Skip to content
japanese-tts-reading logo

Japanese TTS Reading Skill

japanese-tts-reading

日本語テキストを音声に変換するTTS(Text-to-Speech)スキル。ナレーション原稿の読み上げ、コンテンツの音声化、アクセシビリティ対応に使用。

SKILL.md

Full skill instructions

Japanese TTS Reading Skill

日本語テキストを自然な音声に変換するText-to-Speechスキル。

When to Use This Skill

以下の場合にこのスキルを使用:

  • 「テキストを読み上げて」「音声に変換して」
  • 「ナレーション音声を作成して」
  • 「日本語TTSで出力して」
  • 「音声ファイルを生成して」

対応TTS エンジン

1. macOS Say コマンド(ローカル・無料)

macOS標準の音声合成機能を使用。追加設定不要で即座に利用可能。

# 基本的な使用法
say -v Kyoko "こんにちは、世界"

# ファイルに保存
say -v Kyoko -o output.aiff "こんにちは、世界"

# MP3に変換(ffmpegが必要)
say -v Kyoko -o output.aiff "テキスト" && ffmpeg -i output.aiff output.mp3

利用可能な日本語ボイス:

ボイス名性別特徴
Kyoko女性標準的な女性の声
Otoya男性標準的な男性の声

インストール確認:

# 利用可能な日本語ボイスを確認
say -v '?' | grep ja_JP

2. Google Cloud Text-to-Speech(クラウド・高品質)

Google の WaveNet / Neural2 音声を使用した高品質TTS。

セットアップ:

# 1. Google Cloud SDK インストール
brew install --cask google-cloud-sdk

# 2. 認証
gcloud auth application-default login

# 3. TTS API 有効化
gcloud services enable texttospeech.googleapis.com

使用例:

# Python で使用
pip install google-cloud-texttospeech

# スクリプト実行
python scripts/​google-tts.py --text "こんにちは" --output output.mp3

推奨ボイス:

ボイス名性別品質
ja-JP-Neural2-B女性最高品質
ja-JP-Neural2-C男性最高品質
ja-JP-Wavenet-A女性高品質
ja-JP-Wavenet-B女性高品質
ja-JP-Wavenet-C男性高品質
ja-JP-Wavenet-D男性高品質

3. VOICEVOX(ローカル・高品質・無料)

日本語に特化したオープンソース音声合成エンジン。

セットアップ:

# Docker で起動
docker pull voicevox/​voicevox_engine:cpu-ubuntu20.04-latest
docker run --rm -p 50021:50021 voicevox/​voicevox_engine:cpu-ubuntu20.04-latest

使用例:

# 音声合成クエリを作成
curl -X POST "http://localhost:50021/​audio_query?text=こんにちは&speaker=1" \
  -H "Content-Type: application/​json" > query.json

# 音声を生成
curl -X POST "http://localhost:50021/​synthesis?speaker=1" \
  -H "Content-Type: application/​json" \
  -d @query.json > output.wav

利用可能なキャラクター:

speaker IDキャラクター
0四国めたん(あまあま)
1ずんだもん(あまあま)
2四国めたん(ノーマル)
3ずんだもん(ノーマル)

4. OpenAI TTS(クラウド・高品質)

OpenAI の TTS API を使用。

セットアップ:

# 環境変数設定
export OPENAI_API_KEY="sk-xxx"

使用例:

curl https://api.openai.com/​v1/​audio/​speech \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/​json" \
  -d '{
    "model": "tts-1-hd",
    "input": "こんにちは、世界",
    "voice": "nova"
  }' \
  --output output.mp3

利用可能なボイス:

ボイス特徴
alloy中性的
echo男性的
fable男性的・イギリス風
onyx男性的・深い
nova女性的
shimmer女性的・柔らかい

Usage Examples

基本的な使用法

ユーザー: /​japanese-tts-reading 「本日は晴天なり」

→ macOS: say -v Kyoko "本日は晴天なり"
→ ファイル保存: say -v Kyoko -o narration.aiff "本日は晴天なり"

長文の読み上げ

ユーザー: /​japanese-tts-reading --file script.txt --output narration.mp3

→ テキストファイルを読み込んで音声化
→ MP3形式で保存

高品質出力

ユーザー: /​japanese-tts-reading --engine google --voice ja-JP-Neural2-B "高品質なナレーション"

→ Google Cloud TTS を使用
→ Neural2 ボイスで最高品質出力

VOICEVOX キャラクター

ユーザー: /​japanese-tts-reading --engine voicevox --speaker 1 "ずんだもんなのだ"

→ VOICEVOX エンジンを使用
→ ずんだもんの声で出力

パラメータ

パラメータデフォルト説明
--enginemacosTTS エンジン (macos/​google/​voicevox/​openai)
--voiceKyokoボイス名
--speaker0VOICEVOX speaker ID
--output-出力ファイルパス
--file-入力テキストファイル
--rate1.0読み上げ速度 (0.5-2.0)
--formatmp3出力形式 (mp3/​wav/​aiff)

実装ガイド

macOS Say コマンド(推奨・即時利用可能)

#!/​bin/​bash
# scripts/​tts-macos.sh

TEXT="$1"
OUTPUT="${2:-output.aiff}"
VOICE="${3:-Kyoko}"
RATE="${4:-200}"  # 1-500 (デフォルト: 200)

say -v "$VOICE" -r "$RATE" -o "$OUTPUT" "$TEXT"

# MP3に変換(オプション)
if command -v ffmpeg &> /​dev/​null; then
  ffmpeg -i "$OUTPUT" -y "${OUTPUT%.aiff}.mp3"
  rm "$OUTPUT"
fi

Google Cloud TTS

# scripts/​google-tts.py

from google.cloud import texttospeech
import argparse

def synthesize_speech(text, output_file, voice_name="ja-JP-Neural2-B"):
    client = texttospeech.TextToSpeechClient()

    synthesis_input = texttospeech.SynthesisInput(text=text)

    voice = texttospeech.VoiceSelectionParams(
        language_code="ja-JP",
        name=voice_name
    )

    audio_config = texttospeech.AudioConfig(
        audio_encoding=texttospeech.AudioEncoding.MP3
    )

    response = client.synthesize_speech(
        input=synthesis_input,
        voice=voice,
        audio_config=audio_config
    )

    with open(output_file, "wb") as out:
        out.write(response.audio_content)

    print(f"Audio saved to {output_file}")

if __name__ == "__main__":
    parser = argparse.ArgumentParser()
    parser.add_argument("--text", required=True)
    parser.add_argument("--output", default="output.mp3")
    parser.add_argument("--voice", default="ja-JP-Neural2-B")
    args = parser.parse_args()

    synthesize_speech(args.text, args.output, args.voice)

VOICEVOX

# scripts/​voicevox-tts.py

import requests
import argparse

VOICEVOX_URL = "http://localhost:50021"

def synthesize_voicevox(text, speaker=1, output_file="output.wav"):
    # 音声合成クエリを作成
    query_response = requests.post(
        f"{VOICEVOX_URL}/​audio_query",
        params={"text": text, "speaker": speaker}
    )
    query = query_response.json()

    # 音声を合成
    synthesis_response = requests.post(
        f"{VOICEVOX_URL}/​synthesis",
        params={"speaker": speaker},
        json=query
    )

    with open(output_file, "wb") as f:
        f.write(synthesis_response.content)

    print(f"Audio saved to {output_file}")

if __name__ == "__main__":
    parser = argparse.ArgumentParser()
    parser.add_argument("--text", required=True)
    parser.add_argument("--speaker", type=int, default=1)
    parser.add_argument("--output", default="output.wav")
    args = parser.parse_args()

    synthesize_voicevox(args.text, args.speaker, args.output)

ユースケース

1. ナレーション原稿の音声化

ユーザー: セールス動画のナレーションを音声化して

→ 1. 原稿テキストを確認
→ 2. 適切なボイスを選択(プロフェッショナル: Google Neural2)
→ 3. 音声ファイルを生成
→ 4. 必要に応じて速度・トーンを調整

2. ブログ記事の音声版作成

ユーザー: この記事を音声に変換してポッドキャスト用に

→ 1. テキストを段落ごとに分割
→ 2. 適切な間を挿入
→ 3. 音声ファイルを生成
→ 4. MP3形式で出力

3. アクセシビリティ対応

ユーザー: ウェブサイトのコンテンツを音声で提供したい

→ 1. 主要コンテンツを抽出
→ 2. 音声ファイルを生成
→ 3. ウェブプレイヤーと統合

品質ガイドライン

読み上げテキストの最適化

  1. 句読点を適切に配置 - 自然な間を作る
  2. 難読漢字にルビを追加 - 読み間違いを防ぐ
  3. 長い文は分割 - 1文30文字程度を目安
  4. 専門用語は読み仮名を併記

例

Before:
「日本国憲法第九条は戦争放棄を規定している。」

After:
「日本国憲法(にほんこくけんぽう)第九条(だいきゅうじょう)は、
戦争放棄(せんそうほうき)を規定(きてい)しています。」

トラブルシューティング

macOS で日本語ボイスが見つからない

# システム環境設定で日本語ボイスをダウンロード
open "x-apple.systempreferences:com.apple.preference.speech"

# または直接確認
say -v '?' | grep -i japan

VOICEVOX が起動しない

# Docker 確認
docker ps

# ログ確認
docker logs voicevox

# ポート確認
curl http://localhost:50021/​speakers

Google TTS 認証エラー

# 認証状態確認
gcloud auth application-default print-access-token

# 再認証
gcloud auth application-default login

関連スキル

  • copywriting-helper - ナレーション原稿の作成
  • vsl - VSL台本の音声化
  • launch-video - ローンチ動画ナレーション

References

More skills from majiayu000

xiaohongshu logo
majiayu000/claude-arsenal

xiaohongshu

xiaohongshu

286 148
View
agent-task-conductor logo
majiayu000/claude-skill-registry

agent-task-conductor

Conduct multi-agent task orchestration and workflow coordination.

663 1
View
conductor-setup logo
majiayu000/claude-skill-registry

conductor-setup

Initialize project with Conductor artifacts (product definition,

663 1
View
animation-designer logo
majiayu000/claude-skill-registry

animation-designer

Expert in web animations, transitions, and motion design using Framer Motion and CSS

663 1
View
diagramming logo
majiayu000/claude-skill-registry

diagramming

Creates Mermaid and ASCII diagrams for flowcharts, architecture, ERDs, state machines, mindmaps, and more. Use when user mentions diagram, flowchart, mermaid, ASCII diagram, text diagram, terminal diagram, visualize, C4, mindmap, architecture diagram, sequence diagram, ERD, or needs visual docume...

663 1
View
h3-pg logo
majiayu000/claude-skill-registry-data

h3-pg

PostgreSQL bindings for H3 hexagonal grid system. Use when working with H3 cells in Postgres, including spatial indexing, geometry/geography integration, and raster analysis.

23 1
View
conductor-development logo
majiayu000/claude-skill-registry

conductor-development

Context-Driven Development skill for projects using Conductor. Use this skill when you detect a `conductor/` directory in the project, when working on tasks defined in a `plan.md` file, or when the user asks about tracks, specs, or plans. Automatically applies TDD workflow, tracks task completion...

663 1
View
conductor-status logo
majiayu000/claude-skill-registry

conductor-status

Display project status, active tracks, and next actions

663 1
View
dockerization logo
majiayu000/claude-skill-registry

dockerization

Official Stakpak application containerization standard operating procedure, a step-by-step guidline to properly dockerize applications. This is a rule book curated by the Stakpak Team.

663 1
View

Popular AI tools

Kaiber logo
Video

Kaiber

Generate, edit, and beat-sync AI video with leading models in one workspace.

Paid
View
Vimcal logo
Productivity

Vimcal

The world's fastest calendar for remote work

Free
View

Transform Your Design with AI Designer by ImgCreator.ai

Freemium
View
Akool AI logo
Content & writing

Akool AI

Revolutionizing Video Production with AI-Powered Creativity

Paid
View

Extend an image past the frame and let AI fill the new aspect ratio.

Freemium
View
StarByFace logo
Security

StarByFace

Discover your celebrity doppelgänger with StarByFace!

Free
View
C

ChainClarity explains 700+ crypto whitepapers in plain English, with layered summaries, comparisons, research tools, alerts, and a $4.99 Pro plan.

Freemium
View
Opus Clip logo
Coding & apps

Opus Clip

Opus.ai: Revolutionize Your Web Experience

Free
View