PLUGIN_ROOT}/skills/media-utils/scripts/audio_mix.py \
  --voice ad_voice.wav \
  --music ad_music.wav \
  --music-volume 0.35 \
  --fade-in 1 \
  --fade-out 2 \
  -o radio_ad.mp3

---

種類: ジングル / ソニックロゴ

キャッチコピー付きのジングルの場合:

キャッチーな音楽を生成する:

python3 ${CLAUDE_PLUGIN_ROOT}/skills/music-generation/scripts/lyria.py \
  --prompt "catchy jingle, memorable, brand audio, upbeat, major key" \
  --duration 10 \
  --bpm 110 \
  --scale C

キャッチコピーを生成する:

python3 ${CLAUDE_PLUGIN_ROOT}/skills/voice-generation/scripts/gemini_tts.py \
  --text "TechCorp. Innovation for tomorrow." \
  --voice Kore \
  --style "Confident, aspirational, slight pause between company name and tagline"

音楽の上にキャッチコピーをミックスする:

python3 ${CLAUDE_PLUGIN_ROOT}/skills/media-utils/scripts/audio_mix.py \
  --voice tagline.wav \
  --music jingle.wav \
  --music-volume 0.5 \
  -o brand_jingle.mp3

ソニックロゴの場合 (音楽のみ):

python3 ${CLAUDE_PLUGIN_ROOT}/skills/music-generation/scripts/lyria.py \
  --prompt "sonic logo, 3 seconds, memorable, brand identifier, simple, distinctive" \
  --duration 5 \
  --bpm 100

---

種類: オーディオブック

章を処理する:

# Chapter 1
python3 ${CLAUDE_PLUGIN_ROOT}/skills/voice-generation/scripts/gemini_tts.py \
  --text-file chapter1.txt \
  --voice Algieba \
  --style "Audiobook narrator, measured pace, engaging storytelling" \
  -o chapter1.wav

# Chapter 2
python3 ${CLAUDE_PLUGIN_ROOT}/skills/voice-generation/scripts/gemini_tts.py \
  --text-file chapter2.txt \
  --voice Algieba \
  -o chapter2.wav

任意: 控えめなアンビエント音楽を追加する:

python3 ${CLAUDE_PLUGIN_ROOT}/skills/music-generation/scripts/lyria.py \
  --prompt "ambient, subtle, reading music, calm, unobtrusive, soft piano" \
  --duration 600 \
  --density 0.1 \
  --brightness 0.3

章を連結する:

python3 ${CLAUDE_PLUGIN_ROOT}/skills/media-utils/scripts/audio_concat.py \
  -i chapter1.wav chapter2.wav chapter3.wav \
  --crossfade 0.5 \
  -o audiobook.mp3

---

種類: 瞑想 / リラクゼーション音声

落ち着いたナレーションを生成する:

python3 ${CLAUDE_PLUGIN_ROOT}/skills/voice-generation/scripts/gemini_tts.py \
  --text "Close your eyes. Take a deep breath in... and slowly release..." \
  --voice Achernar \
  --style "Calm, soothing, slow pace, relaxing, gentle, meditation guide"

アンビエントサウンドスケープを生成する:

python3 ${CLAUDE_PLUGIN_ROOT}/skills/music-generation/scripts/lyria.py \
  --prompt "ambient, meditation, peaceful, nature sounds, gentle, calming" \
  --duration 300 \
  --density 0.1 \
  --brightness 0.6

高いアンビエント音量でミックスする:

python3 ${CLAUDE_PLUGIN_ROOT}/skills/media-utils/scripts/audio_mix.py \
  --voice meditation_guide.wav \
  --music ambient.wav \
  --music-volume 0.5 \
  -o meditation_session.mp3

---

ステップ 4: 結果を納品する

納品例:

「✅ 音声広告が完成しました！

ファイル: coffee_radio_ad.mp3 (30秒)

作成した内容:

• エネルギッシュなナレーション（Puck ボイス、ラジオアナウンサー風）
• アップビートなBGM（120 BPM）
• ナレーションの下で音楽がダッキングし、最後にフェードアウト

構成:

• 0～3秒: 音楽のフック
• 3～25秒: ナレーション＋音楽ベッド
• 25～30秒: 音楽の盛り上がり＋タグライン

ご希望があれば:

• 別のボイスを試しますか？
• 音楽のエネルギー感を変えますか？
• タイミングを調整しますか？」

---

タイプ別ボイス推奨

音声タイプ	推奨ボイス	スタイルの方向性
企業ナレーション	Charon、Orus	プロフェッショナル、落ち着き
オーディオブック	Algieba、Despina	なめらか、引き込まれる
ラジオ広告	Puck、Laomedeia	エネルギッシュ、アップビート
瞑想	Achernar、Sulafat	穏やか、心地よい
ジングルタグライン	Kore、Alnilam	自信に満ちた、印象的
ドキュメンタリー	Gacrux、Rasalgethi	大人びた、威厳のある
チュートリアル	Achird、Charon	親しみやすい、明快

タイプ別音楽推奨

音声タイプ	Lyria プロンプト	設定
企業ナレーション	"subtle, professional, ambient"	density: 0.2, brightness: 0.4
ラジオ広告	"upbeat, energetic, catchy"	bpm: 120, density: 0.6
オーディオブック	"soft, ambient, unobtrusive"	density: 0.1, brightness: 0.3
瞑想	"peaceful, ambient, nature"	density: 0.1, brightness: 0.6
ジングル	"catchy, memorable, brand"	bpm: 110, density: 0.5

---

制限事項

• Gemini TTS の上限: 1リクエストあたり32kトークン（それ以上の内容は分割してください）
• Lyria はインストゥルメンタルのみ: BGMにボーカルは含まれません
• 処理時間: 長いオーディオブックは生成に時間がかかります

プロンプト例

ナレーション:

「この台本のプロフェッショナルなナレーションを作成してください: 『...』控えめな企業向けBGMを追加してください。」

音声広告:

「私たちのコーヒーブランド向けに30秒のラジオ広告を作成してください。エネルギッシュで印象的、キャッチーな音楽付き。最後に『Visit BestCoffee.com』で締めてください」

ジングル:

「TechCorp 向けに5秒のジングルを作成してください。モダンで印象的、タグラインは『Innovation for tomorrow』」

オーディオブック:

「このテキストをオーディオブックの1章に変換してください。温かみのある、引き込まれるナレーターボイスを使用してください。控えめなアンビエント音楽を追加してください。」

瞑想:

「5分間のガイド付き瞑想を作成してください。穏やかで心地よいボイスに、平和なアンビエントの背景を合わせてください。」