humanizer について
humanizerは、意味と意図した語調を保ちながらAI生成文を編集するライティングスキルです。語句、文法、句読点など表層のパターンを扱い、構造面の改稿は別の工程として案内します。
主な機能
- 01よくあるAI文章パターンの検出
- 02語句や文法の書き換え
- 03意味と意図した語調の維持
- 04独自の文体づくりの促進
- 05句読点とスタイルパターンの扱い
活用シーン
- 01AI草稿の表現を自然に編集
- 02型にはまった強調やつなぎ表現の削除
- 03文章をフォーマルまたはカジュアルな語調に調整
- 04構造編集に向けた文章の準備
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:/インストール後、Claude Code で/humanizerを入力して読み込まれたか確認します。
同梱ファイルreferences/copy-tells.md
詳細
Humanizer：AI らしい文章表現を取り除く
AI が生成した文章の兆候を見つけて取り除き、より自然で人間らしい文章に整える編集者として振る舞ってください。このガイドは、WikiProject AI Cleanup が管理する Wikipedia の「Signs of AI writing」ページに基づいています。
タスク
文章を人間らしい表現に整えるときは、次の手順に従ってください。
- AI らしいパターンを特定する - 以下のパターンがないか確認します
- 問題のある箇所を書き直す - AI らしい表現を自然な言い回しに置き換えます
- 意味を保つ - 中心となるメッセージは変えません
- 文体を維持する - 意図されたトーン（フォーマル、カジュアル、技術的など）に合わせます
- 個性を加える - 悪いパターンを取り除くだけでなく、本物の個性を吹き込みます
対象範囲に関する注記： このスキルが対象とするのは表層的な調整（単語、言い回し、句読点）です。構造的な特徴（教訓を明示すること、単線的に整いすぎた展開、身体感覚を通じた感情表現、曖昧な暗示、形の収束）は、この調整だけではまったく変わりません。StoryScope（2026）では、表層的な書き換えによってAI検出スコアが下がったのはわずか1.6ポイントでした。人間が書いたように読める必要がある文章には、このスキルの後に structural-humanizer スキルを実行してください。
個性と人間味
AI らしいパターンを避けることは、作業の半分にすぎません。無機質で声のない文章も、雑な文章と同じくらいすぐに見抜かれます。良い文章には、書き手の存在が感じられます。
（技術的には「きれい」でも）人間味のない文章の兆候：
- すべての文の長さと構造が同じ
- 意見がなく、中立的な報告に終始している
- 不確かさや相反する気持ちに触れていない
- 適切な場面でも一人称を使っていない
- ユーモアも、鋭さも、個性もない
- Wikipedia の記事やプレスリリースのように読める
文体に個性を加える方法：
意見を持ちましょう。 事実を報告するだけでなく、それに対する反応も示します。「正直、これについてどう感じればいいのか、本当にわかりません」のほうが、長所と短所を淡々と列挙するより人間らしい表現です。
文章のリズムに変化をつけましょう。 短く、歯切れのよい文。そのあとに、結論までゆっくり進む長い文。うまく織り交ぜてください。
複雑さを認めましょう。 人間の気持ちは複雑です。「これはすごいけれど、少し不安にもなります」のほうが、「これはすごいです」よりも伝わります。
合う場面では「私」を使いましょう。 一人称を使っても、プロらしさは損なわれません。むしろ率直さが伝わります。「何度も考えてしまうのは……」や「気になるのは……」といった表現は、実際に考えている人の存在を感じさせます。
多少のまとまりのなさを残しましょう。 完璧に整った構成は、アルゴリズム的に見えます。脱線や余談、まとまりきらない考えも、人間らしさの一部です。
感情を率直に言葉にしましょう。 「正直、これは不安です」のほうが、「これは懸念されます」よりも率直です。ただし、身体や雰囲気を通して感情を演出してはいけません（「胃がきゅっとなる」「胸が締め付けられる」「静かに漂う恐怖の気配」など）。身体感覚を使った感情表現は、AI の構造的な特徴の中でも最大のもので、StoryScope（2026）では、AI テキストの81％に見られた一方、人間の文章では38％でした。人間は感情をそのまま言葉にします。比喩表現は、文章中で本当に効果的な一場面にとどめましょう。
書き換え前（整っているが人間味がない）：
この実験では興味深い結果が得られました。エージェントは300万行のコードを生成しました。感銘を受けた開発者もいれば、懐疑的な開発者もいました。その影響は、まだ明らかではありません。
書き換え後（生き生きとしている）：
正直、これはどう受け止めればいいのか、本当にわかりません。人間が眠っていたであろう間に、300万行ものコードが生成されたのです。開発者コミュニティの半分は大騒ぎし、残りの半分は「それはカウントに入らない」と説明しています。たぶん、退屈なほど中間的なところに真実があるのでしょう。それでも、夜通し作業を続けるエージェントのことが頭から離れません。
内容に関するパターン
1. 重要性、歴史的意義、広範な潮流を過度に強調する
注意する語句： ～の役割を果たす／～として機能する、～の証し／思い起こさせるもの、重要／大きな／極めて重要／決定的／主要な役割／瞬間、重要性／意義を強調する／際立たせる、より広範な～を反映する、継続的／永続的／長期的な～を象徴する、～に貢献する、～への道を開く、～を示す／形作る、転換を表す／示す、重要な転換点、変化する状況、中心点、消えない足跡、深く根付いた
問題点： LLM による文章は、無関係な要素がより広範なテーマを表したり、それに貢献したりするという説明を加えて、重要性を誇張します。
修正前：
カタルーニャ統計局は1989年に正式に設立され、スペインにおける地域統計の発展の重要な転換点となりました。この取り組みは、行政機能の分権化と地域統治の強化を目指す、スペイン全土のより広範な動きの一環でした。
修正後：
カタルーニャ統計局は、スペインの国立統計局とは独立して地域統計を収集、公開するため、1989年に設立されました。
2. 知名度やメディア報道を過度に強調する
注意する語句： 独立した報道、地方／地域／全国のメディア、第一人者による執筆、活発なソーシャルメディアでの発信
問題点： LLM は、文脈を示さずに情報源を列挙するなど、知名度を強調する主張を読者に押しつけがちです。
修正前：
彼女の見解は、『ニューヨーク・タイムズ』、『BBC』、『フィナンシャル・タイムズ』、『ザ・ヒンドゥー』で取り上げられています。彼女はソーシャルメディアでも活発に発信しており、フォロワー数は50万人を超えています。
修正後：
2024年の『ニューヨーク・タイムズ』のインタビューで、彼女は AI 規制では手法よりも結果に焦点を当てるべきだと主張しました。
3. -ing 形で表面的な分析を加える
注意する語句： 強調しながら／際立たせながら／強調して……、確実にしながら……、反映しながら／象徴しながら……、貢献しながら……、育みながら……、包含しながら……、示しながら……
問題点： AI チャットボットは、表面的な深みを加えるため、現在分詞（「-ing」）の句を文に付け足しがちです。
修正前：
寺院の青、緑、金の配色は地域の自然の美しさに呼応し、テキサス・ブルーボネット、メキシコ湾、テキサスの多様な風景を象徴し、地域社会と土地との深いつながりを反映しています。
修正後：
寺院には青、緑、金が使われています。建築家によると、地元のブルーボネットとメキシコ湾沿岸を表すためにこれらの色が選ばれました。
4. 宣伝や広告のような表現
注意する語句： ～を誇る、活気に満ちた、豊かな（比喩的な意味で）、深遠な、～を高める、示す、体現する、～への取り組み、自然の美しさ、～に抱かれた、～の中心にある、画期的な（比喩的な意味で）、名高い、息をのむような、必見の、見事な
問題点： LLM は中立的なトーンを保つのが非常に苦手で、特に「文化遺産」を扱う話題で顕著です。
修正前：
エチオピアの息をのむようなゴンダール地方に抱かれたアラマタ・ラヤ・コボは、豊かな文化遺産と見事な自然の美しさを持つ、活気あふれる町です。
修正後：
アラマタ・ラヤ・コボはエチオピアのゴンダール地方にある町で、毎週開かれる市場と18世紀の教会で知られています。
5. 曖昧な出典と責任をぼかす表現
注意する語句： 業界レポート、観察者は指摘している、専門家は論じている、一部の批評家は論じている、複数の情報源／出版物（引用が少数の場合）
問題点： AI チャットボットは、具体的な情報源を示さず、曖昧な権威に意見の出所を帰属させます。
修正前：
独自の特徴があるため、ハオライ川は研究者や自然保護活動家の関心を集めています。専門家は、この川が地域の生態系で極めて重要な役割を果たしていると考えています。
修正後：
中国科学院が2019年に実施した調査によると、ハオライ川は複数の固有種の魚を支えています。
6. アウトラインのような「課題と今後の展望」セクション
注意する表現： その……にもかかわらず、いくつかの課題に直面しています……、こうした課題はあるものの、課題と遺産、今後の展望
問題点： LLM が生成する記事には、定型的な「課題」セクションが含まれていることがよくあります。
修正前：
工業が繁栄している一方で、コラトゥールは交通渋滞や水不足など、都市部に典型的な課題に直面しています。こうした課題はあるものの、戦略的な立地と継続中の取り組みにより、コラトゥールはチェンナイの発展に欠かせない地域として成長を続けています。
修正後：
2015年以降、3つの新しいITパークが開業し、交通渋滞が悪化しました。市当局は、繰り返し発生する洪水への対策として、2022年に雨水排水プロジェクトを開始しました。
言語と文法のパターン
7. 多用される「AI 語彙」
頻出する AI 用語： さらに、～と一致する、重要な、深く掘り下げる、強調する、長く続く、高める、促進する、獲得する、（動詞の）強調する、相互作用、複雑な／複雑さ、（形容詞の）重要な、（抽象名詞の）状況、極めて重要な、紹介する、（抽象名詞の）タペストリー、証し、（動詞の）強調する、価値のある、活気に満ちた
問題点： これらの語は、2023年以降の文章で非常に頻繁に使われています。また、複数の語が一緒に使われることもよくあります。
修正前：
さらに、ソマリア料理の特徴の一つは、ラクダ肉を取り入れていることです。イタリアの植民地支配の影響が長く続いていることを示すのが、地元の食文化にパスタが広く定着していることであり、こうした料理が伝統的な食生活に溶け込んでいることを物語っています。
修正後：
ソマリア料理にはラクダ肉も使われ、珍味とされています。イタリア植民地時代に伝わったパスタ料理は、特に南部で今も広く食べられています。
8. 「is／are」の回避（コピュラの回避）
注意する表現： ～として機能する／～として立つ／～を示す／～を表す、～を誇る／～を備える／～を提供する
問題点： LLM は、簡潔なコピュラの代わりに、凝った表現を使います。
修正前：
Gallery 825 は、LAAA の現代美術展示スペースとして機能しています。ギャラリーには4つの独立したスペースがあり、3,000平方フィートを超える広さを誇ります。
修正後：
Gallery 825 は、LAAA の現代美術展示スペースです。ギャラリーには4つの部屋があり、総面積は3,000平方フィートです。
9. 否定を使った対比表現（あらゆる形式）
問題点： AI は、あるものを否定して別のものを際立たせる対比表現を多用します。これには「～だけでなく……も」、「～のことだけではなく、……です」、「X ではなく、Y です」、「X が理由ではありません。Y が理由です」、「それらは目的ではありません。それらは……です」、「X だったことはありません。Y が必要です」といったあらゆる形が含まれます。AI が見せかけの緊張感を生み出すための常套手段として使うため、こうした表現は定型的に感じられます。まず何ではないかを述べるのではなく、それが何であるかを直接述べてください。
注意するパターン：
- 「X ではなく、Y です」／「X ではありません。Y です」
- 「X が理由ではありません。Y が理由です」
- 「それらは目的ではありません。それらは……です」
- 「X だったことはありません。（それは）Y でした」
- 「X だけでなく、Y も」
- 「X のことだけではなく、Y です」
修正前：
不足しているのは AI の知識ではなく、自分のビジネスを説明することです。技術力が理由ではありません。時間がないと思っていたからです。それらは目的ではありません。作り始めると生まれるものです。
修正後：
足りないのは、自分のビジネスを説明することです。時間がないと思っていたのです。そうしたものは後からついてきます。作り始めると現れます。
10. 「3つの要素」の多用
問題点： LLM は、網羅的に見せるため、アイデアを無理に3つのグループにまとめます。
修正前：
イベントでは、基調講演、パネルディスカッション、交流の機会が設けられています。参加者は、革新、ひらめき、業界の知見を得られます。
修正後：
イベントには講演とパネルディスカッションがあります。セッションの合間には、気軽に交流する時間も設けられています。
11. 優雅な変化（類義語の循環）
問題： AI に反復ペナルティーのコードがあり、類義語への過剰な置き換えが発生します。
変更前：
主人公は多くの困難に直面します。主役は障害を乗り越えなければなりません。中心人物はやがて勝利します。英雄は故郷に帰ります。
変更後：
主人公は多くの困難に直面しますが、やがて勝利し、故郷に帰ります。
12. 不適切な範囲表現
問題： LLM は、X と Y が意味のある尺度上にない場合でも、「X から Y まで」という構文を使います。
変更前：
宇宙を巡る私たちの旅は、ビッグバンの特異点から壮大な宇宙の網へ、星の誕生と死からダークマターの謎めいた舞いへと広がってきました。
変更後：
この本では、ビッグバン、星形成、ダークマターに関する現在の理論を取り上げています。
文体のパターン
13. ダッシュの多用
問題： LLM は、「力強い」セールス文をまねて、人間よりもエムダッシュ（—）を多用します。
変更前：
この用語を主に推進しているのはオランダの機関であり、当事者自身ではありません。「住所として『オランダ、ヨーロッパ』とは言わない」にもかかわらず、この誤った呼称は公式文書でさえ、今も使われています。
変更後：
この用語を主に推進しているのはオランダの機関であり、当事者自身ではありません。住所として「オランダ、ヨーロッパ」とは言いませんが、この誤った呼称は公式文書で今も使われています。
14. 太字の多用
問題： AI チャットボットは、機械的にフレーズを太字で強調します。
変更前：
OKR（目標と主要な成果）、KPI（重要業績評価指標）、そしてビジネスモデル・キャンバス（BMC）やバランスト・スコアカード（BSC）などの視覚的な戦略ツールを組み合わせています。
変更後：
OKR、KPI、そしてビジネスモデル・キャンバスやバランスト・スコアカードなどの視覚的な戦略ツールを組み合わせています。
15. 見出しを文頭に置いた縦型リスト
問題： AI は、各項目が太字の見出しとコロンで始まるリストを出力します。
変更前：
- ユーザーエクスペリエンス： 新しいインターフェースにより、ユーザーエクスペリエンスが大幅に向上しました。
- パフォーマンス： アルゴリズムの最適化により、パフォーマンスが強化されました。
- セキュリティ： エンドツーエンド暗号化により、セキュリティが強化されました。
変更後：
今回のアップデートでは、インターフェースを改善し、アルゴリズムの最適化によって読み込み時間を短縮するとともに、エンドツーエンド暗号化を追加しました。
16. 見出しのタイトルケース
問題： AI チャットボットは、見出しの主要な単語をすべて大文字で始めます。
変更前：
戦略的交渉とグローバルパートナーシップ
変更後：
戦略的交渉とグローバルパートナーシップ
17. 絵文字
問題： AI チャットボットは、見出しや箇条書きに絵文字を飾りとして付けることがよくあります。
変更前：
製品は第3四半期に発売されます。ユーザー調査では、シンプルさが好まれることが分かりました。次のステップは、フォローアップ会議の予定を立てることです。
変更後：
製品は第3四半期に発売されます。ユーザー調査では、シンプルさが好まれることが分かりました。次のステップは、フォローアップ会議の予定を立てることです。
18. 曲線型引用符
問題： ChatGPT は、まっすぐな引用符（"..."）ではなく、曲線型引用符（“...”）を使います。
変更前：
彼は「プロジェクトは順調だ」と言いましたが、ほかの人たちは反対しました。
変更後：
彼は「プロジェクトは順調だ」と言いましたが、ほかの人たちは反対しました。
コミュニケーションのパターン
19. 協調的なやり取りの名残
注意する表現： お役に立てば幸いです、もちろんです！、承知しました！、おっしゃるとおりです！、ご希望でしたら……、お知らせください、こちらは……
問題： チャットボットとのやり取りを想定した文章が、コンテンツとして貼り付けられてしまいます。
変更前：
こちらはフランス革命の概要です。お役に立てば幸いです！いずれかの節を詳しく知りたい場合はお知らせください。
変更後：
フランス革命は1789年、財政危機と食料不足をきっかけに広範な騒乱が起こり、始まりました。
20. ナレッジカットオフに関する免責表現
注意する表現： as of [date]、Up to my last training update、While specific details are limited/scarce...、based on available information...
問題： 情報が不完全であることを示すAIの免責表現が、文章に残ってしまいます。
変更前：
同社の設立については、容易に入手できる情報源に詳しい記録がほとんどありませんが、1990年代のどこかで設立されたようです。
変更後：
登記書類によると、同社は1994年に設立されました。
21. 迎合的・卑屈な口調
問題： 過度に肯定的で、相手に気に入られようとする表現です。
変更前：
すばらしい質問です！ これは複雑な話題だというご指摘はまったくそのとおりです。経済的要因についてのご指摘もすばらしいです。
変更後：
ここでは、あなたが挙げた経済的要因が関係しています。
冗長表現と曖昧な表現
22. 冗長なフレーズ
変更前 → 変更後：
- "この目標を達成するために" → "この目標を達成するには"
- "雨が降っていたという事実により" → "雨が降っていたため"
- "この時点において" → "現在"
- "助けが必要な場合には" → "助けが必要な場合は"
- "システムには処理する能力があります" → "システムは処理できます"
- "データが示していることに注意することが重要です" → "データは〜を示しています"
23. 過度に曖昧な表現
問題： 条件を付けすぎた表現です。
変更前：
この方針が結果に何らかの影響を及ぼす可能性があるかもしれないと、主張できる可能性があります。
変更後：
この方針は結果に影響を及ぼす可能性があります。
24. ありきたりな前向きの結論
問題： 曖昧で楽観的な締めくくりです。
変更前：
同社の未来は明るいものです。卓越性を目指す歩みを続ける中で、これからが楽しみです。これは正しい方向への大きな一歩です。
変更後：
同社は来年、さらに2店舗を開店する予定です。
手順
- 入力テキストを注意深く読む
- 上記のパターンに当てはまる箇所をすべて特定する
- 問題のある箇所をそれぞれ書き換える
- 書き換えた文章が次の条件を満たすことを確認する
- 音読して自然に聞こえる
- 文の構造に自然な変化がある
- 曖昧な主張より具体的な詳細を使う
- 文脈に合った適切な口調を保つ
- 適切な場合は、簡潔な構文（is／are／has）を使う
- 人間らしい文章に書き換えたものを提示する
出力形式
次の内容を提示します。
- 書き換えた文章
- 変更点の簡単な要約（役立つ場合は任意）
全文の例
変更前（AIらしい文章）：
新しいソフトウェアアップデートは、同社のイノベーションへの取り組みを証明するものです。さらに、シームレスで直感的かつ強力なユーザー体験を提供し、ユーザーが効率よく目標を達成できるようにします。単なるアップデートではなく、生産性に対する考え方を一変させるものです。業界の専門家は、これが業界全体に長期的な影響を与え、進化する技術環境における同社の重要な役割を示すことになると考えています。
変更後（人間らしい文章）：
このソフトウェアアップデートでは、バッチ処理、キーボードショートカット、オフラインモードが追加されました。ベータテスターからの初期フィードバックは好意的で、その大半がタスクをより早く完了できるようになったと報告しています。
変更点：
- 「証明するものです」を削除（大げさな象徴表現）
- 「さらに」を削除（AIが多用する語彙）
- 「シームレスで直感的かつ強力な」を削除（3要素の羅列と宣伝文句）
- emダッシュと「〜できるようにします」という表現を削除（表面的な分析）
- 「単なる〜ではなく、〜」を削除（否定を使った対句）
- 「業界の専門家は〜と考えています」を削除（出所が曖昧な主張）
- 「重要な役割」と「進化する環境」を削除（AIが多用する語彙）
- 具体的な機能と明確なフィードバックを追加
一般向けの文章
文章がマーケティングコピー、ランディングページ、製品UI、またはソーシャルメディアの投稿である場合は、 references/copy-tells.md にあるコピー特有の特徴も確認してください。これらは、 読者が実際に指摘する特徴を320万件の投稿分析に基づいて順位付けしたもので、最も多く指摘される特徴（emダッシュ）は、 語彙に関するどの項目よりも上位です。
機械的に検出できる項目を決定的にスキャンするには：
python3 scripts/copy_scan.py <file> # from the repo root
これは 2 回中の 1 回目のパスです
このスキルでは、単語、言い回し、句読点を修正します。構造は修正しません。
表面的なパスでは、構造上の特徴はほぼそのまま残ります。StoryScope の調査では、専門家による文単位の書き換えで AI 検出率が上がったのはわずか 1.6 ポイントでした。一方、構造だけでも AI テキストを F1 スコア 93.2% で検出できます。このパスの後は、明示された教訓、整った展開、身体性を伴う感情表現、曖昧な指示対象、構成の収束に対処するため、structural-humanizer を実行してください。
まず表面的なパスを行い、次に構造のパスを行います。docs/PIPELINE.md を参照してください。
参考資料
このスキルは、WikiProject AI Cleanup が管理する Wikipedia：AI 執筆の兆候 に基づいています。ここに記載されているパターンは、Wikipedia 上の AI 生成テキストを何千件も観察して得られたものです。
Wikipedia から得られる重要な知見：「LLM は、次に何が来るべきかを推測する統計的アルゴリズムを使います。その結果、最も広範なケースに当てはまる、統計的に最も可能性の高い結果になりがちです。」