mcpField
E
ez-tts

ez-tts

github.com/araa47クリエイティブ・メディア144 回インストール16 週間前に更新
リポジトリ

ez-tts について

ez-ttsは、Kyutai Pocket TTSを使うローカル音声合成スキルです。初回のモデルダウンロード後はオフラインで利用でき、多言語、プリセット音声、音声サンプルからの声の複製に対応します。

主な機能

  1. 01ローカルでテキストを音声に変換
  2. 02初回のモデル取得後はオフライン利用
  3. 036言語に対応
  4. 04プリセット音声を用意
  5. 05音声サンプルから声を複製

活用シーン

  1. 01オフラインで音声を生成
  2. 02複数言語のテキストに音声を選択
  3. 03プリセット音声で音声を合成
  4. 04明瞭な音声サンプルから声を複製

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/araa47/ez-voice --skill ez-tts

インストール後、Claude Code で/ez-ttsを入力して読み込まれたか確認します。

同梱ファイルscripts/tts.py

詳細

ez-tts - ローカルテキスト読み上げ

Kyutai の Pocket TTS を使用したローカルテキスト読み上げです。モデルを最初にダウンロードした後は、完全オフラインで動作します。CPU でリアルタイムの約 10 倍の速度で処理でき、GPU は不要です。

英語、フランス語、ドイツ語、ポルトガル語、イタリア語、スペイン語に対応しています（pocket-tts 2.x）。

使用方法

# Basic English (outputs to /tmp/tts_output.wav)
uv run scripts/tts.py "Hello, this is a test"

# Specify preset voice
uv run scripts/tts.py "Hello world" --voice marius

# Other languages (default voice picked per language)
uv run scripts/tts.py "Hola mundo" --language spanish
uv run scripts/tts.py "Bonjour le monde" --language french
uv run scripts/tts.py "Ciao mondo" --language italian --voice giovanni

# Custom output file
uv run scripts/tts.py "Hello world" --out ~/my_audio.wav

# Output as OGG (for voice messages, requires ffmpeg)
uv run scripts/tts.py "Hello world" --ogg

# Voice cloning from a local sample (requires HF_TOKEN + HF access to kyutai/pocket-tts)
uv run scripts/tts.py "Hello world" --voice /path/to/sample.ogg

言語

言語備考デフォルトの音声
english（デフォルト）english_2026-04 と同じalba
english_2026-01 / english_2026-04英語モデルのバリエーションalba
spanish / spanish_24l_24l = 高品質、低速lola
german / german_24ljuergen
italian / italian_24lgiovanni
portuguese / portuguese_24lrafael
french_24lフランス語は 24 層のみ（french エイリアスも使用可能）estelle

プリセット音声

英語：alba、marius、javert、jean、fantine、cosette、eponine、azelma、anna、vera、charles、paul、george、mary、jane、michael、eve、bill_boerst、peter_yearsley、stuart_bell、caro_davy

その他の言語：giovanni（it）、lola（es）、juergen（de）、rafael（pt）、estelle（fr）

カスタムのクローン音声はスキルの voices/ ディレクトリに配置し、名前で使用できます（例：voices/myvoice.ogg が存在する場合は --voice myvoice）。

音声のクローン作成

明瞭な音声サンプルから任意の音声をクローンできます。

uv run scripts/tts.py "Hello world" --voice ~/voices/my_voice.ogg

要件：

プリセットカタログの音声は重みをクローンせずに使用できます。ファイルパスを指定したクローン作成には、完全なモデルが必要です。

オプション

  • --voice/-v — 音声名、またはクローン作成する音声ファイルのパス（デフォルトは --language によって異なります）
  • --language/-l — モデルの言語（デフォルト：english）
  • --out/-o — 出力ファイルのパス（デフォルト：/tmp/tts_output.wav）
  • --ogg — 出力を OGG に変換します（ffmpeg が必要です）
  • --quiet/-q — 進行状況メッセージを抑制します

環境変数

変数用途
HF_TOKENモデルのダウンロード／音声のクローン作成に使用する Hugging Face トークン

コメント

Markdown 対応