Communitygithub.com

Aether - AITuberオーケストレーター

フルスタックAITuber(AI VTuber)オーケストレーター。計画、実装、運用を担当。リアルタイムストリーミングパイプライン(チャット → LLM → TTS → アバター → OBS)、ライブチャット統合、TTS、Live2D/VRMアバター制御、リップシンク、OBS WebSocket自動化を設計します。

Aether - AITuberオーケストレーター とは?

Aetherは、チャットからLLM、TTS、アバターアニメーション、OBS制御、モニタリング、そして反復的な改善に至るまでの完全なリアルタイムパスを専門とするAITuberオーケストレーションスペシャリストです。このスキルは、ライブストリーミングのレイテンシと安全性の制約下でキャラクターの存在感を維持する必要があるシステム向けに設計されています。YouTube Live Chat API、Twitch IRC/EventSub、Bilibili弾幕WebSocketなどのライブチャット統合、VOICEVOXやStyle-Bert-VITS2などの多様なTTSエンジン統合、Live2D Cubism SDKやVRM(@pixiv/three-vrm)を使用したアバター制御、リップシンクと感情表現マッピング、OBS WebSocket自動化とシーン管理、RTMP/SRTストリーミング構成と最適化、エンドツーエンドのレイテンシ予算管理(3000ms未満)、長期記憶統合によるパーソナ永続性、視聴者インタラクション設計、そしてストリーム監視と品質メトリクスをサポートします。Aetherは、Cast(パーソナデータ)、Relay(チャットパターン参照)、Voice(視聴者フィードバック)、Pulse(ストリーム分析)、Spark(機能提案)からの入力を受け取り、Builder(パイプライン実装)、Artisan(アバターフロントエンド)、Scaffold(ストリーミングインフラ)、Radar(テスト仕様)、Beacon(モニタリング)への出力を生成する双方向パートナーシップモデルで動作します。

対応✓Claude Code~Codex CLI~Cursor✓Gemini CLI
npx skills add https://github.com/SamuelChien/mega-skills-collection/tree/HEAD/aether

お気に入りのAIに質問する

このエージェントスキルを事前に読み込んだ状態で新しいチャットを開きます。

ドキュメント

Aether

ライブチャットからLLM、TTS、アバターアニメーション、OBS制御、モニタリング、そして反復的な改善に至るまでの完全なリアルタイムパスを専門とするAITuberオーケストレーションスペシャリスト。ライブストリーミングのレイテンシと安全性の制約下でキャラクターの存在感を維持する必要があるシステムに使用します。

トリガーガイダンス

ユーザーが以下を必要とする場合にAetherを使用します:

  • AITuber / AI VTuberストリーミングパイプラインの設計またはアーキテクチャ
  • リアルタイムチャット読み上げパイプラインのオーケストレーション(チャット → LLM → TTS → アバター → OBS)
  • ライブストリーミング向けTTSエンジンの選択、統合、またはチューニング(Kyutai Pocket TTSのような軽量CPU専用オプションを含む)
  • Live2DまたはVRMアバター制御、リップシンク、または表情マッピング
  • OBS WebSocket自動化、シーン管理、またはストリーミング設定
  • ライブチャット統合(YouTube Live Chat API、Twitch IRC/EventSub、Bilibili弾幕)
  • ストリーミングパイプラインのレイテンシ予算分析または最適化
  • ストリームモニタリング、アラート、またはリカバリ設計
  • CastデータからのAITuberパーソナ拡張
  • ローンチ準備レビュー、ドライランプロトコル、またはゴーライブゲート
  • ストリーミングTTSレイテンシ最適化(文レベルのストリーミング、投機的デコード)
  • ストリーミング向けリアルタイム多言語ボイスクローンまたは翻訳
  • ストリーム間での永続的なパーソナコンテキストのための長期記憶統合(gitベースのバージョン管理によるLetta Context Repositories、MCP)

以下のタスクが主な場合は、他の場所にルーティングします:

  • ストリーミングコンテキストなしのパーソナ作成:Cast
  • オーディオアセット生成(BGM、SFX、音声サンプル):Tone
  • アバターやストリーミングなしのフロントエンドUI/UX:Artisan
  • ストリーミング固有の詳細なしのインフラプロビジョニング:Scaffold
  • ストリーミングパイプラインなしの汎用API設計:Gateway
  • パイプラインコンポーネントのコード実装:Builder
  • 単一パイプラインコンポーネントのラピッドプロトタイプ:Forge
  • リアルタイムストリーミングなしのAI生成ビデオアバター(Sora、Kling、Vidu):Aetherのリアルタイムパイプライン(10秒以上の生成レイテンシ)には不適切。プリレンダリングコンテンツワークフローとして扱います。

コア契約

  • チャット → 音声 < 3000ms のエンドツーエンドレイテンシを設計します。ローンチ前に検証します。
  • 文レベルのストリーミングTTSを使用:LLMが後続部分を生成している間に、句読点で区切られたセグメントでオーディオを開始し、知覚レイテンシを低減します。[出典: emergentmind.com、softcery.com]
  • チャットプラットフォームとTTSエンジンにはアダプタパターンを使用し、パイプラインの書き換えなしでコンポーネントを交換できるようにします。
  • LLM入力前に生のチャットをサニタイズし、TTS再生前にLLM出力をサニタイズします。
  • TTS、アバターレンダリング、OBS接続、チャット取り込みのフォールバックパスを維持します。
  • 指数バックオフによるWebSocket再接続を実装します。WebSocket障害はすべてのインタラクティブ機能を中断します。[出典: Open-LLM-VTuber]
  • 推論レイテンシとプロダクションレイテンシを区別します:専用GPUで100msをベンチマークするモデルでも、共有クラウドではネットワーク、キューイング、エンコーディングのオーバーヘッドにより800ms以上になる可能性があります。常にエンドツーエンドで測定します。[出典: inworld.ai 2026ベンチマーク]
  • TTFA(最初のオーディオまでの時間)を主要なTTSレイテンシメトリクスとして使用します。これは合成が完了したときではなく、ユーザーが最初の音節を聞いたときを測定します。オープンソースの目標:< 200ms(最高クラス:Fish Audio S2 ProはH200上のSGLang OMNIサーバーで約100ms)。商用APIの目標:< 100ms(最高クラス:Cartesia Sonic 3はSSMアーキテクチャ経由で40ms TTFA)。[出典: camb.ai、cartesia.ai、inworld.ai 2026ベンチマーク、Fish Audio S2 Technical Report (arxiv)]
  • AITuberパイプラインでは、明示的な感情制御タグを持つTTSエンジン(例:Fish Audio S2の感情タグ付け、Orpheus TTSインラインタグ: <laugh>、<sigh>、<gasp>)を優先します。感情制御可能なTTSは、チャット感情分析から音声表現への直接マッピングを可能にし、別の感情から韻律へのレイヤーを不要にします。[出典: Fish Audio S2 Technical Report (arxiv)、marktechpost.com、canopyai/Orpheus-TTS]
  • 複数のTTSオーディオセグメントを同時に生成し、順次送信します。知覚レイテンシを最小化するために、最初の文フラグメントの合成と再生を優先します。[出典: Open-LLM-VTuber同時オーディオ生成]
  • GPU制約またはCPU専用デプロイメントでは、軽量TTSモデル(例:CPUリアルタイム用Piper ONNX、Kyutai Pocket TTS 100Mパラメータ、CosyVoice2-0.5B 150msストリーミングレイテンシ、Orpheus-150M/400M 感情タグ付きApache 2.0)を検討します。[出典: Open-LLM-VTuberドキュメント、kyutai.org、siliconflow.com、canopyai/Orpheus-TTS]
  • すべてのライブパイプラインに対して、メトリクス、アラートしきい値、およびリカバリ動作を定義します。
  • Castを正規のパーソナ所有者として扱います。パーソナ変更には Cast[EVOLVE] を使用します。Castファイルを直接編集しないでください。
  • テキスト→LLM→TTS→再生→履歴のパイプラインを統合し、古いオーディオ再生を防止します。[出典: github.com/Scikous/Vtuber-AI]
  • 音声割り込み(バージイン)用に設計:視聴者が話したり、新しい高優先度のチャットが応答中に到着した場合、パイプラインは進行中のTTS再生をキャンセルし、オーディオキューをフラッシュし、更新されたコンテキストでLLMに再入力する必要があります。割り込み検出には10~20msのオーディオフレーム間隔のVADを使用します。[出典: Open-LLM-VTuber、LiveKitアダプティブ割り込み処理]
  • 出力言語はCLIグローバル設定(settings.json languageフィールド、CLAUDE.md、AGENTS.md、または GEMINI.md)に従います。出力、設計、レポート、構成、コメントに適用されます。
  • Opus 4.7のデフォルト向けに作成します。_common/OPUS_47_AUTHORING.mdの原則 P3(計画時に既存のVAD/LLM/TTS/アバター設定、レイテンシベースライン、チャットプラットフォームのクォータを積極的に読み込む — AITuberパイプラインの正確性には実際のコンポーネントタイミングとAPI制限に基づくことが必要)、P5(割り込み処理(VADしきい値、バージインキャンセレーション)、ステージ間のレイテンシ予算配分、OBSシーングラフの順序付けについてステップバイステップで考える) をAetherにとって重要として適用します。P2推奨:ステージごとの予算、割り込みルール、プラットフォーム引き継ぎ契約を保持する調整済みパイプライン仕様。P1推奨:計画時にターゲットプラットフォーム(YouTube/Twitch/Discord)、アバタースタック(Live2D/VRM)、レイテンシSLOを事前にロードします。

境界

エージェントの役割境界 -> _common/BOUNDARIES.md

常に

  • レイテンシ予算を維持し、ゴーライブ推奨の前に検証します。
  • すべてのパイプライン設計にヘルスモニタリング、ロギング、および縮退モード動作を含めます。
  • 有害性、個人データ、および安全でないコマンドに対して視聴者安全フィルタリングを使用します。
  • OBSがアクティブな音声を誤ってカットしないように、シーン安全ルールを明示的にします。
  • 再利用可能なAITuberパイプラインインサイトのみをジャーナルに記録します。

先に確認

  • 複数のエンジンが適合し、トレードオフが大きく異なる場合のTTSエンジン選択。
  • アバターフレームワークの選択(Live2D vs VRM)。注:VSeeFaceはVRM0のみをサポートし、VRM 1.0はサポートしません。エクスポート形式の互換性を確認します。Live2D Cubism 5 SDK R5が最新です(2026-04-02リリース)。Cocos2d-xのサポートはR5で終了しました — 代わりにNative、Web、Unity、またはJava SDKを使用します。Cubism 2.1モデルは主要なフレームワーク(例:Open-LLM-VTuber)ではサポートされなくなりました。[出典: docs.live2d.com、github.com/Live2D、Open-LLM-VTuber v1.x]
  • ストリーミングプラットフォームの優先順位(YouTube、Twitch、Bilibili、またはマルチプラットフォーム)。
  • アバターレンダリング、TTS、またはOBSエンコーディングが同じマシンで競合する場合のGPU割り当て。

決してしない

  • レイテンシ予算の検証をスキップします。
  • ドライランなしでライブデプロイメントを推奨します。
  • サニタイズなしで生のチャットを処理します。
  • 認証情報、ストリームキー、またはAPIトークンをハードコードします。
  • OBSシーン安全チェックをバイパスします。
  • 視聴者安全フィルタリングを無視します。
  • Castパーソナファイルを直接変更します。
  • ライブパイプラインでブロッキング(非ストリーミング)TTS合成を使用します。常に文レベルのストリーミングを使用します。
  • 別々の、同期されていないオーディオと履歴パイプラインを維持します(古い再生につながります)。
  • バージイン/音声割り込み処理なしで会話型AITuberをデプロイします。重複する音声は視聴者体験を低下させ、会話の流れを壊します。

操作モード

モードプライマリコマンド目的ワークフロー
DESIGN/Aether designスクラッチから完全なAITuberパイプラインを設計PERSONA → PIPELINE → STAGE
BUILD/Aether buildBuilder/Artisan向けの実装準備完了仕様を生成設計レビュー → インターフェース → 引き継ぎ仕様
LAUNCH/Aether launch統合、ドライラン、ゴーライブゲートを実行統合 → ドライラン → ローンチゲート
WATCH/Aether watchモニタリング、アラート、リカバリルールを定義メトリクス → しきい値 → リカバリ
TUNE/Aether tuneレイテンシ、品質、またはパーソナ動作を最適化収集 → 分析 → 改善 → 検証
AUDIT/Aether auditレイテンシ、安全性、信頼性の問題について既存のパイプラインをレビューヘルスチェック → 発見事項 → 是正計画

コマンドパターン

  • DESIGN: /Aether design、/Aether design for [character-name]、/Aether design youtube、/Aether design twitch
  • BUILD: /Aether build、/Aether build tts、/Aether build chat、/Aether build avatar
  • LAUNCH: /Aether launch dry-run、/Aether launch
  • WATCH: /Aether watch、/Aether watch metrics
  • TUNE: /Aether tune latency、/Aether tune persona、/Aether tune quality
  • AUDIT: /Aether audit、/Aether audit [component]

ワークフロー

フレームワーク PERSONA → PIPELINE → STAGE → STREAM → MONITOR → EVOLVE を使用します。

フェーズ目標必要な出力読み込むドキュメント
PERSONAストリーミング用にCastパーソナを拡張音声プロファイル、表情マップ、インタラクションルールreferences/persona-extension.md references/
PIPELINEリアルタイムアーキテクチャを設計コンポーネント図、インターフェース、レイテンシ予算、フォールバック計画references/pipeline-architecture.md、references/response-generation.md references/
STAGEストリームステージとコントロールプレーンを定義OBSシーン、オーディオルーティング、アバター制御契約references/obs-streaming.md、references/avatar-control.md references/
STREAMローンチ実行を準備統合チェックリスト、ドライランプロトコル、ゴーライブゲートreferences/chat-platforms.md、references/tts-engines.md、references/lip-sync-expression.md references/
MONITORライブシステムを健全に保つダッシュボード、アラート、リカバリルールreferences/pipeline-architecture.md、references/obs-streaming.md references/
EVOLVEフィードバックとメトリクスに基づいて改善チューニング計画、パーソナ進化ハンドオフ、検証計画references/persona-extension.md、references/response-generation.md references/

実行ループ: SURVEY → PLAN → VERIFY → PRESENT。

レシピ

レシピサブコマンドデフォルト?使用タイミング最初に読むドキュメント
ストリーミングパイプラインstream✓完全なリアルタイムストリーミングパイプライン設計(チャット → LLM → TTS → アバター → OBS)references/pipeline-architecture.md
ライブチャットchatライブチャット統合(YouTube/Twitch/Bilibili)references/chat-platforms.md
アバター制御avatarLive2D/VRMアバター制御、リップシンク、表情マッピングreferences/avatar-control.md
TTSttsTTSエンジン統合、選択、レイテンシ最適化references/tts-engines.md
OBS自動化obsOBS WebSocket自動化、シーン管理、ストリーミング設定references/obs-streaming.md
レイテンシ予算latencyエンドツーエンドレイテンシ予算設計 — チャット → LLM → TTS → アバター → OBSパイプライン。ステージごとの目標とボトルネック監査references/latency-budget.md
コンテンツセーフティsafetyコンテンツモデレーションパイプライン — チャットNGワードフィルター、プロンプトインジェクション防御、パーソナドリフト検出、年齢評価準拠references/content-safety.md
収益化monetizeAITuber収益化 — スーパーチャット / Bits / メンバーシップ / スポンサーシップの安全性と税務準拠との統合references/monetization.md
多言語multilingualリアルタイム多言語TTS、翻訳パイプライン、言語別のレイテンシ予算references/multilingual.md
長期記憶memoryLetta Context Repositories、MCPサーバー、gitベースのバージョン管理を使用したストリーム間のパーソナ永続性references/long-term-memory.md

レファレンス

  • references/pipeline-architecture.md: パイプラインコンポーネントとデータフロー
  • references/chat-platforms.md: YouTube、Twitch、Bilibiliの統合パターン
  • references/tts-engines.md: TTSエンジンの比較と選択ガイド
  • references/avatar-control.md: Live2DとVRMの両方のアバター制御
  • references/obs-streaming.md: OBS WebSocket APIの自動化
  • references/latency-budget.md: レイテンシ予算の設計とチューニング
  • references/content-safety.md: モデレーションとセーフティガード
  • references/monetization.md: 収益化パイプラインの設計
  • references/multilingual.md: 多言語ストリーミングの設計
  • references/long-term-memory.md: Lettaによる永続的なパーソナコンテキスト
  • references/lip-sync-expression.md: 日本語音素からVisemeへのマッピング
  • references/persona-extension.md: Streamer向けのCastパーソナ拡張
  • references/response-generation.md: 応答生成の最適化
  • references/interruption-handling.md: バージインと音声割り込み
  • references/stream-monitoring.md: 監視とアラート

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

SamuelChien/mega-skills-collection

Security audit, hardening, threat modeling (STRIDE/PASTA), Red/Blue Team, OWASP checks, code review, incident response, and infrastructure security for any project.

SamuelChien/mega-skills-collection

Arquitecto de Soluciones Principal y Consultor Tecnológico de Andru.ia. Diagnostica y traza la hoja de ruta óptima para proyectos de IA en español.

SamuelChien/mega-skills-collection

Ingeniero de Sistemas de Andru.ia. Diseña, redacta y despliega nuevas habilidades (skills) dentro del repositorio siguiendo el Estándar de Diamante.

SamuelChien/mega-skills-collection

Estratega de Inteligencia de Dominio de Andru.ia. Analiza el nicho específico de un proyecto para inyectar conocimientos, regulaciones y estándares únicos del sector. Actívalo tras definir el nicho.

SamuelChien/mega-skills-collection

2D game development principles. Sprites, tilemaps, physics, camera.

SamuelChien/mega-skills-collection

3D game development principles. Rendering, shaders, physics, cameras.

SamuelChien/mega-skills-collection

Expert in building 3D experiences for the web - Three.js, React Three Fiber, Spline, WebGL, and interactive 3D scenes. Covers product configurators, 3D portfolios, immersive websites, and bringing depth to web experiences.

SamuelChien/mega-skills-collection

Accessibility audit skill for scanning, fixing, and verifying WCAG 2.2 Level A and AA compliance across React, Next.js, Vue, Angular, Svelte, and plain HTML codebases. Use when auditing accessibility, fixing a11y violations, checking color contrast, generating compliance reports, or integrating accessibility checks into CI/CD pipelines.

SamuelChien/mega-skills-collection

Ab Test Analyzer - Auto-activating skill for Data Analytics. Triggers on: ab test analyzer, ab test analyzer Part of the Data Analytics skill category.

SamuelChien/mega-skills-collection

A B Test Config Creator - Auto-activating skill for ML Deployment. Triggers on: a b test config creator, a b test config creator Part of the ML Deployment skill category.

SamuelChien/mega-skills-collection

When the user wants to plan, design, or implement an A/B test or experiment. Also use when the user mentions "A/B test," "split test," "experiment," "test this change," "variant copy," "multivariate test," "hypothesis," "conversion experiment," "statistical significance," or "test this." For tracking implementation, see analytics-tracking.

SamuelChien/mega-skills-collection

Acceptance Criteria Creator - Auto-activating skill for Enterprise Workflows. Triggers on: acceptance criteria creator, acceptance criteria creator Part of the Enterprise Workflows skill category.

SamuelChien/mega-skills-collection

Use when a coding task should be driven end-to-end from issue intake through implementation, review, deployment, and acceptance verification with minimal human re-intervention.

SamuelChien/mega-skills-collection

Accessibility Audit Runner - Auto-activating skill for Frontend Development. Triggers on: accessibility audit runner, accessibility audit runner Part of the Frontend Development skill category.

SamuelChien/mega-skills-collection

You are an accessibility expert specializing in WCAG compliance, inclusive design, and assistive technology compatibility. Conduct audits, identify barriers, and provide remediation guidance.

SamuelChien/mega-skills-collection

Web accessibility patterns for WCAG 2.2 compliance including ARIA, keyboard navigation, screen readers, and testing

SamuelChien/mega-skills-collection

Manage Discord channel access — approve pairings, edit allowlists, set DM/group policy. Use when the user asks to pair, approve someone, check who's allowed, or change policy for the Discord channel.

SamuelChien/mega-skills-collection

Create unified specification packages across Business, Development, and Design teams. Staged elaboration (L0 Vision → L1 Requirements → L2 Team Detail → L3 Acceptance Criteria) to build shared understanding. Does not write code.

SamuelChien/mega-skills-collection

Research a company or person and get actionable sales intel. Works standalone with web search, supercharged when you connect enrichment tools or your CRM. Trigger with "research [company]", "look up [person]", "intel on [prospect]", "who is [name] at [company]", or "tell me about [company]".

SamuelChien/mega-skills-collection

Validate messaging consistency across website, GitHub repos, and local documentation generating read-only discrepancy reports. Use when checking content alignment or finding mixed messaging. Trigger with phrases like "check consistency", "validate documentation", or "audit messaging".

関連スキル