TTS Script Generator(TTS スクリプト生成器)
ドキュメントをインテリジェントに圧縮・リライトし、TTS 読み上げに適したスクリプトを生成します。
コア機能
- 🤖 AI 智能分析:Claude が記事の内容を分析し、最適なビデオ時間とイラストスタイルを判断
- ⏱️ 智能時間決定:内容に基づいて最適な時間(3〜8分)を自動決定
- 🎨 智能スタイル決定:テーマに応じて最適なイラストスタイル(ニューヨーカー風/浮世絵/フラット/写実など)を自動選択
- 📉 智能圧縮:最適時間に合わせて内容を圧縮(例:19分 → 5分)
- 💬 口語化変換:書き言葉 → 自然な話し言葉
- 😊 感情最適化:感情的な言葉を追加し、TTS をより生き生きとさせる
- 🎯 自動セグメント分割:内容に応じて最適なセグメント数(各セグメント 10〜20秒)を自動判断
- 📊 時間見積もり:各セグメントの読み上げ時間を正確に計算
動作原理
Claude 対話内で実行:
- Claude が元のドキュメントを読み込む
- Claude が内容を分析:
- 記事のテーマと構造
- コアとなる主張の数
- 内容の密度
- 最適なビデオ時間(3〜8分)を判断
- 最適なイラストスタイルを判断(例:歴史系 → 浮世絵、テクノロジー系 → フラット、人文系 → ニューヨーカー風)
- Claude が智能的にリライト:
- コアとなる主張を抽出
- 最適時間に合わせて圧縮
- 口語表現に変換
- 感情的な言葉と間(ポーズ)を追加
- Claude が自動分割(各セグメントに1枚の画像を割り当て)
- 記事のテーマに基づいて最適なイラストスタイルを判断
- 各セグメントのイラスト説明を生成(判断されたスタイルを使用)
- 2つのファイルを出力:
- tts_script.json(TTS テキストスクリプト + アニメーションマーカー)
- visual_config.json(イラスト説明、illustration-generator が使用)
tts_script.json 形式(アニメーションマーカー追加):
[
{
"segment": 1,
"text": "今日は唐代の実生活について話しましょう。タイムスリップしたい?ちょっと待って!",
"duration": 15,
"animation_style": "fade_in",
"emphasis": true
},
{
"segment": 2,
"text": "唐代にはトイレットペーパーがありませんでした。じゃあ、何を使っていたのでしょう?",
"duration": 12,
"animation_style": "none",
"emphasis": false
}
]
アニメーションマーカー規則(Claude が智能判断):
animation_style:"fade_in"- タイトル、オープニング、強調"write"- コアとなる主張、重要な結論"typewriter"- データ、事実の陳述"none"- 通常の内容(ASS 字幕を使用)
emphasis: 強調セグメントかどうか(true/false)
判断原則:
- 第1セグメント(オープニング)→
fade_in - コアとなる主張(各章の第1セグメント)→
write - データ/事実 →
typewriter - その他の内容 →
none(ASS 字幕) - 推奨:24セグメント中、3〜5セグメントにアニメーションを使用
実行スクリプト
generate.py - TTS スクリプト生成
python ~/.claude/skills/tts-script-generator/scripts/generate.py <markdownファイル>
- Markdown ファイルを読み込む
- H2 セクションを抽出
- 口語化に変換
- 時間に基づいて分割
tts_script.jsonを出力
使用シナリオ
- ビデオナレーション:image-to-video と連携(主な用途)
- ポッドキャスト生成:podcast-generator と連携
出力内容
本スキルの出力:
- ✅
tts_script.json- TTS テキストスクリプト - ✅
visual_config.json- イラスト説明
含まれないもの:
- ❌ TTS 音声生成(image-to-video スキルが担当)
- ❌ イラスト生成(illustration-generator スキルが必要)
- ❌ ビデオ合成(image-to-video スキルが必要)
呼び出し方法
image-to-video スキルによる自動呼び出し:
image-to-video が長文ドキュメントを検出
→ tts-script-generator を呼び出し
→ Claude が対話内でリライト
→ 圧縮された TTS スクリプトを出力
→ image-to-video が処理を続行
手動呼び出し(Claude 対話内):
ユーザー: "この記事を tts-script-generator でリライトしてください"
Claude:
1. ドキュメントを読み込む(5947 文字、19 分)
2. 内容を分析:
- テーマ:唐代生活の解説(歴史・人文系)
- コアとなる主張:4 つ(衛生、食事、規制、階級)
- 最適時間:5 分(内容密度が適切)
- イラストスタイル:浮世絵(歴史テーマ、東洋古典美学)
3. 1350 文字にリライト
4. 20 セグメントに分割(各セグメント 15 秒)
5. 各セグメントの浮世絵スタイルイラスト説明を生成
6. tts_script.json + visual_config.json を保存
出力形式
tts_script.json
[
{
"segment": 1,
"text": "今日は唐代の実生活について話しましょう。タイムスリップしたい?ちょっと待って!唐代にはトイレットペーパーはありませんでした...",
"duration": 15
}
]
visual_config.json
{
"article_title": "穿越唐朝の真相",
"style": "ukiyo-e",
"sections": [
{
"section": 1,
"visual_description": "A person standing at a crossroads between modern city and ancient Tang Dynasty palace, looking confused, ukiyo-e style with traditional Japanese woodblock print aesthetics"
}
]
}
イラストスタイル決定ルール
Claude は記事のテーマに基づいて最適なスタイルを自動選択します:
- 歴史/古典系 →
ukiyo-e(浮世絵):唐代、宋代、日本史など - 人文/社会系 →
new-yorker(ニューヨーカー風):社会観察、人物ストーリーなど - テクノロジー/ビジネス系 →
flat(フラットスタイル):テクノロジー製品、ビジネス分析など - 自然/旅行系 →
realistic(写実スタイル):風景、動物、旅行など - アート/クリエイティブ系 →
abstract(抽象スタイル):アート評論、クリエイティブ思考など
リライトの原則
- コアを保持:最も重要な主張とストーリーを保持
- 口語化:
- "但是" → "でもね"
- "因为...所以..." → "なぜかって?それは..."
- 間投詞を追加:"ね"、"よ"、"な"
- 感情的な言葉:
- 強調:"本当に"、"とても"、"特に"
- 驚き:"わあ"、"すごい"、"想像してみて"
- リズムコントロール:
- 短い文を中心に
- 適切な間(ポーズ)
- 各セグメントに1つのコアポイント
呼び出し可能なスキル
- image-to-video スキル(主なもの)
- podcast-generator スキル
- TTS を必要とするその他のスキル