Menu
テキストファイルや指定テキストを高品質な音声で読み上げる。「読み上げて」「読んで」「音声にして」と言ったとき、または /read-aloud を実行したときに使用。
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Based on SOC occupation classification
| name | read-aloud |
| description | テキストファイルや指定テキストを高品質な音声で読み上げる。「読み上げて」「読んで」「音声にして」と言ったとき、または /read-aloud を実行したときに使用。 |
テキストファイルまたは指定テキストを、ナチュラルな音声で読み上げる（または音声ファイルとして保存する）。
以下の順に利用可能なエンジンを自動検出する。
HuggingFace TTS Arena 1位。82Mパラメータで軽量かつ高品質。完全ローカル実行。
セットアップ（初回のみ）:
pip install kokoro-tts
# モデルファイルを ~/.kokoro/ にダウンロード（任意の固定ディレクトリ）
mkdir -p ~/.kokoro && cd ~/.kokoro
wget https://github.com/nazdridoy/kokoro-tts/releases/download/v1.0.0/voices-v1.0.bin
wget https://github.com/nazdridoy/kokoro-tts/releases/download/v1.0.0/kokoro-v1.0.onnx
注意: kokoro-tts コマンドは、カレントディレクトリに voices-v1.0.bin と kokoro-v1.0.onnx が必要。
実行時は cd ~/.kokoro && を先頭につけるか、モデルファイルがある場所で実行すること。
使い方:
# ファイル読み上げ（ストリーミング再生）
cd ~/.kokoro && kokoro-tts /path/to/input.txt --stream --lang ja --voice jf_alpha
# ファイルに保存
cd ~/.kokoro && kokoro-tts /path/to/input.txt output.wav --lang ja --voice jf_alpha
# 速度調整
cd ~/.kokoro && kokoro-tts /path/to/input.txt --stream --lang ja --voice jf_alpha --speed 1.1
# 音声ブレンド
cd ~/.kokoro && kokoro-tts /path/to/input.txt --stream --lang ja --voice "jf_alpha:60,jm_kumo:40"
日本語音声:
--lang jaPython 要件: 3.9〜3.12（3.13は非対応）
Microsoft Edge の TTS エンジン。ネットワーク必要だが無料で高品質。
セットアップ（初回のみ）:
pip install edge-tts
使い方:
# ファイル読み上げ（ファイルに保存して再生）
edge-tts --voice ja-JP-NanamiNeural --file input.txt --write-media output.mp3
afplay output.mp3
# 男性音声
edge-tts --voice ja-JP-KeitaNeural --file input.txt --write-media output.mp3
日本語音声: ja-JP-NanamiNeural（女性）、ja-JP-KeitaNeural（男性）
API 課金あり。短いテキストには最高品質。長いテキスト（5000文字以上）には不向き。
from openai import OpenAI
from pathlib import Path
client = OpenAI()
speech_file = Path("output.mp3")
response = client.audio.speech.create(
model="tts-1-hd",
voice="nova",
input="読み上げるテキスト",
)
response.stream_to_file(speech_file)
ユーザーが指定したテキストまたはファイルを特定する。
利用可能なエンジンを自動検出する:
which kokoro-tts 2>/dev/null && echo "kokoro available"
which edge-tts 2>/dev/null && echo "edge-tts available"
検出されたエンジンで読み上げを実行する。
Kokoro TTS の場合:
cd ~/.kokoro && kokoro-tts <absolute-path-to-file> --stream --lang ja --voice jf_alpha --speed 1.0
edge-tts の場合:
TMPFILE=$(mktemp /tmp/tts_XXXXXX.mp3)
edge-tts --voice ja-JP-NanamiNeural --file <file> --write-media "$TMPFILE" && afplay "$TMPFILE" && rm "$TMPFILE"
ユーザーの要望に応じて調整:
--speed 1.3--speed 0.8--format mp3afplay に & をつけて実行dev系パイプライン（dev-pr-review / dev-pr-review-resolve / dev-issue-implement / dev-issue-review）を人間の確認なしで自律的に1タスク回すオーケストレーター。main を最新化した後、レビュー系を優先する固定順で対象を探し、最初に見つかった1件を対応するスキルで処理する。途中で解決済みIssueを見つけたら理由を書いてcloseする。needs-info によるユーザー確認待ちは禁止で、必ず自律判断する。ユーザーが「devパイプライン回して」「自律で開発回して」と言ったとき、または /dev-hotl を実行したときに使用。
reviewed ラベルがついたIssueを見つけて実装する。対象Issueに WIP ラベルをつけ、git worktree で main を汚さずに開発し、テストがPASSすることを確認した上でIssueに紐づくPR（Closes
現在のリポジトリの開発Issueが妥当かどうかをレビューする。リポジトリの目的に沿っているか、調査内容・設計に問題がないかをチェックし、WebSearch や Parallel Search MCP で裏取りして本文を追記・修正する。レビュー着手時に in-review ラベルで排他し、問題なければ reviewed ラベルをつけ、あまりに見当違いな場合は理由を記述してcloseする。Issue番号・URLを引数に取るか、未レビューのIssueを自動で探す。ユーザーが「Issueレビュー」「Issueの妥当性チェック」と言ったとき、または /dev-issue-review を実行したときに使用。
reviewed ラベルがついたPRを見つけて、レビュー指摘事項を検討・修正する。着手時に in-review ラベルで排他する。妥当な指摘は worktree 上で修正し、反論がある場合は根拠をコメントに記述して、各レビュースレッドをresolveしていく。すべてのレビューをresolveしたら必ずmergeする。PR番号・URLを引数に取るか、対応待ちのPRを自動で探す。ユーザーが「レビュー指摘を解消して」「reviewedのPRを片付けて」と言ったとき、または /dev-pr-review-resolve を実行したときに使用。
in-review ラベルがついていないオープンPRを見つけてレビューする。git worktree でPRのコードをローカルに取得し、変更箇所以外との整合性・紐づくIssue通りの実装かを確認する。問題なければmerge、軽微な指摘なら修正してmerge、問題が多い場合はレビューを記述して reviewed ラベルをつけ、見当違い・修正済みのPRは理由を記述してcloseする。PR番号・URLを引数に取るか、レビュー待ちのPRを自動で探す。ユーザーが「PRレビューして回して」「レビュー待ちPRを処理して」と言ったとき、または /dev-pr-review を実行したときに使用。
ローカルにインストール済みの Codex CLI (OpenAI) を使って、別 LLM からのコードレビュー・セカンドオピニオン・意見交換を取得する。Claude が書いたコードに対して「別モデルの目」を入れたいとき、設計判断で複数モデルの見解を突き合わせたいとき、`codex` / `/codex` と言われたときに使用。