voice-injection-rewriter

Voice Injection Rewriter

AI が生成したテキストを、自然で一貫性のある声のコンテンツに変換します。人間らしさを偽装するのではなく、特定の人物やブランドの実際の声のパターンを適用します。

このスキルを使用する場面

次のような場合に、このスキルを使用します。

• AI の下書きを書き直し、特定の人物の声に合わせる
• 公開前に、生成されたコンテンツから AI の痕跡を取り除く
• AI を活用したコンテンツ制作全体で 声の一貫性を保つ
• AI の効率性とブランドの本物らしい表現との ギャップを埋める
• あらゆる AI の出力（ブログ記事、メール、ソーシャルメディア、ランディングページ）を 後処理する

このスキルは一般的な「人間らしさを加えるツール」ではありません。brand-voice-learner の出力、ClawFu のブランドメモリ、または提供された声のサンプルのいずれかが必要です。

重要な理由： 一般的な人間らしさを加えるツールは、検出器を欺くために、ランダムな誤字や不自然な短縮形など、偽の不完全さを加えます。それは競争の激化を招き、いずれ負ける戦略です。このスキルは、あなた自身の声のパターンを適用します。実在する人物の声そのものなので、自然と人間らしい文章になります。

---

方法論の基礎

基本原則： AI の文章が不自然に聞こえるのは、誤字がないからではありません。特定の人物の語彙、リズム、意見、構成上の癖がないからです。解決策は、表面的な不完全さではなく、声の注入です。

情報源：

• NN/g のボイス＆トーンに関する調査
• ブランドボイス分析の方法論（ClawFu の brand-voice-learner）
• AI 検出パターンの調査（GPTZero、Originality.ai のシグナル分析）
• AI コンテンツのワークフローに関する WhatsApp IA NDD Camp コミュニティの知見

201 の洞察： ほとんどの人は、AI の文章を「人間らしく聞こえる」ようにしようとします（一般的）。本当に必要なスキルは、AI の文章を「私らしく聞こえる」ようにすることです（具体的）。前者はありふれた手法で、後者は技術です。

---

Claude が行うことと、あなたが決めること

Claude が行うこと	あなたが決めること
声のパターンを適用して文章を書き直す	使用する声のプロファイル
AI 検出シグナルを取り除く	元の文章からどの程度変更するか
声の不一致を特定する	トーンと正確性の最終承認
声に一貫性のある代替案を提案する	事実の正確さが声より優先される箇所
遵守チェックリストを実行する	公開する場面と読者

---

手順

前提条件

このスキルを使用するには、次のいずれかが必要です。

声のソース	入手方法	品質
ClawFu のブランドメモリ	get_brand [name] — 保存済みの声のプロファイル	最良
brand-voice-learner の出力	10 件以上の文章サンプルを使って分析スキルを実行	非常に良好
3～5 件の文章サンプル	対象の声の例を貼り付ける	良好
声の説明	「分析的、ドライ、フランス語、流行語なし、短文」	最低限利用可能

---

フェーズ 1：声のプロファイルを読み込む

まず、対象とする声を決めます。

ClawFu のブランドメモリを使用する場合：

Load brand voice for [name]. Apply it to rewrite the following text.

サンプルを提供する場合：

Here are 3 examples of my writing voice:
[Sample 1]
[Sample 2]
[Sample 3]

Extract the voice patterns, then rewrite this AI-generated text to match:
[AI text]

声を説明する場合：

My voice profile:
- Register: [analytical/casual/authoritative/conversational]
- Sentence length: [short punchy / mixed / long flowing]
- Contractions: [always / sometimes / never]
- Opinions: [strong and stated / subtle / neutral]
- Vocabulary: [technical / accessible / mixed]
- Signature moves: [specific habits — e.g., "Ce n'est pas X. C'est Y."]
- Forbidden words: [list any words you never use]

Rewrite this to match:
[AI text]

---

フェーズ 2：AI の痕跡を検出する

書き直す前に、文章が AI 生成のように聞こえる原因を特定します。

AI 検出のシグナル（フラグを付ける対象）

構造上のシグナル：

• 文の長さが均一（AI はデフォルトで、1 文あたり 15～20 語にします）
• 予測しやすい段落構成（主題文 → 3 つの補足点 → つなぎ）
• 対称的なリスト（すべての箇条書きが同じ長さ、同じ文法構造）
• 見出しの完璧な並列性

語彙上のシグナル：

• 誰も実際には使わない企業用語：「深く掘り下げる」、「状況」、「活用する」、「堅牢な」、「合理化する」、「促進する」、「包括的な」
• 中身のない書き出し：「今日の急速に変化する……」、「注目すべきなのは……」、「……するために」
• 過剰な留保：「注目に値するのは」、「こう主張する人もいるかもしれません」、「そう言えるかもしれません」
• 接続詞の多用：「さらに」、「そのうえ」、「加えて」、「しかし」（あらゆる段落で）

トーン上のシグナル：

• 意見がない（AI はデフォルトで中立を保つ）
• 短縮形がない（AI は短縮形の使用が少ない）
• すべてを同じ重みで扱う（AI は強調したり、優先度を下げたりしない）
• 無難な言葉遣い（切れ味も個性もリスクもない）

フラグ用テンプレート：

AI FINGERPRINT SCAN:
□ Uniform sentence length? [yes/no]
□ Buzzword count: [N] instances
□ Transition density: [N] per paragraph
□ Contractions present? [yes/no]
□ Opinions/personality present? [yes/no]
□ Any sentence you'd never actually say? [list]

---

フェーズ 3：声を吹き込むリライト

フラグを付けたテキストに、声のプロファイルを適用します。これが中心となる作業です。

5 パスのリライト

パス 1 — AI らしい語彙を一掃する

AI がデフォルトで使う単語をすべて、その声に合った表現に置き換えます。

AI のデフォルト	一般的な人の表現	声に合わせた表現（例）
「深く掘り下げる」	「詳しく調べる」	声によって異なります。「掘り下げる」、「詳しく見る」、「探る」などが考えられます
「活用する」	「使う」	声によっては「最大限に活用する」、「利用する」、「頼る」などが適しています
「状況」	「分野」	声によっては「市場」、「エコシステム」、あるいは対象をそのまま名指しする表現が適しています
「堅牢な」	「強力な」	声によっては「堅固な」、「信頼できる」、あるいは分野固有の用語が適しています
「さらに」	「そのうえ」	声によっては「そして」、「ちなみに」、あるいは接続詞を使わない表現が適しています
「確実にする」	「確認する」	声によっては「確認する」、「確かめる」、あるいは単に削除するのが適しています
「包括的な」	「全体の」	声によっては「完全な」、「網羅的な」、あるいは単語自体を削除するのが適しています
「注目すべきなのは」	（削除）	事柄を直接述べる表現に置き換えます

パス 2 — リズムの均一さを崩す

• 同じ長さの文が最も長く続いている箇所を見つけて、崩します。
• 各セクションに短く鋭い文を 2～3 文加えます（8 語未満）。「それが要点です。」「まるで違います。」
• その声に合うなら、流れるような長めの文を 1～2 文入れます。
• その声が使うなら、断片的な文でも構いません。
• その声が使うなら、強調のためにダッシュを使います。
• 書きながら考えるような声なら、括弧書きを使います。

パス 3 — 声に固有のパターンを吹き込む

声のプロファイルから取り入れます。

• 決まり文句や修辞的な言い回し
• 好んで使う文の書き出し
• 意見を述べるパターン（「これは X ではありません。Y です。」／「要するに」／「ほら、」）
• その声がいつも使う分野固有の語彙
• 構成上の癖（箇条書きか流れるような文章か、番号付きリストか段落か）

パス 4 — 短縮形と文体の調整

• その声に合う短縮形の使用レベルを適用します（短縮形をまったく使わない声も、常に使う声もあります）。
• 文体を確認します。フォーマルさのレベルは、その声に一貫していますか？
• 代名詞の使い方が合っているか確認します（「私たち」を使う声も、「私」を使う声も、「人」を使う声もあります）。

パス 5 — 音読テスト

全文を声に出して読みます。各文について、次の点を確認します。

• ［人物］なら実際にこう言うでしょうか？
• その人のペースに合っていますか？
• その人が決して使わない単語はありませんか？

文が 1 つでも不合格なら、その人の声でその文を一から書き直します。

---

フェーズ 4：出力形式

標準出力

## Original (AI-generated)
> [The input text]

## Rewritten (Voice: [Name/Brand])
[The rewritten text]

## Changes Made
- **Vocabulary**: [3-5 key word swaps]
- **Rhythm**: [What changed structurally]
- **Voice markers**: [What was injected from the voice profile]
- **Removed**: [What AI signals were stripped]

## Voice Consistency Score
[High/Medium/Low] — [one-line explanation]

クイックモード（一括処理向け）

複数の文章を書き直す場合は、詳細な出力を省略します。

[Rewritten text only]

---
*Voice: [Name] | Swaps: [N] | Score: [H/M/L]*

---

例

例1：LinkedIn の投稿 — 分析的なフランス語の文体

ボイスプロフィール： Matthieu Credou — 分析を最優先し、ドライで、短い文を使い、「Ce n'est pas X. C'est Y.」という再定義を用い、流行語を避け、絵文字は使わず、201レベル

AIへの入力：

「急速に変化する今日のデジタル環境において、AIを活用したツールの利用は、競争力の維持を目指す企業にとって不可欠になっています。さらに、こうした包括的なソリューションの導入を怠る組織は、自動化がますます進む市場で後れを取るリスクがあります。」

書き換え後（文体：Matthieu）：

競争力を保つには「AIを導入すべきだ」と誰もが言います。問題は導入ではありません。どう活用するかです。

ほとんどの企業は、義務だから、戦略もなくERPのようにAIツールを導入します。その結果、間違いをより速く自動化しているのです。

変更点：

• 語彙：「landscape」→削除、「leveraging」→削除、「comprehensive solutions」→削除、「competitive edge」→実際の問題として捉え直し
• リズム：均一で長い文を、短い一撃とその展開に分割
• 文体の特徴：「Ce n'est pas X. C'est Y.」という再定義、意見（「義務だから、戦略もなく」）、具体的な比喩（ERP）
• 削除したもの：「In today's...」、「Moreover」、曖昧な表現、前提全体（反転）

文体の一貫性スコア： 高 — 分析的な文体に合致し、特徴的な再定義を使い、流行語がありません

---

例2：製品メール — カジュアルなブランドの文体

ボイスプロフィール： スタートアップのブランド — カジュアルで、常に短縮形を使い、「Here's the thing」で始め、短い段落、二人称、反企業的

AIへの入力：

「当社のプラットフォームで、チームがデータに基づく意思決定を行えるよう支援する、包括的な分析ツール群をご利用いただけるようになりました。強力な機能には、リアルタイムのダッシュボード、自動レポート作成、カスタマイズ可能な指標の追跡などがあります。」

書き換え後（文体：ブランド）：

つまり、分析機能をリリースしました。実際に使えるダッシュボード、自動レポート、そして自分で設定できる指標です。

月曜の会議用のグラフを作るために、夜11時にCSVをエクスポートする必要はもうありません。データはすぐそこにあります。リアルタイムで。

変更点：

• 語彙：「pleased to announce」→「just shipped」、「comprehensive suite」→削除、「empower」→削除、「robust」→削除、「customizable」→「自分で設定できる」
• リズム：長くて堅苦しい文を、短く歯切れのよい文と一つの断片（「リアルタイムで。」）に変更
• 文体の特徴：「Here's the thing」で始め、短縮形（we're、that's、your data's）を使い、身近な状況（夜11時のCSV）を描写
• 削除したもの：企業的な冗長表現すべて、受動態、機能を先に紹介する構成（問題を先に示す構成に変更）

文体の一貫性スコア： 高 — カジュアルで率直、反企業的で、共感しやすい

---

例 3：ブログ記事 — 技術的でありながら分かりやすい

声のプロフィール： 技術コンサルタント — たとえを使い、専門用語を文中で説明し、文の長さに変化をつけ、「実際には」を転換のフレーズとして使い、ときどき修辞疑問文を取り入れます

AI への入力：

「マイクロサービスアーキテクチャを導入するには、サービスの境界、サービス間通信プロトコル、データ整合性のパターンを慎重に検討する必要があります。組織は、分散システムに内在する運用の複雑さの増大に対処するために必要な専門知識を、チームが備えていることを確認する必要があります。」

書き換え後（声：コンサルタント）：

マイクロサービスは、カンファレンスの講演では魅力的に聞こえます。実際には、チームが大きなアプリを1つ管理する代わりに、小さなサービスを40個管理することになります。そして、どのサービスも、途中でデータを失うことなく、ほかのすべてのサービスと通信できなければなりません。

問題は、マイクロサービスのほうが優れているかどうかではありません。チームが運用の負担に対処できるかどうかです。1つのモノリスに苦労しているなら、それを40個に分割しても問題は解決しません。問題が40倍になります。

変更点：

• 語彙：「必要な専門知識」→「チームが対処できるかどうか」、「内在する」→削除、「確認する」→削除
• リズム：抽象的で密度の高い文 → たとえ＋修辞疑問文＋具体的な状況
• 声の特徴：「実際には」という転換、修辞疑問文、たとえ（小さなサービスを40個）、最後の一文で意見を表明
• 削除した要素：受動態、抽象的な提案、説明のない専門用語

声の一貫性スコア： 高 — たとえで説明し、修辞疑問文を使い、「実際には」という転換も含まれています

---

スキルの範囲

このスキルが得意なこと

• AI の文章を、具体的に記録された声に合わせて書き換える
• AI 検出の兆候を体系的に取り除く
• さまざまなコンテンツ形式で声の一貫性を保つ
• AI の効率性と本物らしい声の表現を両立させる

このスキルでできないこと

• 何もないところから声を作り出す（サンプルかプロフィールが必要です）
• 検出されない出力を保証する（検出器は進化し続けますし、そもそも目的は欺くことではありません）
• 本物の専門知識に取って代わる（声を合わせた文章でも、事実が間違っていれば誤りです）
• 声に関する情報がほとんどない状態でうまく機能する（入力が不十分なら、ありきたりな出力になります）

重要な違い

このスキルは、AI の出力を特定の人間らしく聞こえるようにします。「人間一般」のようにするのではありません。でたらめな誤字を加えたり、無理にスラングを使ったり、わざとらしい不完全さを装ったりする一般的な人間らしさの付与は、次の理由から避けるべきです。

1. 検出器とのいたちごっこになり、いずれ負けます
2. 良い文章の書き方ではありません
3. 吹き込むための本物の声があるなら、必要ありません

目標は本物らしさであり、欺くことではありません。

---

反復ガイド

フォローアッププロンプト：

• 「声の特徴をもっと強めてください。[名前]にしてはまだ堅すぎます」
• 「段落3だけ書き直してください。ほかは問題ありません」
• 「[チャンネル]の文体に切り替えてください（ブログではなくソーシャルメディア向け）」
• 「意見が弱すぎます。[名前]ならここではもっと強い立場を取るはずです」
• 「この新しい下書きに AI フィンガープリントのスキャンを実行してください」

---

参考資料

方法論：

• NN/g の声とトーンのガイドライン
• ClawFu の brand-voice-learner スキル（声の分析方法）
• AI 検出に関する調査：GPTZero、Originality.ai のシグナルパターン

コミュニティからの意見：

• WhatsApp IA NDD Camp — Cyril Frémont の AI テキストを人間らしくするための「mega prompt」（キルリストの着想元。欺くことではなく、本物らしさを目指す形に再構成）

---

関連スキル

• brand-voice-learner — 既存のコンテンツから声のパターンを抽出します（前提スキル）
• copywriting-ogilvy — 文章作成の基礎
• seo-content-writer — 生成後に声の統一が必要な SEO コンテンツ
• llm-optimized-content — E-E-A-T のために声の付与が必要な GEO コンテンツ
• storytelling-storybrand — 物語の声のフレームワーク

---

スキルのメタデータ

name: voice-injection-rewriter
category: content
subcategory: voice
version: 1.0.0
author: GUIA
source_expert: NN/g Voice Research + ClawFu brand-voice-learner methodology + Cyril Frémont (WhatsApp IA NDD Camp community)
difficulty: intermediate
mode: cyborg
tags: [voice, rewriting, ai-detection, brand-voice, authenticity, humanization, content-editing]
created: 2026-02-10
updated: 2026-02-10