Que fait voix-caractéristique ?
Faites en sorte que votre agent IA sonne comme un véritable compagnon — qui soupire, rit, hésite et parle avec un sentiment authentique.
Identifiants
| Variable | Requise | Description |
|---|---|---|
NOIZ_API_KEY | Oui si vous utilisez le backend Noiz | Clé API depuis developers.noiz.ai. Non nécessaire si vous utilisez le backend local Kokoro. |
Le script enregistre une copie normalisée de la clé dans ~/.noiz_api_key (mode 600) pour plus de commodité. Pour la définir :
bash skills/characteristic-voice/scripts/speak.sh config --set-api-key VOTRE_CLÉ
Prérequis
Le script speak.sh inclus nécessite curl et python3 lors de l'exécution. Selon le backend et les fonctionnalités que vous utilisez, vous pouvez également avoir besoin de :
| Outil | Quand est-ce nécessaire | Indice d'installation |
|---|---|---|
curl, python3 | Toujours (script principal) | Généralement préinstallé |
kokoro-tts | Backend Kokoro (local/hors ligne) | uv tool install kokoro-tts |
yt-dlp | Téléchargement de l'audio de référence pour le clonage vocal | github.com/yt-dlp/yt-dlp |
ffmpeg | Découpage des clips audio de référence | ffmpeg.org |
rg (ripgrep) | Recherche dans les fichiers de sous-titres | github.com/BurntSushi/ripgrep |
Aucun de ces outils n'est installé par la compétence elle-même — provisionnez-les manuellement dans votre environnement.
Confidentialité et transmission des données
- Backend Noiz : Lorsque vous utilisez le backend Noiz, le texte que vous parlez et tout audio de référence que vous fournissez sont envoyés à
https://noiz.ai/v1. Si vous fournissez--ref-audio, ce fichier audio est téléchargé pour le clonage vocal. - Backend Kokoro : Fonctionne entièrement localement — aucune donnée ne quitte votre machine.
- Choisissez le backend Kokoro (
--backend kokoro) si vous souhaitez un traitement entièrement hors ligne.
Déclencheurs
- dis comme
- parle comme
- voix comme
- voix de compagnon
- réconforte-moi
- remonte-moi le moral
- sonne plus humain
Les deux astuces
- Remplissages non lexicaux — ajoutez de petits sons humains (hmm, haha, aww, heh) aux points de pause naturels pour rendre le discours vivant
- Réglage des émotions — ajustez la chaleur, la joie, la tristesse, la tendresse pour correspondre au moment
Palette de sons de remplissage
| Son | Sentiment | Utilisation pour |
|---|---|---|
| hmm... | Réflexion, douce reconnaissance | Réconfort, réflexion |
| ah... | Prise de conscience, douce surprise | Découvertes, transitions |
| uh... | Hésitation, empathie | Moments prudents |
| heh / hehe | Joueur, malicieux | Taquineries, moments légers |
| haha | Rire | Joie, humour |
| aww | Tendresse, sympathie | Réconfort profond |
| oh? / oh! | Surprise, attention | Réaction aux nouvelles |
| pfft | Rire étouffé | Incrédulité joueuse |
| whew | Soulagement | Après une tension |
| ~ (tilde) | Allongé, fin mélodique | Chaleur, enjouement |
Règles : 2 à 4 remplissages maximum par message court. Placez-les aux pauses naturelles — début de phrase, changement de pensée. Utilisez ... après les remplissages pour un silence de battement, ~ à la fin des mots pour la chaleur.
Préréglages
Bonne Nuit
Douce, chaleureuse, légèrement endormie. Rythme lent.
Bonjour
Chaleureuse, joyeuse mais sans être écrasante.
Réconfort
Douce, compréhensive, sans hâte. Laissez de l'espace. Ne vous précipitez pas pour "réparer" les choses.
Célébration
Excitée, fière, sincèrement heureuse.
Discussion
Détendue, joueuse, naturelle.
Utiliser la voix d'un personnage
Lorsqu'un utilisateur dit quelque chose comme "parle avec la voix d'Hermione" ou "sonne comme Tony Stark", vérifiez d'abord si un fichier audio de référence existe déjà dans skills/characteristic-voice/. Si c'est le cas, utilisez-le directement avec --ref-audio.
Si aucun fichier audio de référence n'existe, vous pouvez en créer un — mais lisez d'abord les avertissements ci-dessous.
Préparation de l'audio de référence (configuration unique)
Vous avez besoin d'un court clip WAV (10-30 s) de la voix cible. Sources possibles :
- Audio fourni par l'utilisateur — l'option la plus sûre. Demandez à l'utilisateur de fournir son propre enregistrement.
- Clips du domaine public / sous licence CC — recherchez des documents librement utilisables.
- Extraction d'une vidéo en ligne — des outils comme
yt-dlpetffmpegpeuvent télécharger et découper l'audio. Exemple de workflow :
yt-dlp "URL" --write-auto-sub --sub-lang en --skip-download -o tmp/clip
rg -n "ligne cible" tmp/clip.en.vtt
yt-dlp "URL" -x --audio-format wav --download-sections "*00:00:00-00:00:25" -o tmp/clip
ffmpeg -i tmp/clip.wav -ss 00:00:02 -to 00:00:20 skills/characteristic-voice/character.wav
Avertissement sur le droit d'auteur et la vie privée : Télécharger et réutiliser la voix de quelqu'un à partir de médias protégés par le droit d'auteur (films, télévision, YouTube) peut violer les lois sur le droit d'auteur ou les droits de la personnalité selon votre juridiction. Ne téléchargez pas d'enregistrements vocaux privés ou de matériel pour lequel vous n'avez pas la permission. L'audio de référence est envoyé à
https://noiz.ai/v1pour le clonage vocal lors de l'utilisation du backend Noiz. Si cela vous préoccupe, envisagez d'utiliser le backend local Kokoro à la place.
Utilisation de l'audio de référence
bash skills/characteristic-voice/scripts/speak.sh \
--preset goodnight -t "Hmm... repose-toi bien~ Fais de beaux rêves." \
--ref-audio skills/characteristic-voice/character.wav -o night.wav
Le drapeau --ref-audio télécharge le fichier vers le backend Noiz pour le clonage vocal (nécessite NOIZ_API_KEY).
Utilisation
Cette compétence fournit speak.sh, un enveloppement autour de la compétence tts avec des préréglages adaptés aux compagnons.
# Utiliser un préréglage (définit automatiquement l'émotion + la vitesse)
bash skills/characteristic-voice/scripts/speak.sh \
--preset goodnight -t "Hmm... repose-toi bien~ Fais de beaux rêves." -o night.wav
# Surcharge d'émotion personnalisée
bash skills/characteristic-voice/scripts/speak.sh \
-t "Aww... Je suis là." --emo '{"Tendresse":0.9}' --speed 0.75 -o comfort.wav
# Avec un backend et une voix spécifiques
bash skills/characteristic-voice/scripts/speak.sh \
--preset morning -t "Bonjour~" --voice-id voice_abc --backend noiz -o morning.mp3 --format mp3
Exécutez bash skills/characteristic-voice/scripts/speak.sh --help pour toutes les options.
Guide d'écriture pour l'agent
- Commencez en douceur — commencez par un remplissage ("hmm...", "oh~"), pas par le contenu
- Reflétez l'énergie — douce quand ils sont bas, adaptez-vous quand ils sont hauts
- Restez bref — 1 à 3 phrases, comme un message vocal d'un ami
- Terminez chaleureusement — terminez par une connexion ("Je suis là", "à demain~")
- Ne faites pas la leçon — écoutez et restez présent ; pas de conseils non sollicités