mcpField
S
speak-response

speak-response

github.com/tdiminoクリエイティブ・メディア4141 回インストール1 週間前に更新
リポジトリ

speak-response について

speak-responseは、ローカルのQwen3-TTSでテキストを音声化するスキルです。Oracleのデフォルト音声、ムードを指示できるプリセット話者、音声のクローンや設計の手順を備えています。

主な機能

  1. 01ローカルQwen3-TTSによる音声生成
  2. 02デフォルトのOracle音声
  3. 03プリセット話者とムード指示
  4. 04音声サンプルからのクローン作成
  5. 05テキスト指示による音声設計

活用シーン

  1. 01直近の応答の読み上げ
  2. 02指定したムードでのテキスト読み上げ
  3. 03再利用できる音声のサンプル作成

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/tdimino/claude-code-minoan --skill speak-response

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

同梱ファイル

SKILL.md と一緒にインストールされる参考資料やスクリプト。

README.md
qwen3-tts/
clone.py
design.py
generate.py
references/
moods.md
scripts/
clone.sh
design-voice.sh
speak.sh
voices/oracle/
transcript.txt

詳細

音声で応答

ローカルの Qwen3-TTS を使ってテキストを音声化します。デフォルトの声は Oracle です（深く響き、預言者のような雰囲気を持つ、Dune のナレーターの声をクローンしています）。

簡単な使用例

コマンド効果
/speakOracle の声で直近の 2 文を読み上げます
/speak 5Oracle の声で直近の 5 文を読み上げます
/speak "The sleeper must awaken."Oracle の声で指定したテキストを読み上げます
/speak --preset mood:warmプリセットの話者と感情で直近の 2 文を読み上げます
/speak --preset "Hello" speaker:Vivian voice:"nurturing"カスタム音声を指定したプリセット話者で読み上げます

デフォルト：Oracle の声

Oracle の声は、Dune のナレーターからクローンした、深く響き、預言者のような声です。古代の知恵と威厳を感じさせながら、あらゆるテキストを読み上げます。

# Default usage - Oracle voice
scripts/speak.sh "The spice must flow."
scripts/speak.sh "He who controls the spice controls the universe."
制限事項

Oracle はボイスクローニング（Base モデル）を使用しているため、メッセージごとの指示制御には対応していません。声の特徴は固定されています。感情や雰囲気を制御するには、--preset を使用してください。

プリセットの話者（--preset）

感情や雰囲気を制御するには、--preset を使用して、指示を調整できる CustomVoice に切り替えます。

scripts/speak.sh --preset "<text>" [speaker] [instruction]
プリセットの簡単な使用例
# Calm therapeutic voice
scripts/speak.sh --preset "Take a deep breath." Vivian "calm, nurturing, gentle pace"

# Excited announcement
scripts/speak.sh --preset "We did it!" Ryan "joyful, excited, enthusiastic"

# Serious explanation
scripts/speak.sh --preset "This is important." Eric "serious, measured, emphatic"
カスタム音声の指示

モデルは、自然言語による詳細な説明を理解します。

項目例
感情喜びに満ちた、憂鬱な、不安な、穏やかな、興奮した、思索的な
ペースゆっくりと意図的に、速く活気に満ちて、一定のペースで、ためらいがちに
強さ柔らかく優しく、大きく威厳を持って、ささやくように、強調して
スタイル温かく包み込むように、プロフェッショナルに、遊び心を持って、ドラマチックに
抑揚ドラマチックな間を入れて、語尾を上げて、重要な言葉を強調して
雰囲気のプリセット（ショートカット）
プリセット展開後
calm"穏やかで、心を落ち着かせ、優しいペース"
warm"温かく、共感に満ち、包み込むような口調"
excited"喜びに満ち、興奮し、熱意にあふれて"
serious"真剣で、落ち着いた、威厳のある口調"
gentle"柔らかく、優しく、ささやくように"
encouraging"励まし、元気づけ、誠実に"
contemplative"思慮深く、ゆっくりとしたペースで、内省的に"
話者
話者最適な用途
Ryan（デフォルト）プロフェッショナル、真剣、威厳のある口調
Vivian温かく、包み込むような、セラピー向き
Serena穏やかで、優しく、思索的
Dylan親しみやすく、カジュアルで、遊び心のある口調
Eric真剣で、ドラマチックで、威厳のある口調
Aiden励まし、元気づけ、活気のある口調
Uncle_Fu賢明で、落ち着いた口調
Ono_Anna柔らかく、優しい口調
Sohee明瞭で、プロフェッショナルな口調

ワークフロー

  1. テキストとモード（デフォルトの Oracle または --preset）の引数を解析します
  2. テキストが指定されていない場合、直近の応答からテキストを抽出します
  3. デフォルトモード：Oracle の声でクローンします
  4. プリセットモード：CustomVoice と指示を使って生成します
  5. macOS のスピーカーから音声を再生します

実行

# Oracle voice (default)
scripts/speak.sh "<text>"

# Preset speaker with instruction
scripts/speak.sh --preset "<text>" [speaker] [instruction]

ボイスクローニング（カスタムボイス）

3 秒以上の音声サンプルから、任意の声をクローンします。

# Get transcript first (use Whisper API)
curl -s https://api.openai.com/v1/audio/transcriptions \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -F file="@reference.mp3" -F model="whisper-1"

# Clone the voice
scripts/clone.sh "<text to speak>" "<audio_file>" "<transcript>"

ボイスデザイン（新しい声の作成）

自然言語による説明から、まったく新しい声をデザインします。

scripts/design-voice.sh "<sample_text>" "<voice_description>"

# Example: Create a warm guide voice
scripts/design-voice.sh \
  "Take a deep breath and feel this moment." \
  "warm, nurturing, gentle pace, empathetic, female"

次に、デザインした声をクローンして再利用します。

scripts/clone.sh "New text" designed-voice.wav "Original sample text"

指示の例については、references/moods.md を参照してください。

コメント

Markdown 対応