ttscn

ttscn — マルチプラットフォーム対応の中国語 TTS スキル

概要

テキストから自然な音声を生成します。15 種類のバックエンド — 中国国内向けクラウド 11 種類と、国際向けまたは統合 API 4 種類（ElevenLabs / OpenAI / Google / Atlas Cloud）。

#	バックエンド	料金	主な強み
1	Edge TTS（デフォルト）	無料	API キー不要、あらゆる環境で動作
2	Doubao（ByteDance）	約 1 RMB/10K	中国語の自然さは最高クラス（9/10）
3	CosyVoice（Alibaba）	約 0.2 RMB/1K	高速ストリーミング、柔軟
4	Qwen3-TTS（Alibaba）	約 1 RMB/10K	10 言語対応、指示による制御
5	StepFun（阶跃星辰）	低コスト	OpenAI 互換、約 10 秒で音声クローン
6	GLM-TTS（Zhipu）	低コスト	感情制御、シンプルな REST
7	Azure（Microsoft）	約 1 USD/M 文字	エンタープライズ向け SSML、eastasia
8	Tencent Cloud	0.75 RMB/10K	最低価格、380 種類以上の音声
9	Baidu AI	柔軟	30 種類以上の音声、感情と方言に対応
10	MiniMax	約 $0.10/1K	最高クラスの品質、300 種類以上の音声、音声クローン
11	iFlytek Xunfei	約 2 RMB/10K	MOS 4.8、500 種類以上の音声、プロ品質
12	ElevenLabs	有料プラン（$5/月～）	最高クラスの音声品質、即時音声クローン
13	OpenAI TTS	約 $15-30/M 文字	6 種類の音声、多言語対応、シンプルな REST
14	Google Cloud TTS	約 $16/M 文字（無料枠あり）	220 種類以上の音声、40 言語以上
15	Atlas Cloud TTS	モデルごとの料金	統合非同期 API、多言語音声

1.4～1.6 の新機能：単語レベルのタイムスタンプ（edge/azure/doubao/minimax/cosyvoice — ベストエフォート。境界情報が取得できない場合があります）、[PAUSE:x] + サウンドタグマーカー（全プラットフォーム）、--phonemes による発音の上書き（azure/minimax）。 1.7 の新機能：--json フラグ（--format に依存しない JSON エンベロープ）、冪等性チェックでキャッシュがヒットした場合は cached: true を報告し、キャッシュ済み音声が削除されている場合は再合成、--input f out.wav の位置引数を修正、チャンク分割で [PAUSE:x] の途中を分割しないように変更。 1.8 の新機能：MiniMax のデフォルトを speech-2.8-hd に変更（サウンドタグが最初から音声化されます）、CosyVoice v3.5-flash に対応（カスタム音声／クローン音声のみ — プリセットには cosyvoice-v3-flash が必要です）。 1.9 の新機能：Qwen3-TTS（DashScope、DASHSCOPE_API_KEY を再利用）、StepFun（STEP_API_KEY を再利用）、GLM-TTS（ZHIPUAI_API_KEY を再利用）、Atlas Cloud TTS（非同期生成、上限付きポーリング、認証情報なしでのメディアダウンロード、多言語音声プリセット）の各バックエンド — 合計 15 種類。

クロスプラットフォーム対応：Windows、macOS、Linux

このドキュメント内のすべてのパスは、このスキルのルートディレクトリ（この SKILL.md を含むディレクトリ）からの相対パスです。ルートディレクトリを基準に解決してください。

このスキルを使う場面

次の場合に、このスキルを自動的に有効化します。

• ユーザーが中国語のテキストを音声に変換したい場合
• 動画のナレーションやボイスオーバーを生成する場合
• テキストからオーディオブックやポッドキャストの音声を作成する場合
• ユーザーが TTS プロバイダーの比較、TTS バックエンドの選択、利用可能な音声の確認を求めた場合
• ユーザーが TTS の料金や機能、音声クローン／SSML／方言に対応するプロバイダーについて尋ねた場合
• ユーザーが次のいずれかに言及した場合：TTS、テキスト読み上げ、语音合成、文字转语音、Edge TTS、Doubao TTS、CosyVoice、火山引擎、阿里云语音、Azure TTS、腾讯云TTS、百度语音、MiniMax、讯飞语音、ElevenLabs、OpenAI TTS、Google Cloud TTS、Atlas Cloud TTS
• ユーザーが単語レベルのタイムスタンプ／字幕、一時停止の制御、または発音を間違えやすい中国語の漢字（多音字）の修正を必要とする場合
• 中国語テキストの音声変換が役立つあらゆるタスク

プロバイダー比較ページ

ユーザーが TTS プロバイダーを確認、比較、または選択したい場合は、必ず最初に ローカルの HTML 比較ページをブラウザーで開いてください。視覚的に確認できるフィルター付きの表で、 テキストの出力を読むよりもすばやく比較できます。

# Cross-platform (path relative to this skill's directory)
python3 -m webbrowser docs/providers.html

# …or the platform-native opener: open (macOS) / xdg-open (Linux) / start (Windows)

比較ページには、次の情報が含まれています。

• フィルター付きの表 — 無料、SSML、音声クローン、ストリーミング、方言、多言語で絞り込み
• プロバイダーごとの詳細パネル — 料金、最大文字数／長さ、クローン方法、感情、言語
• 音声カード — スタイルの説明と最適な用途のラベル付きのおすすめ音声
• API キーのリンク — 各プロバイダーのキーを取得できるコンソールへの直接リンク

このページは、すべてのプロバイダーと音声のデータを管理する唯一の情報源である data/providers.json から自動生成されます。JSON を編集した後にページを再生成するには、 python3 scripts/build_docs.py を実行してください。同じデータは CLI からも python3 scripts/tts.py schema backends|voices で照会できます（「スキーマの概要」を参照）。

ページを開いた後、使用したいバックエンドと音声をユーザーに尋ねてから、 ステップ 2 に進みます。

ワークフロー

ステップ 0 — 比較ページを表示する（比較／選択する場合）

ユーザーがプロバイダーを確認・比較している場合、または使用するバックエンドが決まっていない場合は、 上記のとおり docs/providers.html を開きます。ユーザーが内容を確認したら、使用したいバックエンドと 音声を尋ねます。

ステップ 1 — リクエストを把握する

ユーザーが必要としている内容を確認します。

• テキスト：直接入力するテキストですか、それともファイルですか？短文ですか、長文ですか？
• 音声スタイル：男性／女性、若々しい／成熟した、温かみのある／エネルギッシュなどですか？（下記の音声ガイドを参照）
• 速度：通常、速め（+10～20％）、遅め（-10～20％）のどれですか？
• 形式：WAV（ロスレス）ですか、MP3（圧縮）ですか？

ステップ 2 — バックエンドと音声を選ぶ

用途に基づいて選びます（バックエンド選択ガイドを参照）。決められない場合は、 Edge TTS と zh-CN-XiaoxiaoNeural（女性、温かみのある標準的な音声）をデフォルトとして使用します。選択した内容を伝えます。

ステップ 3 — 音声を合成する

テキストと選択したオプションを指定して scripts/tts.py を実行します。

ステップ 4 — 結果を報告する

出力先のパス、ファイルサイズ、音声の長さを伝えます。

バックエンド選択ガイド

すぐに選ぶ場合

用途	バックエンド	音声	理由
デフォルト／一般用途	edge	zh-CN-XiaoxiaoNeural	無料で、セットアップ不要
ショート動画／Douyin	doubao	BV001_streaming	ショート動画向けのネイティブなスタイル
オーディオブック／長文	cosyvoice	longxiaochun_v3	高速な合成で、自然
エンタープライズ／SSML	azure	zh-CN-XiaoxiaoNeural	豊かな韻律制御
一括処理／最安	tencent	101001	1 万文字あたり 0.75 RMB
感情表現／方言	baidu	3 or 4	感情を含む音声合成、広東語
最高品質／音声クローン	minimax	female-shaonv	speech-2.8-hd、音声デザイン
教育／プロ向け	xunfei	xiaoyan	MOS 4.8、500 以上の音声
男性ナレーション	edge	zh-CN-YunxiNeural	エネルギッシュな男性の声
ドキュメンタリー	azure	zh-CN-YunyangNeural	深みのあるプロフェッショナルな男性の声
子ども向けコンテンツ	edge	zh-CN-XiaomengNeural	明るく若々しい女性の声
コスト重視	edge	zh-CN-XiaoxiaoNeural	完全無料
英語、最高品質	elevenlabs	21m00Tcm4TlvDq8ikWAM (Rachel)	クラス最高水準の英語音声
英語、手軽／低価格	openai	alloy	tts-1-hd、環境変数 1 つ
英語、エンタープライズ	google	en-US-Neural2-F	220 以上の音声、無料枠あり
多言語／指示対応	qwen	Cherry	10 言語、自然言語によるスタイル制御、既存の DASHSCOPE キーを再利用
マーケティング／高速	stepfun	cixingnansheng	OpenAI 互換、既存の STEP キーを再利用
シンプル／感情表現	zhipu	tongtong	最小限の REST、既存の ZHIPUAI キーを再利用

全機能と音声データ

完全な機能マトリックス（コスト、チャンクあたりの最大文字数／時間、SSML、クローン作成方法とコスト、感情、方言、言語、ストリーミング、設定の難易度）と、バックエンドごとの音声リストは、data/providers.json の1か所にまとめられています。次の方法で確認できます。

• 比較ページ（docs/providers.html） — 人が確認するのに最適です
• python3 scripts/tts.py schema backends --full — バックエンドごとの全機能フィールド
• python3 scripts/tts.py schema voices — スタイルの説明付き音声プリセット一覧
• python3 scripts/tts.py --list — ターミナルで見やすい一覧

これらの表をほかの場所で管理しないでください — JSON から再生成してください。

音声クローン（clone コマンド）

参照音声からカスタム音声を作成し、名前を付けて保存すると、--voice を受け付ける場所ならどこでもその名前を使用できます。minimax（ローカルファイル可、音声は10秒〜5分、有料：グローバルサイトでは音声1つあたり約$1.5、中国サイトでは初回使用時に¥9.9。新しいクローンは最初の実際の音声合成が行われるまでは一時的なものです — 作成から7日以内［グローバルサイト］／48時間以内［中国サイト］に使用しないと MiniMax に削除されます。プレビューは使用に含まれません。初回使用後は永続します）と、cosyvoice（登録無料、音声は公開された HTTP(S) URL である必要があり、10〜20秒、1年間未使用の場合は音声の有効期限が切れます）に組み込まれています。

# MiniMax — local file, paid, must confirm with --yes
python3 scripts/tts.py clone create --platform minimax --audio my_voice.wav --name myvoice --yes

# CosyVoice — free, but --audio must be a public URL; --target-model must
# match the synthesis model (default: $COSYVOICE_MODEL or cosyvoice-v3-flash).
# v3.5-flash has NO preset voices — it needs a custom/cloned voice created with
# the same model (voice IDs are not interchangeable across models).
python3 scripts/tts.py clone create --platform cosyvoice --audio https://example.com/my.wav --name myvoice

# Manage
python3 scripts/tts.py clone list
python3 scripts/tts.py clone delete --name myvoice [--remote]   # --remote: cosyvoice only

# Use it — the stored name resolves to the platform voice_id automatically
python3 scripts/tts.py "用我的声音说这句话" out.wav --platform minimax --voice myvoice

エージェントが必ず守るべきルール：

• MiniMax での作成は有料です — ユーザーの明示的な確認なしに clone create --platform minimax を実行しないでください（CLI では --yes が必須です）。
• クローンを作成できるのは、ユーザー本人の音声、または使用許可を得ている音声のみです — どちらのプラットフォームも、同意なしに第三者の音声をクローンすることを契約上禁止しています。
• 参照音声：雑音のない単一話者の音声が適しています。BGM は入れず、10〜20秒が理想的です。
• 名前付き音声は ~/.ttscn.json の cloned_voices に保存されます。

その他のプラットフォーム（Doubao／Tencent／Baidu／Xunfei／Azure）は、各プラットフォームのコンソールからのクローン作成に対応しています。作成された音声 ID も、そのまま --voice として使用できます。

使用方法

基本的な使い方

# Default (Edge TTS, free, Xiaoxiao voice)
python3 scripts/tts.py "你好世界" output.wav

# Specific voice
python3 scripts/tts.py --voice zh-CN-YunxiNeural "欢迎收听今天的节目" welcome.wav

# Specific backend
python3 scripts/tts.py --platform doubao "今天天气真好" weather.wav
python3 scripts/tts.py --platform minimax "高品质语音合成" hq.wav
python3 scripts/tts.py --platform atlas "统一 API 多语言语音合成" atlas.wav

# Adjust speed
python3 scripts/tts.py --rate +15% "快速播报" fast.wav
python3 scripts/tts.py --rate -10% "慢速朗读" slow.wav

ファイルから

python3 scripts/tts.py --input script.txt output.wav

出力形式

# MP3 output (compressed, smaller file)
python3 scripts/tts.py --format mp3 "你好" hello.mp3

# JSON envelope + MP3 audio at the same time
python3 scripts/tts.py --json --format mp3 "你好" hello.mp3

プレビュー（ドライラン）

# Preview without making API call — no package installs needed
python3 scripts/tts.py --dry-run "这是一段测试文本"

オプション一覧

python3 scripts/tts.py --list

表現マーカー

入力テキストには、どのプラットフォームでもマーカーを含めることができます。対応している場合はネイティブ形式で処理され、対応していない場合はすべて削除されます（読み上げられることはありません）。チャンク分割処理では、[...] マーカーの途中で分割されることはありません。

マーカー	構文	azure	minimax	その他すべてのプラットフォーム
間	[PAUSE:x] — x = 秒数、0.01-99.99	<break time="xs"/>（SSML）	<#x#>	削除
音声タグ	(laughs) (chuckle) (sighs) (breath) (inhale) (exhale) (coughs)	削除	MINIMAX_MODEL が speech-2.8 で始まる場合のみ音声化（それ以外は削除され、stderr に警告が出力されます）	削除

python3 scripts/tts.py --platform azure \
  "大家好。[PAUSE:0.8] 今天我们聊一个新话题。" out.wav

MINIMAX_MODEL=speech-2.8-hd python3 scripts/tts.py --platform minimax \
  "这也太好笑了 (laughs) 好，我们继续。" out.wav

発音の上書き（--phonemes）

多音字（多音字）の読みを、単語からスペース区切りのピンインへの対応を定義する JSON 辞書で修正します。声調番号付き（hang2 zhang3）または声調記号付き（háng zhǎng）を指定できます。_ で始まるキーはコメントです。

{
  "_comment": "pronunciation overrides for bank-themed script",
  "行长": "hang2 zhang3",
  "重庆": "chóng qìng"
}

python3 scripts/tts.py --platform azure --phonemes phonemes.json \
  "行长在重庆开会。" out.wav

プラットフォームごとの処理：azure → SSML の <phoneme alphabet="sapi"> タグ、minimax → インラインのピンイン注釈（例：重(chong2)庆(qing4)。チャンク分割の前に適用されるため、注釈もチャンクの上限文字数に含まれます）。その他すべてのプラットフォームでは、このフラグは無視されます。

必要条件

# Core (always needed)
pip install edge-tts  # For Edge (default, free)

# Optional backends — install only what you use
pip install dashscope                              # CosyVoice
pip install requests                               # Doubao, MiniMax, ElevenLabs, OpenAI, Google
pip install azure-cognitiveservices-speech          # Azure
pip install tencentcloud-sdk-python-tts             # Tencent Cloud
pip install baidu-aip chardet                       # Baidu AI
pip install websocket-client                        # Xunfei

システム要件：ffmpeg

環境変数

# Global defaults (optional)
export TTS_BACKEND="edge"
export TTS_VOICE="zh-CN-XiaoxiaoNeural"
export TTS_RATE="+5%"
export TTS_FORMAT="wav"              # wav | mp3 | json (json = JSON envelope mode)

# Backend tuning (optional)
export MINIMAX_MODEL="speech-2.8-hd"       # default; sound tags need speech-2.8-*
export MINIMAX_GROUP_ID=""                 # required by some MiniMax accounts
export COSYVOICE_MODEL="cosyvoice-v3-flash"  # or cosyvoice-v3.5-flash (custom/cloned voices only)

# ByteDance Volcano Ark (Doubao)
# v3 (recommended, no appid): API key from the new console (Ark API Key page)
export VOLCENGINE_API_KEY="your_api_key"
export VOLCENGINE_RESOURCE_ID="seed-tts-2.0"   # optional; seed-tts-1.0 / seed-icl-2.0 also valid
# v1 (legacy, appid + token): only when VOLCENGINE_API_KEY is unset
export VOLCENGINE_APPID="your_app_id"
export VOLCENGINE_ACCESS_TOKEN="your_token"

# Alibaba DashScope (CosyVoice + Qwen3-TTS)
export DASHSCOPE_API_KEY="your_api_key"
export QWEN_TTS_MODEL="qwen3-tts-flash"   # or qwen3-tts-instruct-flash (instructions control)
export QWEN_TTS_LANGUAGE=""              # optional: Chinese / English / ... ; unset = Auto
export QWEN_TTS_INSTRUCTIONS=""          # optional: natural-language style, instruct models only

# StepFun (阶跃星辰)
export STEP_API_KEY="your_api_key"
export STEPFUN_TTS_MODEL="step-tts-mini"   # or step-tts-2 / stepaudio-2.5-tts

# Zhipu (智谱)
export ZHIPUAI_API_KEY="your_api_key"
export ZHIPU_TTS_MODEL="glm-tts"

# Microsoft Azure
export AZURE_SPEECH_KEY="your_key"
export AZURE_SPEECH_REGION="eastasia"
export TTS_STYLE="gentle"              # optional: mstts:express-as style; unset = plain prosody

# Tencent Cloud
export TENCENT_SECRET_ID="your_secret_id"
export TENCENT_SECRET_KEY="your_secret_key"

# Baidu AI
export BAIDU_APP_ID="your_app_id"
export BAIDU_API_KEY="your_api_key"
export BAIDU_SECRET_KEY="your_secret_key"

# MiniMax
export MINIMAX_API_KEY="your_api_key"

# iFlytek Xunfei
export XUNFEI_APP_ID="your_app_id"
export XUNFEI_API_KEY="your_api_key"
export XUNFEI_API_SECRET="your_api_secret"

# ElevenLabs (international)
export ELEVENLABS_API_KEY="your_api_key"
export ELEVENLABS_MODEL="eleven_multilingual_v2"   # optional, this is the default

# OpenAI TTS (international)
export OPENAI_API_KEY="your_api_key"
export OPENAI_TTS_MODEL="tts-1-hd"                 # optional, this is the default

# Google Cloud TTS (international)
export GOOGLE_TTS_API_KEY="your_api_key"
export GOOGLE_TTS_LANGUAGE="en-US"                 # optional, auto-derived from voice name

# Atlas Cloud TTS (unified API)
export ATLASCLOUD_API_KEY="your_api_key"
export ATLASCLOUD_TTS_LANGUAGE="auto"                # optional, this is the default

API キーの取得先：

• Volcano Ark：https://console.volcengine.com/ark/region:ark+cn-beijing/apikey
• DashScope：https://bailian.console.aliyun.com/
• Azure：https://portal.azure.com/
• Tencent Cloud：https://console.cloud.tencent.com/tts
• Baidu AI：https://console.bce.baidu.com/ai/#/ai/speech/overview
• MiniMax：https://platform.minimaxi.com
• Xunfei：https://www.xfyun.cn
• ElevenLabs：https://elevenlabs.io/app/settings/api-keys
• OpenAI：https://platform.openai.com/api-keys
• Google Cloud：https://console.cloud.google.com/apis/credentials
• Atlas Cloud：https://www.atlascloud.ai/console/api-keys

設定ファイル（任意）

個人用のデフォルト設定には ~/.ttscn.json を、プロジェクトディレクトリ内の設定には .ttscn.json を作成します。

{
  "backend": "minimax",
  "voice": "female-shaonv",
  "rate": "+10%"
}

優先順位（高い順）：

1. CLI 引数（--platform、--voice、--rate）
2. 環境変数（TTS_BACKEND、TTS_VOICE、TTS_RATE）
3. プロジェクト設定（現在のディレクトリにある .ttscn.json）
4. ユーザー設定（~/.ttscn.json）
5. 組み込みのデフォルト設定

使用例

手軽なナレーション（無料、設定不要）

python3 scripts/tts.py \
  "人工智能正在改变我们的生活方式，从智能助手到自动驾驶，技术革新无处不在。" \
  ai_narration.wav

Douyin スタイルのショート動画の音声

python3 scripts/tts.py \
  --platform doubao --voice BV001_streaming --rate +10% \
  "家人们，今天给大家推荐一个超好用的神器！" \
  douyin_style.wav

台本ファイルからオーディオブックを作成（CosyVoice）

python3 scripts/tts.py \
  --platform cosyvoice --voice longxiaoxia_v3 \
  --input chapter1.txt chapter1.wav

最低コストで一括生成（Tencent、インライン環境変数）

TENCENT_SECRET_ID="xxx" TENCENT_SECRET_KEY="xxx" \
python3 scripts/tts.py \
  --platform tencent --voice 101001 \
  --input course_script.txt course_audio.wav

感情表現を加えた高品質な音声（MiniMax）

MINIMAX_API_KEY="xxx" \
python3 scripts/tts.py \
  --platform minimax --voice female-shaonv \
  "这是一段充满感情的语音合成演示。" premium.wav

エージェントネイティブ CLI リファレンス

ttscn は agent-native-design の契約に準拠しています。 人間（読みやすいターミナル出力）、AI エージェント（stdout 上の構造化 JSON）、オーケストレーター（個別の終了コードと冪等性）に同時に対応します。

JSON モード

# Explicit JSON envelope mode (independent of --format)
python3 scripts/tts.py --json "你好" out.wav
python3 scripts/tts.py --json --format mp3 "你好" out.mp3

# --format json is a deprecated alias for --json (kept for compatibility)

# Auto-detect: pipe to jq → JSON automatically
python3 scripts/tts.py --list | jq .data.backends[0].name

# Error envelope always structured
python3 scripts/tts.py --json --platform doubao "test" out.wav
# → {"ok":false, "error":{"code":"auth_missing_env","message":"...","retryable":false,...}}

出力エンベロープ

// Success
{"ok":true, "data":{...}, "meta":{"version":"...","schema_version":"1.2.0","timestamp":"...","ms":123}}

// Error
{"ok":false, "error":{"code":"auth_missing_env","message":"set one of: VOLCENGINE_APPID+VOLCENGINE_ACCESS_TOKEN / VOLCENGINE_API_KEY","retryable":false,"field":"VOLCENGINE_APPID","backend":"doubao"}, "meta":{...}}

契約：meta.schema_version は成功時とエラー時のすべてのエンベロープに含まれる semver 文字列です。破壊的なエンベロープ変更がある場合のみ、メジャーバージョンが上がります。利用側は、実装時に対象としたスキーマのメジャーバージョンと一致することを確認し（例：video-podcast-maker はメジャーバージョン 1 を要求します）、一致しない場合は明確なエラーを返してください。schema_version がない場合は、契約導入前の ttscn リリースです。

単語境界（edge / azure / doubao / minimax / cosyvoice）

edge、azure、doubao、minimax、cosyvoice では、成功時のエンベロープに、data.word_boundaries の下にネイティブな単語レベルのタイムスタンプが含まれます。これらは出力ファイル内の絶対秒数で、昇順に並び、小数点以下3桁に丸められます。このキーは他のプラットフォームでは存在しません。また、プロバイダーからタイミング情報が返されない場合（少数言語の doubao 音声、minimax の字幕ダウンロード失敗、cosyvoice-v1、タイムスタンプに対応していない音声）には、doubao、minimax、cosyvoice でも存在しないことがあります。そのため、利用側では任意の項目として扱う必要があります。

{"ok":true, "data":{
  "output_file": "out.wav",
  "word_boundaries": [
    {"text": "你好", "offset_sec": 0.1,   "duration_sec": 0.45},
    {"text": "世界", "offset_sec": 0.562, "duration_sec": 0.5}
  ]
}}

これらを字幕／SRT の生成や、別途強制アライメント処理を行わないビート同期アニメーションに使用できます。

終了コード

コード	意味	エージェントの対応
0	成功	data を解析して続行
1	内部エラー／実行時エラー	ユーザーに報告し、再試行しない
2	検証エラー／修正可能なエラー（入力不正、パッケージ不足）	入力を修正するかパッケージをインストールして再試行
3	認証エラー／認証情報不足	ユーザーに API キーを求め、再試行しない
4	バックエンド API エラー	バックオフを適用して再試行

スキーマの確認

python3 scripts/tts.py schema backends              # All 15 backends (compact by default)
python3 scripts/tts.py schema backends --full       # All fields (22 per backend)
python3 scripts/tts.py schema backends.doubao       # Single backend full detail
python3 scripts/tts.py schema voices                # All voice presets per backend
python3 scripts/tts.py schema tags                  # Tag definitions
python3 scripts/tts.py schema version               # Version + providers data freshness

# Field filtering for low-token-cost queries
python3 scripts/tts.py schema backends --fields name,cost,supports_clone,supports_ssml

冪等性

# Orchestrators: retried calls return cached result — no double-billing
python3 scripts/tts.py --idempotency-key "daily-podcast-2026-07-08" --input script.txt out.wav

# Cache at ~/.ttscn_idem/, 7-day TTL, SHA-256 keyed

キャッシュがヒットすると、保存済みの結果が data.cached: true とともに返されます。キャッシュ済みの output_file がディスク上に存在しなくなっている場合は、古い成功結果を返さず、再合成します。

エージェント互換性フラグ

# No-ops accepted for agent runtime compatibility (ttscn never prompts)
python3 scripts/tts.py --yes --no-input "text" out.wav