characteristic-voice

characteristic-voice

AI エージェントを、ため息をついたり、笑ったり、ためらったり、本物の感情を込めて話したりする、まるで本当の仲間のような声にしましょう。

認証情報

変数	必須	説明
NOIZ_API_KEY	Noiz バックエンドを使用する場合ははい	developers.noiz.ai の API キーです。ローカルの Kokoro バックエンドを使用する場合は不要です。

スクリプトは、利便性のためにキーの正規化されたコピーを ~/.noiz_api_key（モード 600）に保存します。設定するには、次のコマンドを実行します。

bash skills/characteristic-voice/scripts/speak.sh config --set-api-key YOUR_KEY

前提条件

付属の speak.sh スクリプトは、実行時に curl と python3 を必要とします。使用するバックエンドや機能によっては、次のツールも必要になる場合があります。

ツール	必要となる場合	インストール方法
curl、python3	常時（基本スクリプト）	通常はインストール済みです
kokoro-tts	Kokoro（ローカル／オフライン）バックエンド	uv tool install kokoro-tts
yt-dlp	ボイスクローン用の参照音声のダウンロード	github.com/yt-dlp/yt-dlp
ffmpeg	参照音声クリップのトリミング	ffmpeg.org
rg（ripgrep）	字幕ファイルの検索	github.com/BurntSushi/ripgrep

これらのツールはスキル自体によってインストールされることはありません。環境に手動で用意してください。

プライバシーとデータの送信

• Noiz バックエンド：Noiz バックエンドを使用すると、読み上げるテキストと、指定した参照音声が https://noiz.ai/v1 に送信されます。--ref-audio を指定した場合、その音声ファイルはボイスクローン用にアップロードされます。
• Kokoro バックエンド：すべてローカルで実行されるため、データがマシンの外に送信されることはありません。
• 完全にオフラインで処理したい場合は、Kokoro バックエンド（--backend kokoro）を選択してください。

トリガー

• 〜のように言って
• 〜のように話して
• 〜のようにしゃべって
• 仲間のような声
• 慰めて
• 元気づけて
• もっと人間らしい声にして

2 つのコツ

1. 非語彙的なフィラー — 間が自然にできるところに、ちょっとした人間らしい声（うーん、はは、ああ、へへ）を加えて、話し声に生き生きとした感じを持たせます
2. 感情の調整 — その場面に合わせて、温かさ、喜び、悲しみ、優しさを調整します

フィラー音のパレット

音	感情	用途
hmm...	思案、穏やかな相づち	慰め、考えごと
ah...	気づき、穏やかな驚き	発見、話題の切り替え
uh...	ためらい、共感	慎重さが必要な場面
heh / hehe	おどけた感じ、いたずらっぽさ	からかい、軽い雰囲気
haha	笑い	喜び、ユーモア
aww	優しさ、同情	深い慰め
oh? / oh!	驚き、注目	ニュースへの反応
pfft	こらえた笑い	おどけた疑い
whew	安堵	緊張の後
~（チルダ）	伸ばした、メロディーのある語尾	温かさ、おどけた感じ

ルール：短いメッセージでは、フィラーは最大 2～4 個までにします。文の始まりや考えが切り替わるところなど、自然な間に置きます。フィラーの後に ... を付けると短い沈黙を表現でき、語尾に ~ を付けると温かみが出ます。

プリセット

おやすみ

穏やかで温かく、少し眠そうな雰囲気です。ゆっくり話します。

おはよう

温かく朗らかですが、度を越さないようにします。

慰め

柔らかく、理解を示し、急かさないようにします。相手のための余白を作ります。物事をすぐに「解決」しようとしません。

お祝い

わくわくして、誇らしく、心から喜びます。

雑談

リラックスして、おどけたところもあり、自然な雰囲気です。

キャラクターの声を使う

ユーザーが 「ハーマイオニーの声で話して」 や 「トニー・スタークみたいな声にして」 と言ったら、まず skills/characteristic-voice/ に参照音声ファイルがすでにあるか確認します。あれば、--ref-audio でそのまま使用します。

参照音声がない場合は作成できますが、まず以下の警告を読んでください。

参照音声の準備（初回のみ）

対象の声を録音した、10～30 秒程度の短い WAV クリップが必要です。音声の入手先として、次の方法があります。

1. ユーザー提供の音声 — 最も安全な方法です。ユーザー自身の録音を提供してもらってください。
2. パブリックドメイン／CC ライセンスのクリップ — 自由に利用できるライセンスの素材を探してください。
3. オンライン動画からの抽出 — yt-dlp や ffmpeg などのツールを使って、音声をダウンロードして切り出せます。ワークフローの例：

yt-dlp "URL" --write-auto-sub --sub-lang en --skip-download -o tmp/clip
rg -n "target line" tmp/clip.en.vtt
yt-dlp "URL" -x --audio-format wav --download-sections "*00:00:00-00:00:25" -o tmp/clip
ffmpeg -i tmp/clip.wav -ss 00:00:02 -to 00:00:20 skills/characteristic-voice/character.wav

著作権とプライバシーに関する警告：著作権で保護されたメディア（映画、テレビ番組、YouTube）から他人の声をダウンロードして再利用すると、管轄地域によっては著作権法や肖像権・パブリシティ権に関する法律に違反するおそれがあります。許可を得ていない個人の音声録音や素材をアップロードしないでください。 Noiz バックエンドを使用する場合、音声クローニングのために参照音声が https://noiz.ai/v1 に送信されます。気になる場合は、代わりにローカルの Kokoro バックエンドを使用してください。

参照音声の使用

bash skills/characteristic-voice/scripts/speak.sh \
  --preset goodnight -t "Hmm... rest well~ Sweet dreams." \
  --ref-audio skills/characteristic-voice/character.wav -o night.wav

--ref-audio フラグを指定すると、音声ファイルが音声クローニングのために Noiz バックエンドにアップロードされます（NOIZ_API_KEY が必要です）。

---

使用方法

このスキルは、コンパニオン向けのプリセットを備えた、tts スキルのラッパーである speak.sh を提供します。

# Use a preset (auto-sets emotion + speed)
bash skills/characteristic-voice/scripts/speak.sh \
  --preset goodnight -t "Hmm... rest well~ Sweet dreams." -o night.wav

# Custom emotion override
bash skills/characteristic-voice/scripts/speak.sh \
  -t "Aww... I'm right here." --emo '{"Tenderness":0.9}' --speed 0.75 -o comfort.wav

# With specific backend and voice
bash skills/characteristic-voice/scripts/speak.sh \
  --preset morning -t "Good morning~" --voice-id voice_abc --backend noiz -o morning.mp3 --format mp3

すべてのオプションを確認するには、bash skills/characteristic-voice/scripts/speak.sh --help を実行してください。

エージェント向けの文章作成ガイド

1. 柔らかく始める — 内容に入る前に、「うーん……」「あっ〜」などのつなぎ言葉から始めます
2. 相手のテンションに合わせる — 相手が落ち込んでいるときは優しく、相手のテンションが高いときはそれに合わせます
3. 簡潔にする — 友人からの音声メッセージのように、1～3 文にまとめます
4. 温かく締めくくる — 「ここにいるよ」「また明日ね〜」など、つながりを感じられる言葉で終えます
5. 説教しない — 相手の話を聞き、その場に寄り添います。求められていない助言はしません。