TTS スクリプトジェネレーター は何をしますか?
ドキュメントをインテリジェントに圧縮・書き換え、TTS読み上げ用のスクリプトを生成します。
コア機能
- 🤖 AI スマート分析: Claudeが記事内容を分析し、最適な動画時間と挿絵スタイルを判断します
- ⏱️ スマート時間決定: 内容に基づいて適切な時間(3〜8分)を自動決定します
- 🎨 スマートスタイル決定: テーマに応じて挿絵スタイル(ニューヨーカー/浮世絵/フラット/写実など)を自動選択します
- 📉 スマート圧縮: 最適な時間にコンテンツを圧縮します(例: 19分→5分)
- 💬 口語変換: 書き言葉→自然な話し言葉
- 😊 感情最適化: 感情語を追加し、TTSをより生き生きとさせます
- 🎯 自動セグメント分割: 内容に基づいて最適なセグメント数を自動判断します(各セグメント10〜20秒)
- 📊 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します
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みます
- Claudeが内容を分析:
- 記事のテーマと構造
- コアポイントの数
- コンテンツ密度
- 最適な動画時間(3〜8分)を判断
- 最も適した挿絵スタイルを判断(例: 歴史→浮世絵、テクノロジー→フラット、人文→ニューヨーカー)
- Claudeがスマートに書き換え:
- コアポイントを抽出
- 最適時間に圧縮
- 口語表現に変換
- 感情語と間(ポーズ)を追加
- Claudeが自動セグメント分割(各セグメントに1枚の挿絵を割り当て)
- 記事のテーマに基づいて最も適した挿絵スタイルを判断
- 各セグメントの挿絵説明を生成(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ク)
- visual_config.json(挿絵説明、illustration-generatorスキルで使用)
tts_script.json 形式(アニメーションマーク付き):
[
{
"segment": 1,
"text": "今日は唐の時代のリアルな生活について話そう。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": "唐の時代にはトイレットペーパーがなかった。何を使っていたの?",
"duration": 12,
"animation_style": "none",
"emphasis": false
}
]
アニメーションマークルール(Claudeがスマート判定):
animation_style:"fade_in"- タイトル、オープニング、強調したい箇所"write"- コアポイント、重要な結論"typewriter"- データ、事実の提示"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 - コアポイント(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スクリプトを生成
python ~/.claude/skills/tts-script-generator/scripts/generate.py <markdownファイル>
- Markdownファイルを読み込み
- H2セクションを抽出
- 口語に変換
- 時間で分割
tts_script.jsonを出力
使用シーン
- 動画ナレーション: image-to-videoと連携(主な用途)
- ポッドキャスト生成: podcast-generatorと連携
出力説明
本スキルの出力:
- ✅
tts_script.json- TTSテキストスクリプト - ✅
visual_config.json- 挿絵説明
含まれないもの:
- ❌ TTS音声生成(image-to-videoスキルが担当)
- ❌ 挿絵生成(illustration-generatorスキルを呼び出し)
- ❌ 動画合成(image-to-videoスキルを呼び出し)
呼び出し方法
image-to-videoスキルから自動呼び出し:
image-to-videoが長文書を検出
→ tts-script-generatorを呼び出し
→ Claudeが対話内で書き換え
→ 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で書き換えて"
Claude:
1. ドキュメントを読み込み(5947文字、19分)
2. 内容を分析:
- テーマ:唐の生活科学(歴史人文系)
- コアポイント:4つ(衛生、食事、統制、階級)
- 最適時間を判断:5分(コンテンツ密度適度)
- 挿絵スタイルを判断:浮世絵スタイル(歴史題材、東洋古典美学)
3. 1350文字に書き換え
4. 20セグメントに分割(各15秒)
5. 各セグメントに浮世絵スタイルの挿絵説明を生成
6. tts_script.json + visual_config.json を保存
出力形式
tts_script.json
[
{
"segment": 1,
"text": "今日は唐の時代のリアルな生活について話そう。タイムスリップしたい?ちょっと待って!唐の時代にはトイレットペーパーがなかった……",
"duration": 15
}
]
visual_config.json
{
"article_title": "唐の時代にタイムスリップする真実",
"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"
}
]
}
挿絵スタイル判断ルール
Claudeは記事のテーマに基づいて最も適したスタイルを自動選択します:
- 歴史/古典系 →
ukiyo-e(浮世絵): 唐、宋、日本の歴史など - 人文/社会系 →
new-yorker(ニューヨーカー): 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): アートレビュー、クリエイティブ思考など
書き換え原則
- コアを保持: 最も重要なポイントとストーリーを残す
- 口語化:
- "しかし" → "でもね"
- "なぜなら…だから…" → "なぜかと言うと…だからなんだ"
- 語気を追加: "ね"、"よ"、"さ"
- 感情語:
- 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
- 適度な間(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
- image-to-videoスキル(主)
- podcast-generatorスキル
- その他TTSを必要とするスキル