audio-play

name	audio-play
description	KDE Plasma / PipeWire(PulseAudio互換) 環境で通知音・効果音・テストトーン・VOICEVOX発話（VOICEBOX表記含む）を確実に再生する。現在は repos/acaption の IPC を使った字幕付き再生/通知を主経路とし、paplay/notify-send をフォールバックとして扱う。

audio-play Skill

KDE Plasma デスクトップ上で音を再生するためのスキルです。現在は repos/acaption の IPC (127.0.0.1:47832) を使った字幕付き再生/通知を主経路とし、paplay / pw-play / canberra-gtk-play / notify-send はフォールバック/切り分け用途として扱います。

この環境では「通知は出るが音が聞こえない」問題が起きやすいため、音の出力先（sink）を明示して検証するのが基本です。

前提

• デスクトップ: KDE Plasma（X11, 通常 DISPLAY=:1）
• 音声基盤: PipeWire（PulseAudio 互換）
• よく使うコマンド:
  • pactl, wpctl
  • tmux（overlay 起動確認）
  • paplay（最優先）
  • notify-send
  • canberra-gtk-play（通知風効果音）
  • pw-play（代替）
  • curl（VOICEVOX API）

重要ルール

• まず 音の経路確認を行う（pactl info, pactl list short sinks）
• まず acaption IPC を使う（字幕と音声の同期を確保）
• 重要な再生は paplay --device=<sink> で sink を明示する（フォールバック/切り分け）
• notify-send 単体で「通知音が鳴る」と期待しない
  • 通知表示はできても、音は別コマンドが必要なことがある
• canberra-gtk-play は DISPLAY が必要（DISPLAY=:1）
• paplay 系は DISPLAY 不要だが、XDG_RUNTIME_DIR が必要なことがある
• 「聞こえない」ときは、短い効果音より 長めのテストトーンで切り分ける

典型ユースケース

• notify-send の代わりにちゃんと聞こえる通知音を鳴らして
• いま音が出るか確認して
• VOICEVOX で「作業が終わりました」と喋らせて
• VacuumTube と同じ出力先（テレビ）に音を出して

基本ワークフロー（推奨）

1. 出力先（sink）確認
2. Tauri 字幕オーバーレイ IPC の起動確認
3. 明確なテスト音で再生確認（paplay + 明示 sink）
4. 必要に応じて notify-send と組み合わせる
5. VOICEVOX 利用時は API 生存確認 → WAV 生成 → overlay IPC（失敗時 paplay）

acaption 字幕オーバーレイ（主経路）

字幕付きの通知/発話は repos/acaption を使う。voice_command_loop 連携時は yuiclaw voice-command operator が acaption-overlay セッションとして管理する。

yuiclaw voice-command operator status
yuiclaw voice-command operator start-overlay
yuiclaw voice-command operator logs-overlay

期待:

• overlay: RUNNING (acaption-overlay)
• overlay endpoint ready: 127.0.0.1:47832

IPC でテキスト通知（字幕のみ）

python3 - <<'PY'
import json, socket
payload = {"type": "notify", "text": "通知テストです", "duration_ms": 1800}
with socket.create_connection(("127.0.0.1", 47832), timeout=5) as s:
    s.sendall((json.dumps(payload, ensure_ascii=False) + "\n").encode("utf-8"))
    s.shutdown(socket.SHUT_WR)
    print(s.recv(4096).decode("utf-8").strip())
PY

出力先（sink）確認

pactl info | sed -n '1,40p'
pactl list short sinks
wpctl status

見るべき項目:

• Default Sink
• sink 名（例: alsa_output.pci-0000_04_00.1.hdmi-stereo）
• Mute: no
• 音量

補足:

• State: SUSPENDED はアイドル時には普通
• VacuumTube の音がテレビから出ているなら、同じ HDMI sink を使うとよい

通知表示 + 音（フォールバック）

notify-send は通知表示、音は別コマンドで鳴らす。字幕オーバーレイが使えない場合のフォールバック。

export DISPLAY=:1
notify-send "完了" "処理が終わりました"
paplay --device=alsa_output.pci-0000_04_00.1.hdmi-stereo \
  /usr/share/sounds/freedesktop/stereo/message.oga

canberra-gtk-play を使う場合

export DISPLAY=:1
notify-send "通知" "効果音テスト"
canberra-gtk-play -i dialog-information

注意:

• AT-SPI 警告が出ることがあるが、再生自体は成功する場合がある
• 成功しても音が小さい/短いと気づきにくい

notify-send 単体で音が鳴らないときの理由（この環境）

KDE/Plasma の通知デーモン capability に sound-name / sound-file が無い場合、notify-send -h ... で音ヒントを渡しても効かない。

確認:

qdbus org.freedesktop.Notifications /org/freedesktop/Notifications \
  org.freedesktop.Notifications.GetCapabilities

この環境の実測では、sound-name / sound-file は未対応。

明確なテスト音（聞こえるか切り分け）

短い通知音で判断しづらいときは、1kHz テストトーンを生成して再生する。

python3 - <<'PY'
import math, wave, struct
path = '/tmp/codex-tone-1khz.wav'
rate = 48000
dur = 1.8
freq = 1000.0
amp = 0.35
n = int(rate * dur)
with wave.open(path, 'wb') as w:
    w.setnchannels(2)
    w.setsampwidth(2)
    w.setframerate(rate)
    for i in range(n):
        v = int(32767 * amp * math.sin(2 * math.pi * freq * i / rate))
        w.writeframesraw(struct.pack('<hh', v, v))
PY

paplay --device=alsa_output.pci-0000_04_00.1.hdmi-stereo \
  --volume=65536 /tmp/codex-tone-1khz.wav

VOICEVOX 発話（WAV生成→再生）

1) API の生存確認

curl -fsS http://127.0.0.1:50021/version

起動していない場合:

• VOICEVOX AppImage / アプリを起動
• API ポート 50021 が開くまで待つ

2) 利用可能な話者を確認（任意）

curl -fsS http://127.0.0.1:50021/speakers | jq '.[].name'

3) 音声クエリ生成 → 合成 → overlay IPC 再生（推奨）

以下は speaker=89（Voidoll）の例。まずは overlay IPC へ speak を送る。

TEXT='作業が終わりました'
SPEAKER=89
OUT=/tmp/voicevox-notify.wav
TEXT_ENC=$(python3 -c 'import sys, urllib.parse; print(urllib.parse.quote(sys.argv[1]))' "$TEXT")

curl -fsS -X POST \
  "http://127.0.0.1:50021/audio_query?text=${TEXT_ENC}&speaker=${SPEAKER}" \
  -H 'accept: application/json' > /tmp/voicevox-query.json

curl -fsS -X POST \
  "http://127.0.0.1:50021/synthesis?speaker=${SPEAKER}" \
  -H 'Content-Type: application/json' \
  --data-binary @/tmp/voicevox-query.json \
  > "$OUT"

python3 - <<'PY' "$TEXT" "$OUT"
import json, socket, sys
text, wav = sys.argv[1], sys.argv[2]
payload = {"type":"speak","text": text, "wav_path": wav, "wait": True}
with socket.create_connection(("127.0.0.1", 47832), timeout=5) as s:
    s.sendall((json.dumps(payload, ensure_ascii=False) + "\n").encode("utf-8"))
    s.shutdown(socket.SHUT_WR)
    print(s.recv(4096).decode("utf-8").strip())
PY

実務メモ:

• URL エンコードが必要（日本語テキスト）
• Tauri overlay が落ちている場合は paplay --device=<sink> "$OUT" で切り分ける
• VOICEVOX 側の合成成功と、再生成功は別問題（出力先違いで無音に見える）

出力先を切り替えて試す（必要時のみ）

一時的にデフォルト sink を切り替えて検証できる。

wpctl status
wpctl set-default <SINK_ID>
paplay /usr/share/sounds/freedesktop/stereo/bell.oga

注意:

• デフォルト変更は他アプリ（VacuumTube 等）にも影響する
• まずは paplay --device=... での明示再生を優先する

よくある失敗と対処

• notify-send は表示されるが音が鳴らない
  • notify-send 単体を諦める。paplay / canberra-gtk-play を併用
• overlay 字幕は出るが音が出ない
  • yuiclaw voice-command operator logs-overlay を確認
  • paplay --device=<sink> で WAV を直接再生して切り分け
• canberra-gtk-play が Cannot open display
  • DISPLAY=:1 を付ける
• paplay は成功するが聞こえない
  • sink が違う。pactl info の Default Sink と実際の出力先を照合
  • paplay --device=<sink> で明示
• 通知音が「鳴った気がしない」
  • サンプル音が短い/小さい。1kHz テストトーンで切り分ける
• speaker-test -D pulse が失敗
  • ALSA の pulse PCM プラグイン未導入のことがある。paplay を使う
• tmux / SSH 経由で notify-send / canberra-gtk-play が不安定
  • DISPLAY=:1 を明示
  • 必要なら XDG_RUNTIME_DIR=/run/user/$(id -u) を明示

成功条件（報告時）

• 再生した音の種類（通知音 / 効果音 / テストトーン / VOICEVOX）
• 使用したコマンドと sink
• コマンドの成功可否
• 必要なら「ユーザーに聞こえたか」の確認

ローカル参照（この環境で有用）

• freedesktop 効果音: /usr/share/sounds/freedesktop/stereo/
• caption overlay: repos/acaption
• 音声待ち受け tmux 管理: yuiclaw voice-command operator
• 典型 sink（実測例）:
  • alsa_output.pci-0000_04_00.1.hdmi-stereo（HDMI / テレビ）
  • alsa_output.pci-0000_0c_00.4.iec958-stereo（S/PDIF）