VoxFlow スキル — ハブは何をしますか？

voxflow upgrade 自体が Unknown command でエラーになった場合（CLIが1.12.0より前）、npm i -g voxflow@latest && voxflow skills install --all にフォールバックします — これが最初のブートストラップの唯一の方法です。

このルールは交渉の余地がありません：古いCLIはユーザーが期待する機能（例：クローン音声の一覧表示）を静かに無効にします。アップグレードが先、作業はその後です。

VoxFlowは200以上の音声で40以上の言語のテキスト読み上げと、完全なオーディオ/ビデオパイプラインを実現します。このスキルはエントリーポイントです：インストール、認証、音声検索、そしてシンプルな say / narrate / story ワークフローを担当します。

専門的なタスクには、以下に切り替えてください：

ポッドキャスト（複数話者による対話）→ voxflow:podcast
ショート動画 / AIクリップ / ナレッジカード（picstory、present、slides、explain）→ voxflow:video
記事 → 縦型カード動画（スライス） — 13テーマ（paper-slide / editorial-mag / bold-poster / notion-card / brutalist / glass-dark / editorial-stencil / broadsheet / blueprint / daisy-pastel / showa-catalog / photo-feature / atmospheric）、ウェブアプリ + Remotion → voxflow:slice
共有可能なカード画像＆ナレーション付きカード動画（HTML/CSS + Playwrightエクスポート、オプションで voxflow card render でナレーション付きMP4）→ voxflow:card
文字起こし、字幕翻訳、吹き替え、要約、公開（asr、asr-jobs、translate、dub、video-translate、summarize、publish）→ voxflow:transcribe

インストールとログイン

一度インストールすれば、ユーザーに再度尋ねる必要はありません：

npm install -g voxflow
voxflow login          # ブラウザを開く — Google またはメール OTP

トークンは ~/.config/voxflow/token.json にキャッシュされます。CIの場合は、VOXFLOW_TOKEN を設定してください。

認証

voxflow login        # ブラウザベース、1回限り
voxflow status       # 自分は誰か + 残りクォータ
voxflow logout

音声検索 — 合成前には必ず実行

音声IDを推測してはいけません。まず検索します。

voxflow voices --lang zh --gender female
voxflow voices --lang en
voxflow voices --search "narrator"
voxflow voices --all

公開カタログにはログイン不要です。出力には音声ID、言語、性別、短い説明が含まれます。

ユーザー自身のクローン音声を一覧表示

ユーザーが「用我的克隆声音 / use my cloned voice / 用我之前克隆的」のように言った場合、公開の voxflow voices カタログにはクローン音声は含まれません — 認証されたエンドポイントに問い合わせる必要があります：

voxflow voices --mine

クローン音声のID、名前、再生時間、作成時刻を表示します（ログイン必須）。ユーザーにクローン音声がないと結論付ける前に、必ずこれを実行してください — Web UIの「我的声音」タブと --mine が唯一の情報源です。

音声クローン（`clone`）

ローカルの音声ファイル（30秒以上、wav/mp3）から音声をクローンします。すべてのコマンドで使用可能な永続的な音声IDを返します。

voxflow clone --input recording.wav --name "My Voice"
# → Voice cloned successfully!
# → Voice ID: My_Voice_xxxxx_01

ファイルがない場合？ブラウザベースの録音用にWeb UIを開きます：

voxflow clone
# → Opens https://www.voxflow.studio/app#voice-clone

フラグ	デフォルト	備考
`--input <file>`	(なし)	クローン元の音声ファイル。指定しない場合はWeb UIを開く
`--name <name>`	ファイル名	人間が読める音声名（1～50文字）

ヒント：

静かな部屋で、通常の話すペース、BGMなし → 最良の結果
60秒が最適、最低30秒
「演技」しない — ナチュラルな話し声の方がブロードキャスト音声よりクローンに適しています

クローン後、任意の場所で音声IDを使用：--voice <id>

テキスト読み上げ（`say` / `synthesize`）

基本コマンド。1つのスニペット → 1つの音声ファイル。

voxflow say "你好世界" -o hello.mp3
voxflow say "Hello world" --voice v-female-T8m4WxP7 -o greeting.mp3
voxflow say "慢速朗读" --speed 0.8 -o slow.mp3
voxflow say "高质量音频" --format wav -o output.wav

フラグ	デフォルト	範囲 / 値
`--voice <id>`	`v-female-R2s4N9qJ`	`voxflow voices` の任意の音声ID
`--format <fmt>`	`pcm`	`pcm`（WAV）、`wav`、`mp3`
`--speed <n>`	`1.0`	`0.5` – `2.0`
`--volume <n>`	`1.0`	`0.1` – `2.0`
`--pitch <n>`	`0`	`-12` – `12`
`--output <path>`	自動命名	書き込み可能な任意のパス

合成後、自動再生：open output.mp3（macOS）。

長文テキスト（`narrate`）

ドキュメントや長い文字列を文単位に分割し、それぞれを合成して1つのファイルに連結します。

voxflow narrate --input article.txt -o narration.wav
voxflow narrate --input readme.md --voice v-male-Bk7vD3xP -o readme_audio.wav
voxflow narrate --text "第一段。第二段。第三段。" -o paragraphs.mp3
echo "Hello world" | voxflow narrate -o hello.wav

最適な用途：長いドキュメント、記事、READMEファイル、メールニュースレター。

Markdownは自動的に除去されます（見出し、リンク、コードフェンスなど） — 事前にクリーニングする必要はありません。

AIストーリー（`story`）

LLMがトピックに関する短編ストーリーを書き、それをナレーションします。

voxflow story "一只会飞的小猫" -o story.mp3
voxflow story "space adventure" --lang en -o adventure.wav

最適な用途：おやすみなさいストーリー、コンテンツサンプル、デモ。

クォータ

無料枠：月10,000クォータ（毎月リセット）。招待によるボーナスプールは期限切れになりません。

操作	コスト
1 TTSコール（`say`）	~50
`narrate`	セグメントあたり約50
`story`（短編）	~350-1000
`podcast`（中編）	~2,800（2Kスクリプト + 約16 × 50 TTS）
`picstory` 5シーン	~2,850

高コストな操作の前には必ず確認：

voxflow status

よくあるシナリオ

「把这段话念出来」

voxflow say "用户输入的文字" -o /tmp/out.mp3 && open /tmp/out.mp3

「用温柔女声读这个文件」

voxflow voices --lang zh --gender female
voxflow narrate --input file.txt --voice v-female-R2s4N9qJ -o /tmp/narration.mp3

「讲个睡前故事」

voxflow story "小狐狸的星星种子" --lang zh -o /tmp/bedtime.mp3 && open /tmp/bedtime.mp3

「多语言朗读」

voxflow voices --lang en --gender female   # 英語の音声を選択
voxflow voices --lang ja --gender female   # 日本語の音声を選択
voxflow say "English text" --voice <en_id> -o /tmp/en.mp3
voxflow say "日本語テキスト" --voice <ja_id> -o /tmp/ja.mp3

クリエイティブなワークフロー（TTSをエージェントのライティングと組み合わせる）

エージェントがまずコンテンツを書き、各パートを say または narrate で合成します。

オーディオ絵本（有声绘本）

6ページの子供向けストーリーを書く。
各ページに対して：インラインSVGイラストを生成（400×300）。
voxflow say "page text" --voice v-female-R2s4N9qJ --speed 0.85 -o /tmp/page_N.mp3
mp3ファイルを読み込み、base64エンコードし、HTMLにインライン埋め込み。
各ページに音声再生ボタンがある単一の自己完結型HTMLファイルを出力。
open /tmp/storybook.html

記事 → 音声ブリーフィング

# エージェントがURLを取得し、要約、その後：
voxflow say "summary text" --voice v-male-s5NqE0rZ -o /tmp/briefing.mp3

ドキュメントナレーション

voxflow narrate --input README.md --voice v-female-R2s4N9qJ --speed 0.9 -o /tmp/readme.mp3

Git日次レポート音声

git log --oneline --since="1 day ago"
エージェントが要約。
voxflow say "today's summary..." -o /tmp/daily.mp3

模擬面接

エージェントがトピックに関する3つの面接質問を生成。
各質問に対して：voxflow say "question N..." --voice v-male-Bk7vD3xP -o /tmp/q_N.mp3
順次再生。

前提条件

Node.js ^20.19.0 || >=22.12.0
voxflow CLI ≥ 1.12.0（voxflow voices --mine 用 — ユーザーのクローン音声を一覧表示）
ffmpeg — 動画関連コマンドのみ（voxflow:video、voxflow:transcribe を参照）
ログイン 任意のAPI呼び出しに必要 — voxflow login

自動アップグレードシグナルの仕組み

CLI自体が、npmに新しいバージョンがある場合にstderrに <voxflow-hint type="cli-outdated" ...> を出力します。スキル上部の <CRITICAL-AUTO-UPGRADE> ルールで既にカバーされています — このセクションはタグの見た目の参考です：

<voxflow-hint v="1" type="cli-outdated" current="1.10.21" latest="1.13.0" action="voxflow upgrade -y" />

24時間に最大1回出力されます（~/.config/voxflow/update-check.json にキャッシュ）。チェックを無効にしたいユーザー向け：VOXFLOW_NO_UPDATE_CHECK=1（または業界標準の環境変数 NO_UPDATE_NOTIFIER=1）。

また、ユーザーが既知の古いバージョンを使用していて、高コストな作業を開始する前に確認したい場合は、voxflow upgrade --check で明示的にポーリングすることもできます（副作用なし）。

フィードバックとサポート（AIが自動的に実行可能）

voxflowコマンドが失敗した場合や、ユーザーが問題を報告したいと言った場合、あなた（AIエージェント）が直接Issueを提出してください — ユーザーに手動でやらせないでください。

AIワークフロー

# 直接提出 — ブラウザもTTYも不要。
# `gh` CLIが利用可能な場合はそれを使用（直接GitHub Issue作成）。
# ghがインストールされていない場合は、事前入力されたURLを出力する。
voxflow feedback --bug \
  --title "asr crashes on 2-hour wav files" \
  --body "Error: timeout after 30s\n\nCommand: voxflow asr long.wav\nExpected: transcript\nActual: Fatal error: request timeout"
# stdout → 作成されたGitHub IssueのURL（またはghがインストールされていない場合は事前入力されたURL）

システム情報（CLIバージョン、OS、Node）は自動的に本文に追加されます。

フラグ

フラグ	説明
`--bug` / `--feature` / `--general`	Issueの種類
`--title <text>`	タイトル — 非対話モードをトリガー
`--body <text>`	説明本文
`--print-url`	提出せずにURL出力を強制（ghが利用可能な場合でも）

ユーザー起動（対話型）

voxflow feedback          # 対話型プロンプト → ghまたはブラウザで提出
voxflow feedback --bug    # 種類プロンプトをスキップ、残りは対話型

自動的に提出するタイミング

CLIコマンドが致命的/予期しないエラーで終了した場合 → バグ報告を提案
ユーザーが「这个不好用」/「report this」/「提个 issue」と言った場合 → --title を指定して直接提出

サードパーティの音声やテンプレートのインストール（`add`）

voxflow add <recipe-name>                  # 音声プリセットまたはパイプラインテンプレートをインストール
voxflow add --list                         # 利用可能なレシピを参照
voxflow add chico/my-recipe --force        # カスタム作者の名前空間からインストール

ユーザーが特定の名前付きレシピ（例：dub-anime-jp-zh）のインストールを依頼した場合に使用します。現在レジストリは限られています — --list が404を返す場合、そのレシピは完全なURLで参照する必要があるか、レジストリがまだ公開されていない可能性があります。

ルール

音声は使用前に検索 — 音声IDをでっち上げてはいけません。常に最初に voxflow voices を実行します。
クォータを確認 — ポッドキャスト（約5K）、picstory（約3K）、バッチジョブの前に：voxflow status。
合成後の自動再生：open output.mp3（macOS）/ xdg-open（Linux）。
トークンやシークレットをログに出力してはいけません。
コマンドが失敗した場合、再試行する前に voxflow <cmd> --help を実行してフラグを確認します。

スキルを切り替えるタイミング

ユーザーが「podcast」/「对话」/「多人对谈」と言った場合 → voxflow:podcast を読み込む。
ユーザーが「short video」/「知识卡片」/「小红书」/「TikTok」/「AI clip」/「render」と言った場合 → voxflow:video を読み込む。
ユーザーが「Slice」/「切片视频」/「文章转视频」/「PaperSlide」/「paperslide」/「paper-slide」（レガシー）/「纸面手绘风」/「文章转知识短视频」/「知乎长文转视频」/「公众号转视频」と言った場合 → voxflow:slice を読み込む。
ユーザーが「transcribe」/「字幕」/「dub」/「translate this video」/「SRT」と言った場合 → voxflow:transcribe を読み込む。

ID	スタイル	言語
`v-female-R2s4N9qJ`	温柔姐姐 (優しい女性)	zh
`v-male-s5NqE0rZ`	自然男声 (自然な男性)	zh
`v-male-Bk7vD3xP`	威严霸总 (威厳のある男性)	zh
`v-female-m1KpW7zE`	傲娇学姐 (ツンデレ女性)	zh
`v-female-T8m4WxP7`	Chenwen (ネイティブ英語女性)	en

お気に入りのAIに質問する

ドキュメント

VoxFlow スキル — ハブ は何をしますか？

インストールとログイン

認証

音声検索 — 合成前には必ず実行

ユーザー自身のクローン音声を一覧表示

人気の音声ID（適切なデフォルト）

音声クローン（clone）

テキスト読み上げ（say / synthesize）

長文テキスト（narrate）

AIストーリー（story）

クォータ

よくあるシナリオ

「把这段话念出来」

「用温柔女声读这个文件」

「讲个睡前故事」

「多语言朗读」

クリエイティブなワークフロー（TTSをエージェントのライティングと組み合わせる）

オーディオ絵本（有声绘本）

記事 → 音声ブリーフィング

ドキュメントナレーション

Git日次レポート音声

模擬面接

前提条件

自動アップグレードシグナルの仕組み

フィードバックとサポート（AIが自動的に実行可能）

AIワークフロー

フラグ

ユーザー起動（対話型）

自動的に提出するタイミング

サードパーティの音声やテンプレートのインストール（add）

ルール

スキルを切り替えるタイミング

Individual skills in this repo

VoxFlowStudio/skills

VoxFlowStudio/skills

VoxFlowStudio/skills

関連スキル

steipete/video-frames

steipete/summarize

openclaw/openclaw

obra/superpowers

affaan-m/ECC

affaan-m/everything-claude-code

VoxFlow スキル — ハブは何をしますか？

音声クローン（`clone`）

テキスト読み上げ（`say` / `synthesize`）

長文テキスト（`narrate`）

AIストーリー（`story`）

サードパーティの音声やテンプレートのインストール（`add`）