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。
Installer avec Codex ou Claude Copiez ce prompt, collez-le dans Codex, Claude ou un autre assistant, puis laissez-le vérifier la page du skill et l'installer pour vous.
Basé sur la classification professionnelle SOC
| 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。