characteristic-voice は何をしますか？
AIエージェントを、ため息をついたり、笑ったり、ためらったり、本物の感情で話す、本当の話し相手のようにしましょう。
認証情報
| 変数 | 必須 | 説明 |
|---|---|---|
NOIZ_API_KEY | はい（Noizバックエンド使用時） | developers.noiz.ai から取得したAPIキー。ローカルのKokoroバックエンドを使用する場合は不要です。 |
スクリプトはキーの正規化されたコピーを ~/.noiz_api_key（モード600）に保存して便利に使えるようにします。設定するには:
bash skills/characteristic-voice/scripts/speak.sh config --set-api-key YOUR_KEY
前提条件
同梱の speak.sh スクリプトは実行時に curl と python3 を必要とします。使用するバックエンドと機能によっては、さらに以下のツールが必要になる場合があります:
| ツール | 必要なとき | インストールのヒント |
|---|---|---|
curl, python3 | 常に（コアスクリプト） | 通常はプリインストール済み |
kokoro-tts | Kokoro（ローカル/オフライン）バックエンド | uv tool install kokoro-tts |
yt-dlp | 音声クローン用の参照音声をダウンロードする場合 | github.com/yt-dlp/yt-dlp |
ffmpeg | 参照音声クリップをトリミングする場合 | ffmpeg.org |
rg (ripgrep) | 字幕ファイルを検索する場合 | github.com/BurntSushi/ripgrep |
これらのツールはスキル自体によってインストールされるわけではありません。環境で手動で準備してください。
プライバシーとデータ送信
- Noizバックエンド: Noizバックエンドを使用する場合、発話テキストと提供する参照音声は
https://noiz.ai/v1に送信されます。--ref-audioを指定すると、その音声ファイルが音声クローン用にアップロードされます。 - Kokoroバックエンド: 完全にローカルで動作します。データはあなたのマシンから外部に出ません。
- 完全なオフライン処理が必要な場合は、Kokoroバックエンド（
--backend kokoro）を選択してください。
トリガー
- say like
- talk like
- speak like
- companion voice
- comfort me
- cheer me up
- sound more human
2つのポイント
- 非語彙的フィラー — 自然な間合いで小さな人間的なノイズ（「うーん」「はは」「あら」「へへ」）を散りばめて、話しに命を吹き込みます
- 感情調整 — 温かさ、喜び、悲しみ、優しさをその瞬間に合わせて調整します
フィラーサウンドパレット
| 音 | 気持ち | 使用シーン |
|---|---|---|
| うーん... | 考え中、優しい同意 | 慰め、熟考 |
| ああ... | 気づき、柔らかな驚き | 発見、場面転換 |
| えっと... | ためらい、共感 | 慎重な場面 |
| へへ / へへへ | 遊び心、いたずらっぽさ | からかい、軽い場面 |
| はは | 笑い | 喜び、ユーモア |
| あら | 優しさ、同情 | 深い慰め |
| おっ? / おお! | 驚き、注目 | ニュースへの反応 |
| ぷっ | こらえきれない笑い | 遊び心のある不信感 |
| ふぅ | 安堵 | 緊張の後 |
| ～（チルダ） | 伸ばす、メロディアスな語尾 | 温かさ、遊び心 |
ルール: 短いメッセージにつき最大2～4個のフィラー。文の始まりや思考の切り替わりなど、自然な間合いに配置してください。フィラーの後には ... で一拍の沈黙を入れ、語尾には ～ で温かさを演出します。
プリセット
おやすみ
優しく、温かく、少し眠そう。ゆっくりしたペース。
おはよう
温かく、明るく、しかし圧倒的ではない。
なぐさめ
柔らかく、理解を示し、急がない。空間を与える。何かを「解決」しようと急がない。
祝福
興奮気味で、誇らしげで、心から嬉しそう。
雑談
リラックスして、遊び心があり、自然。
キャラクターの声を使う
ユーザーが 「ハーマイオニーの声で話して」 や 「トニー・スタークみたいな声で」 と言った場合、まず skills/characteristic-voice/ に参照音声ファイルが既に存在するか確認します。存在する場合は、それを --ref-audio で直接使用します。
参照音声が存在しない場合は、新しく作成できます。ただし、以下の警告を先に読んでください。
参照音声の準備（一度だけの設定）
対象の声の短い（10～30秒）WAVクリップが必要です。考えられる入手先:
- ユーザー提供の音声 — 最も安全なオプションです。ユーザー自身の録音を提供してもらってください。
- パブリックドメイン / CCライセンスのクリップ — 自由にライセンスされた素材を検索してください。
- オンラインビデオからの抽出 —
yt-dlpやffmpegのようなツールで音声をダウンロードしてトリミングできます。ワークフローの例:
yt-dlp "URL" --write-auto-sub --sub-lang en --skip-download -o tmp/clip
rg -n "target line" 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
著作権とプライバシーの警告: 著作権で保護されたメディア（映画、テレビ、YouTube）から誰かの声をダウンロードして再利用することは、管轄区域によっては著作権法や人格権法に違反する可能性があります。個人の音声録音や、使用許可を得ていない素材をアップロードしないでください。 参照音声は、Noizバックエンドを使用する場合、音声クローン用に
https://noiz.ai/v1に送信されます。これが懸念される場合は、代わりにローカルのKokoroバックエンドの使用を検討してください。
参照音声の使用
bash skills/characteristic-voice/scripts/speak.sh \
--preset goodnight -t "うーん...おやすみ～いい夢を。" \
--ref-audio skills/characteristic-voice/character.wav -o night.wav
--ref-audio フラグは、ファイルをNoizバックエンドにアップロードして音声クローンを行います（NOIZ_API_KEY が必要です）。
使用方法
このスキルは、tts スキルのラッパーであり、話し相手に優しいプリセットを備えた speak.sh を提供します。
# プリセットを使用（感情＋速度を自動設定）
bash skills/characteristic-voice/scripts/speak.sh \
--preset goodnight -t "うーん...おやすみ～いい夢を。" -o night.wav
# カスタム感情のオーバーライド
bash skills/characteristic-voice/scripts/speak.sh \
-t "あら...私がここにいるよ。" --emo '{"Tenderness":0.9}' --speed 0.75 -o comfort.wav
# 特定のバックエンドと声を指定
bash skills/characteristic-voice/scripts/speak.sh \
--preset morning -t "おはよう～" --voice-id voice_abc --backend noiz -o morning.mp3 --format mp3
すべてのオプションを表示するには、bash skills/characteristic-voice/scripts/speak.sh --help を実行してください。
エージェント向けライティングガイド
- 柔らかく始める — 内容ではなくフィラー（「うーん...」「あら～」）でリードする
- エネルギーを合わせる — 相手が落ち込んでいるときは優しく、盛り上がっているときは合わせる
- 簡潔に — 友達からのボイスメッセージのように、1～3文で
- 温かく締める — つながりを持って終わる（「ここにいるよ」「また明日ね～」）
- 説教しない — 聞き、その場に寄り添う。求められていないアドバイスはしない