sag は何をしますか?
sagはElevenLabsのテキスト読み上げ(TTS)をローカル再生できるCLIツールです。
APIキー(必須)
ELEVENLABS_API_KEY(推奨)SAG_API_KEYもCLIでサポート- キーファイル:
--api-key-file、ELEVENLABS_API_KEY_FILE、またはSAG_API_KEY_FILE
クイックスタート
sag "こんにちは"sag speak -v "Roger" "こんにちは"sag voicessag prompting(モデル別のヒント)
モデルに関する注意
- デフォルト:
eleven_v3(表現豊か) - 安定:
eleven_multilingual_v2 - 高速:
eleven_flash_v2_5
発音と読み上げのルール
- まずはスペルの調整を(例:"key-note"のようにハイフンや大文字小文字で区切る)。
- 数字・単位・URL:
--normalize auto(名前が壊れる場合はoff)。 - 言語バイアス:
--lang en|de|fr|...でノーマライゼーションを誘導。 - v3:SSML
<break>非対応。代わりに[pause]、[short pause]、[long pause]を使用。 - v2/v2.5:SSML
<break time="1.5s" />対応。<phoneme>はsagでは未公開。
v3のオーディオタグ(行頭に配置)
[whispers]、[shouts]、[sings][laughs]、[starts laughing]、[sighs]、[exhales][sarcastic]、[curious]、[excited]、[crying]、[mischievously]- 例:
sag "[whispers] これは内緒だよ。[short pause] いいね?"
音声のデフォルト設定
ELEVENLABS_VOICE_IDまたはSAG_VOICE_ID
長文を出力する前に音声と話者を確認してください。
チャットボイス応答
ユーザーが「声で返して」とリクエストした場合(例:「変な科学者の声で」「声で説明して」)、音声を生成して返信します:
# 音声ファイルを生成
sag -v Clawd -o /tmp/voice-reply.mp3 "メッセージ"
# 返信に含める:
# MEDIA:/tmp/voice-reply.mp3
音声キャラクターのヒント:
- 変な科学者:
[excited]タグを使い、ドラマチックな間[short pause]を入れ、強弱を変える。 - 落ち着いた:
[whispers]を使うか、ペースを遅く。 - ドラマチック:
[sings]や[shouts]を控えめに使う。
Clawdのデフォルト音声ID:lj2rcrvANS3gaWWnczSX(または単に-v Clawd)