Communitygithub.com

TTS Script Generator(TTS 脚本生成器)

ドキュメントをインテリジェントに圧縮・リライトし、TTS(テキスト音声合成)に適したスクリプトを生成します。Claude AIを活用して内容を分析し、目標時間に圧縮、自然な話し言葉に変換、感情表現を追加、自動セグメント分割まで行います。ビデオナレーションに最適です。

TTS Script Generator(TTS 脚本生成器) とは?

このスキルは、長文ドキュメントをTTS(テキスト音声合成)向けに最適化されたスクリプトに変換します。主な機能として、Claudeが記事の内容を分析し、最適なビデオ時間(3〜8分)とイラストスタイルを自動判断します。その後、内容を圧縮し、書き言葉を自然な話し言葉に変換し、感情的な表現を追加して、各セグメント(10〜20秒)に自動分割します。tts_script.jsonとvisual_config.jsonの2つのファイルを出力し、特にimage-to-videoスキルと連携してビデオナレーションを生成するために設計されています。歴史・人文・科学・旅行など、さまざまなテーマに対応し、テーマに合わせたイラストスタイル(浮世絵、ニューヨーカー風、フラットデザイン、写実的、抽象的)を自動選択します。Claude Code、Cursor、CodexなどのClaudeベースのAIエージェント上で動作し、手動または自動で呼び出せます。

対応✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/huangserva/servasyy_skills/tree/HEAD/tts-script-generator

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

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:

  1. Claude が元のドキュメントを読み込む
  2. 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)
  3. 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
  4. Claude が自動分割(各セグメントに1枚の画像を割り当て)
  5. 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
  6. 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)
  7. 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:

  1. 第1セグメント(オープニング)→ fade_in
  2. コアとなる主張(各章の第1セグメント)→ write
  3. データ/事実 → typewriter
  4. その他の内容 → none(ASS 字幕)
  5. 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

  1. ビデオナレーション:image-to-video と連携(主な用途)
  2. 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

  1. コアを保持:最も重要な主張とストーリーを保持
  2. 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"
  3. 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"
  4. 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

関連スキル