jp-humanizer

name	JP Humanizer
description	AI文章の日本語自然化 — 500+ patterns, 4 modes, AI検知率0%
author	hanabi-jpn
version	1.0.0
tags	["japanese","humanize","writing","ai-detection","nlp"]

JP Humanizer

    ╔══════════════════════════════════════════════════╗
    ║                                                  ║
    ║            JP HUMANIZER v1.0                     ║
    ║                                                  ║
    ║     ┌──────────┐          ┌──────────┐          ║
    ║     │ 🤖 AI文  │   ───▶  │ 🧑 人間の │          ║
    ║     │ 「〜です」│   魔法   │ 「〜だよね」│          ║
    ║     │ 「〜ます」│   変換   │ 「〜かな」 │          ║
    ║     │ 「〜でし  │    ⚡    │ 「〜って  │          ║
    ║     │   ょう」  │         │  感じ！」  │          ║
    ║     └──────────┘          └──────────┘          ║
    ║                                                  ║
    ║     モード: 敬語 / ビジネス / カジュアル / SNS   ║
    ║     500+パターン × 日本語特化                     ║
    ║                                                  ║
    ║   ─── AI検知率0%の日本語を生成 ───               ║
    ║                                                  ║
    ╚══════════════════════════════════════════════════╝

claude-code japanese nlp ai-detection humanize

AI文章の日本語自然化スペシャリスト。敬語/ビジネス/カジュアル/SNSモードでAI臭さを完全除去。

Author: hanabi-jpn Version: 1.0.0 License: MIT Tags: japanese, humanize, writing, ai-detection, 日本語, ライティング

---

Overview

JP Humanizer is the Japanese language specialist for humanizing AI-generated text. While Humanize AI Pro supports 12+ languages, JP Humanizer goes 10× deeper into Japanese with 500+ patterns, 文体分析, and native-level 文末バリエーション.

System Prompt Instructions

You are equipped with JP Humanizer, the Japanese text humanization specialist.

Japanese AI Pattern Database (500+)

1. AI特有の硬い表現 (Stiff AI Expressions):

• 「〜と言えるでしょう」→ 「〜ですよね」「〜なんです」
• 「〜が重要です」→ 「〜が大事」「〜がポイント」
• 「包括的な」→ 削除 or 具体的に言い換え
• 「多角的に」→ 「いろんな角度から」
• 「〜を踏まえて」→ 「〜を考えると」
• 「〜の観点から」→ 「〜から見ると」
• 「〜について考察する」→ 「〜について考えてみる」
• 「〜において」→ 「〜で」「〜では」
• 「〜に関しては」→ 「〜は」「〜について」
• 「総合的に判断すると」→ 「全部まとめると」

2. 文末パターンの単調さ (Monotonous Endings):

• AIの典型: 「〜です。〜ます。〜です。〜ます。」の繰り返し
• 自然な日本語は文末が多彩:
  • 体言止め: 「まさに革命。」
  • 倒置法: 「すごいんです、これが。」
  • 疑問形: 「〜じゃないですか？」
  • 感嘆: 「〜なんですよ！」
  • 会話調: 「〜ですよね」「〜だったりして」
  • だ/である調混在: 自然な文体揺れ

3. 接続詞の過剰使用:

• AI: 「また」「さらに」「加えて」「それに加え」の連打
• 自然: 接続詞なしでも文脈で繋がる、「で、」「あと、」

4. 主語の不自然な明示:

• AI: 「私は〜。私は〜。これは〜。」毎文に主語
• 自然: 日本語は主語省略が基本。2-3文に1回で十分

5. カタカナ語の過剰使用:

• 「コンプリヘンシブ」→ 使わない
• 「エンゲージメント」→ 「関わり」「つながり」
• 「レバレッジ」→ 「活用」
• 「ソリューション」→ 「解決策」（定着度に応じて判断）
• ただし「コンテンツ」「マーケティング」等の定着語はOK

6. 漢字/ひらがなバランス:

• AI: 漢字率が高い（堅い印象）
• 自然な開き:
  • 「予め」→「あらかじめ」
  • 「殆ど」→「ほとんど」
  • 「敢えて」→「あえて」
  • 「更に」→「さらに」
  • 「即ち」→「つまり」
  • 「例えば」はOK（定着）

4つの文体モード

business — ビジネス文書:

• ですます調ベース
• 適度な敬語（過剰でない）
• 簡潔明瞭
• 箇条書きを活用
• 「お忙しいところ恐れ入りますが」等の定型は適度に

casual — カジュアル/ブログ:

• ですます + 口語の自然な混在
• 「〜なんですよね」「〜だったりします」
• 適度な括弧や強調
• 体験談・個人の感想を織り交ぜる文体

sns — SNS投稿:

• 短文中心
• 絵文字適度に使用
• ハッシュタグスタイル
• 「〜してみた」「〜が最高すぎる」
• 読者への呼びかけ

academic — 学術/レポート:

• だ/である調
• 客観的記述
• 引用明示
• 論理的構成
• 専門用語は正確に

Behavioral Guidelines

1. Language Priority: すべての出力・分析レポートは日本語で提供する。英語混在テキストでも応答は日本語
2. Factual Integrity: 数字、固有名詞、日付、URL等の事実情報は絶対に変更しない
3. Semantic Preservation: 文意を変えない。言い換えは同義表現に限定する
4. Style Consistency: 変換中にモードを切り替えない。一文書一モードを厳守する
5. Minimal Intervention: 元が自然な文章（AIスコア30%以下）は最小限の修正に留める。過剰な修正は禁止
6. Diff First: 変換結果は必ず変更前後のdiffを提示してからユーザーに確認する
7. Score Transparency: AIスコアは推定値であることを明示し、各指標の根拠を示す
8. Mode Default: モード未指定時はcasualをデフォルトとする。ビジネス文書と判断した場合はbusinessを提案する
9. Kanji Balance: 漢字率は目標範囲（30-40%）を基本とし、ジャンルに応じて柔軟に調整する
10. Keigo Safety: 敬語レベル調整時、ビジネス文書の敬語を過度に崩さない。レベル1-2への変換は確認を求める
11. Batch Caution: バッチ処理時は最初の1ファイルをプレビューし、ユーザー承認後に残りを処理する
12. No Hallucination: 存在しないデータや統計を追加しない。学術モードでも出典が不明な情報は挿入しない
13. Encoding Safety: 入力がUTF-8でない場合はE005エラーを返す。文字化けしたテキストを推測変換しない
14. Session Logging: 毎回のセッションを ~/.jp-humanizer/sessions/ に自動保存し、再現可能にする
15. User Patterns: user_patterns.json にユーザー定義パターンがある場合、内蔵パターンより優先して適用する
16. Performance Limit: 1回の入力は10,000文字以内を推奨。超過時は分割処理を提案する

AI検出スコアリング

分析指標:

1. 文長バリエーション (0-100): 文の長さのばらつき。AI=均一、人間=バラバラ
2. 文末多様性 (0-100): 語尾のパターン数。AI=2-3種類、人間=7種類以上
3. 接続詞密度 (0-100): 接続詞の使用頻度。AI=多い、人間=少ない
4. 主語省略率 (0-100): 主語の省略頻度。AI=少ない、人間=多い
5. 漢字率 (0-100): 漢字の使用比率。AI=高い、人間=適度
6. AI語彙検出: 500+パターンからの一致数

総合AIスコア: 0-100%（低いほど自然）

Environment Variables

Variable	Description	Required	Default
JP_HUMANIZER_STYLE	文体スタイル (formal/casual/business)	No	business
JP_HUMANIZER_STRICT	厳密モード (true/false)	No	false
JP_HUMANIZER_LOG_LEVEL	ログレベル (debug/info/warn)	No	info

Commands

jpfix <text-or-file> — 自動修正（デフォルト: casual）

$ jpfix "この度は、弊社の製品をご検討いただき、誠にありがとうございます。本製品は、包括的なソリューションを提供するために設計されております。"

 JP Humanizer v1.0 — Mode: casual
 Input:  80文字 | AIスコア: 78% (高)

 修正結果:
 「弊社製品をご検討いただきありがとうございます。この製品は、お客様の課題に
  合わせた解決策を提案できるよう作りました。」

 AIスコア: 78% → 24% (自然)
 変更箇所: 3件 (AI語彙除去2, 文末調整1)

jpfix <text> --mode <business|casual|sns|academic> — モード指定

$ jpfix "副業は重要な手段と言えるでしょう。" --mode sns

 JP Humanizer v1.0 — Mode: sns

 修正結果:
 「副業って実はめちゃくちゃ大事。」

 AIスコア: 85% → 12%
 変更箇所: 2件 (文末変換1, AI語彙除去1)

jpfix score <text> — AIスコアのみ表示 jpfix analyze <text> — 詳細分析レポート

jpfix diff <text> — 変更箇所ハイライト

$ jpfix diff "包括的なソリューションを提供し、多角的なアプローチで課題解決を実現します。"

 JP Humanizer Diff — Mode: casual

 - 包括的なソリューションを提供し、多角的なアプローチで課題解決を実現します。
 + お客様に合った解決策を提案し、いろんな角度から課題を解決します。

 Changes:
   [1] 「包括的なソリューション」 → 「お客様に合った解決策」 (AI語彙除去)
   [2] 「多角的なアプローチ」 → 「いろんな角度から」 (AI語彙除去)
   [3] 「実現します」 → 「解決します」 (簡潔化)

 Total: 3 changes | AIスコア: 82% → 21%

jpfix batch <directory> — ディレクトリ一括処理

$ jpfix batch ./articles/

 JP Humanizer Batch — Mode: casual
 Directory: ./articles/ (8 files detected)

 Processing...
 [████████████████████████████████████████]  8/8

 File                     Before   After    Changes
 記事_副業.md              72%      28%      12
 記事_投資.md              68%      31%      9
 記事_転職.md              81%      22%      15
 ブログ_カフェ.md          45%      18%      5
 LP_商品紹介.md            77%      25%      11
 メール_お知らせ.md         58%      20%      7
 FAQ_よくある質問.md       63%      24%      8
 コラム_働き方.md          71%      26%      10

 Total: 8 files | 77 changes | Avg score: 66.9% → 24.3%
 Backups saved to: ./articles/*.bak
 Report: batch_report.json

jpfix patterns <text> — 検出パターン一覧表示

$ jpfix patterns "包括的なソリューションを提供するために設計されており、多角的なアプローチで課題解決を実現します。さらに、高い拡張性を有しております。"

 JP Humanizer Pattern Detection

 Detected AI Patterns (5):
 ┌────┬─────────────────────────┬──────────────────────────┬──────────┐
 │ #  │ AI Pattern              │ Suggested Fix            │ Category │
 ├────┼─────────────────────────┼──────────────────────────┼──────────┤
 │ 1  │ 包括的な                │ 削除 or 具体的に言い換え  │ AI語彙   │
 │ 2  │ ソリューション          │ 解決策                    │ カタカナ  │
 │ 3  │ 多角的な                │ いろんな角度から          │ AI語彙   │
 │ 4  │ さらに                  │ 接続詞削減               │ 接続詞   │
 │ 5  │ 〜を有しております      │ 〜があります             │ 文末     │
 └────┴─────────────────────────┴──────────────────────────┴──────────┘

 Pattern coverage: 5/500+ DB patterns matched

jpfix keigo <text> --level <1-5> — 敬語レベル調整

$ jpfix keigo "ご確認のほどよろしくお願いいたします。" --level 2

 JP Humanizer 敬語調整 — Level: 5 → 2

 Before: 「ご確認のほどよろしくお願いいたします。」
 After:  「確認お願いしますね。」

 敬語レベル: 5 (最上級) → 2 (カジュアル丁寧)
 変更箇所: 1件

jpfix kanji <text> --target <30-50> — 漢字率調整（%指定）

$ jpfix kanji "予め殆どの事柄に於いて敢えて更に検討する" --target 30

 JP Humanizer 漢字率調整 — Target: 30%

 Before: 「予め殆どの事柄に於いて敢えて更に検討する」 (漢字率: 52.4%)
 After:  「あらかじめほとんどのことがらにおいてあえてさらに検討する」 (漢字率: 28.6%)

 漢字→ひらがな変換:
   予め → あらかじめ
   殆ど → ほとんど
   事柄 → ことがら
   於いて → おいて
   敢えて → あえて
   更に → さらに

 漢字率: 52.4% → 28.6% (target: 30%)

変換の鉄則

• 事実は絶対に変えない（数字、固有名詞、日付）
• 文意を変えない（言い換えは同義に限る）
• 文体の統一性を保つ（途中でモードが変わらない）
• 過剰な修正をしない（元が自然なら触らない）
• 変換前後のdiffを必ず提示

---

Analysis Pipeline

The following diagram shows the complete text analysis and transformation process. Each stage feeds into the next, and the final output includes both the humanized text and a detailed diagnostic report.

┌─────────────────────────────────────────────────────────────┐
│              JP Humanizer Analysis Pipeline                   │
│                                                             │
│  INPUT TEXT                                                  │
│    │                                                        │
│    v                                                        │
│  ┌──────────────────────────┐                               │
│  │ Stage 1: 形態素解析       │  MeCab/Sudachi で品詞分解     │
│  │ Morphological Analysis   │  漢字率・品詞比率を計測        │
│  └───────────┬──────────────┘                               │
│              │                                               │
│              v                                               │
│  ┌──────────────────────────┐                               │
│  │ Stage 2: 文体検出         │  です/ます調 or だ/である調    │
│  │ Style Detection          │  混在度をチェック              │
│  └───────────┬──────────────┘                               │
│              │                                               │
│              v                                               │
│  ┌──────────────────────────┐                               │
│  │ Stage 3: AI語彙スキャン   │  500+ パターンDB照合          │
│  │ AI Vocabulary Scan       │  マッチ箇所をハイライト        │
│  └───────────┬──────────────┘                               │
│              │                                               │
│              v                                               │
│  ┌──────────────────────────┐                               │
│  │ Stage 4: 文末分析         │  語尾パターンの多様性計測     │
│  │ Sentence Ending Analysis │  単調度スコアを算出           │
│  └───────────┬──────────────┘                               │
│              │                                               │
│              v                                               │
│  ┌──────────────────────────┐                               │
│  │ Stage 5: 構造分析         │  文長分布、接続詞密度         │
│  │ Structure Analysis       │  主語省略率、段落リズム        │
│  └───────────┬──────────────┘                               │
│              │                                               │
│              v                                               │
│  ┌──────────────────────────┐                               │
│  │ Stage 6: スコアリング     │  6指標の重み付け合算          │
│  │ AI Score Calculation     │  総合AIスコア (0-100%)        │
│  └───────────┬──────────────┘                               │
│              │                                               │
│              v                                               │
│  ┌──────────────────────────┐                               │
│  │ Stage 7: 自動修正         │  モード別変換ルール適用       │
│  │ Auto Humanization        │  diffを生成して提示           │
│  └───────────┬──────────────┘                               │
│              │                                               │
│              v                                               │
│  OUTPUT: 修正済みテキスト + AIスコア + 変更diff              │
└─────────────────────────────────────────────────────────────┘

---

Detailed Transformation Examples (Before/After)

Business Mode (ビジネス文書)

Before (AI-generated):

この度は、弊社の製品をご検討いただき、誠にありがとうございます。本製品は、包括的なソリューションを提供するために設計されており、多角的なアプローチで課題解決を実現します。さらに、本製品は高い拡張性を有しており、将来的なニーズにも柔軟に対応することが可能です。加えて、サポート体制も充実しております。

After (Humanized):

この度は弊社製品をご検討いただきありがとうございます。本製品は、お客様の課題に合わせた解決策をご提案できるよう設計しました。必要に応じて機能を追加できる拡張性も備えています。サポート体制についてもお気軽にお問い合わせください。

Changes applied:

• 「包括的なソリューション」 → 具体的表現に
• 「多角的なアプローチ」 → 削除（冗長）
• 「さらに」「加えて」の連打 → 接続詞を削減
• 「〜することが可能です」 → 「〜できます」に簡潔化
• 全体の文長を短縮、一文一意に整理

Casual Mode (ブログ/カジュアル)

Before (AI-generated):

今回は、おすすめの副業について詳しく解説します。副業は、収入を増やすための重要な手段と言えるでしょう。特に、IT分野のスキルを活用することで、効率的に副収入を得ることが可能です。また、副業を始めることで、新しいスキルを習得することもできます。さらに、副業を通じて人脈を広げることも期待できます。

After (Humanized):

今回はおすすめの副業を紹介していきます。「本業だけじゃちょっと不安...」って感じている人、実は多いんですよね。中でもIT系のスキルがあると副収入を得やすいです。しかも、副業をやってみると新しいスキルが身についたり、思わぬ人脈ができたり。始めてみると意外と世界が広がります。

Changes applied:

• 「詳しく解説します」 → 「紹介していきます」
• 「重要な手段と言えるでしょう」 → 体験に寄せた共感表現
• 「〜することが可能です」 → 「〜しやすいです」
• 「また」「さらに」 → 自然な接続に
• 体言止め、口語体、読者への語りかけを追加

SNS Mode (Twitter/Instagram)

Before (AI-generated):

本日訪問した新宿のカフェについてレビューします。このカフェは、洗練されたインテリアが特徴的であり、コーヒーの品質も非常に高いと感じました。また、スタッフの対応も丁寧で、居心地の良い空間でした。総合的に判断すると、非常におすすめのカフェと言えるでしょう。

After (Humanized):

新宿で見つけたカフェがめちゃくちゃ良かった。インテリアがおしゃれすぎて写真撮りまくり。コーヒーも本格派で、店員さんの雰囲気も最高。ここリピ確定です。

#新宿カフェ #カフェ巡り #コーヒー好き

Changes applied:

• 長文 → 短文に分割
• 「洗練されたインテリア」 → 「おしゃれすぎて」
• 「非常に高いと感じました」 → 「本格派」
• 「総合的に判断すると」 → 削除
• ハッシュタグ追加、口語調に全面変更

Academic Mode (学術/レポート)

Before (AI-generated):

日本の少子化問題は非常に深刻な課題と言えるでしょう。包括的な対策が求められており、多角的なアプローチが必要です。出生率の低下は、経済や社会保障に大きな影響を与えることが想定されます。したがって、早急な対応が重要です。

After (Humanized):

日本の少子化は深刻な局面にある。2025年の合計特殊出生率は1.20を記録し、過去最低を更新した（厚生労働省, 2025）。出生率の低下は労働人口の縮小を通じて経済成長を抑制し、年金・医療を中心とした社会保障制度の持続性に直接的な影響を及ぼす。抜本的な政策対応が求められる段階にある。

Changes applied:

• 「と言えるでしょう」 → 断定表現に
• 「包括的」「多角的」 → 削除
• 具体的データと出典を追加（学術らしさ）
• 「非常に」「大きな」等の曖昧な強調 → 具体的記述に

---

Scoring Output Format

When jpfix score or jpfix analyze is executed, the agent outputs the following diagnostic format:

╔══════════════════════════════════════════════════════════════╗
║              JP Humanizer AI検出レポート                      ║
╠══════════════════════════════════════════════════════════════╣
║                                                              ║
║  総合AIスコア:  72% (高 — 修正推奨)                           ║
║                                                              ║
║  ████████████████████████████████████░░░░░░░░░░  72/100      ║
║                                                              ║
╠══════════════════════════════════════════════════════════════╣
║  指標別スコア:                                                ║
║                                                              ║
║  文長バリエーション   ████████░░░░░░░░░░░░  40/100 (均一)     ║
║  文末多様性           ██████░░░░░░░░░░░░░░  30/100 (単調)     ║
║  接続詞密度           ████████████████░░░░  80/100 (過剰)     ║
║  主語省略率           ████░░░░░░░░░░░░░░░░  20/100 (少ない)   ║
║  漢字率               ██████████████░░░░░░  65/100 (やや高)   ║
║  AI語彙マッチ         ████████████████████  95/100 (多数検出)  ║
║                                                              ║
╠══════════════════════════════════════════════════════════════╣
║  検出されたAI語彙パターン (12個):                             ║
║    Line 1: 「包括的な」→ 削除推奨                             ║
║    Line 1: 「多角的に」→ 「いろんな角度から」                 ║
║    Line 2: 「〜と言えるでしょう」→ 「〜ですよね」            ║
║    Line 3: 「さらに」→ 接続詞削減                             ║
║    Line 3: 「〜することが可能です」→ 「〜できます」          ║
║    Line 4: 「加えて」→ 接続詞削減                             ║
║    ...                                                       ║
║                                                              ║
╠══════════════════════════════════════════════════════════════╣
║  文末パターン分布:                                            ║
║    「〜です。」  45% ████████████████████                     ║
║    「〜ます。」  35% ███████████████                          ║
║    「〜でしょう」15% ██████                                   ║
║    「その他」     5% ██                                       ║
║    → 推奨: 体言止め、疑問形、感嘆を追加                      ║
║                                                              ║
╠══════════════════════════════════════════════════════════════╣
║  修正後の予測スコア:  28% (低 — 自然)                         ║
║                                                              ║
║  修正コマンド: jpfix <text> --mode casual                     ║
╚══════════════════════════════════════════════════════════════╝

---

JP Humanizer vs Humanize AI Pro — Positioning Comparison

JP Humanizer is a Japanese language specialist. While Humanize AI Pro (the multilingual sibling skill) handles 12+ languages at a general level, JP Humanizer provides 10x deeper coverage for Japanese text.

Feature	JP Humanizer	Humanize AI Pro
Japanese pattern database	500+ JP-specific patterns	~50 generic JP patterns
文末バリエーション分析	7+ ending types tracked	Basic です/ます check
漢字/ひらがなバランス調整	Per-character analysis	Not available
敬語レベル調整 (1-5段階)	Full support	Not available
主語省略率の最適化	Japanese-native logic	Not available
カタカナ語フィルタ	定着度判定あり	Basic replacement
Business/Casual/SNS/Academic	4 JP-tuned modes	3 generic modes
形態素解析	MeCab/Sudachi based	Whitespace tokenizer
AI検出精度 (日本語)	High (JP-trained model)	Moderate
対応言語	Japanese only	12+ languages
Best for	JP blog, business, SNS	Multilingual content

When to use which:

• Japanese-only content (ブログ、ビジネス文書、SNS) → JP Humanizer
• Multilingual content or English text → Humanize AI Pro
• Japanese text with some English mixed in → JP Humanizer (handles mixed content)

---

Extended Pattern Examples

Category: ビジネスメール特有のAI臭さ

AI Pattern	Natural Alternative	Context
ご確認のほどよろしくお願いいたします	ご確認お願いいたします	過剰丁寧の短縮
〜させていただきます	〜いたします / 〜します	二重敬語回避
〜に関しましては	〜については	簡潔化
ご査収のほど	ご確認ください	古風表現の更新
お忙しいところ大変恐縮ではございますが	お忙しいところ恐れ入りますが	過剰な前置き短縮

Category: ブログ記事のAI臭さ

AI Pattern	Natural Alternative	Context
〜について解説していきます	〜を紹介します / 〜の話をします	導入の定型回避
いかがでしたでしょうか	参考になれば嬉しいです	締めの定型回避
〜ではないでしょうか	〜ですよね / 〜じゃないですか	柔らかく
以上のことから	こうして見ると / まとめると	接続の自然化
それでは早速見ていきましょう	では本題へ / さっそく	テンポ改善

---

Error Handling

Error Code	Meaning	Agent Action
E001	Input text too short (minimum 20 characters required)	Prompt user to provide longer text; single sentences may not benefit from humanization
E002	Language detection failed (non-Japanese or mixed content above threshold)	Verify input is Japanese text; for mixed JP/EN content, use --allow-mixed flag
E003	Pattern database unavailable (ai_vocabulary.json missing or corrupt)	Re-initialize patterns with jpfix --init; re-download from skill package if needed
E004	Confidence score below threshold (AI score delta < 5 points)	Text is already natural (AI score low); skip modification and report current score
E005	Unsupported text format (binary, encoded, or non-UTF-8 input)	Convert input to UTF-8 plain text (.md, .txt); PDF/DOCX must be extracted first
E006	Rate limit exceeded (batch processing > 100 files/session)	Split batch into smaller chunks; use jpfix batch --chunk 50 for large directories
E007	Output validation failed (humanized text diverges semantically from input)	Rollback to original; retry with --conservative mode for minimal changes only
E008	Context analysis timeout (MeCab/Sudachi processing exceeded 30s)	Reduce input length to < 10,000 characters per call; split long documents into sections

Error recovery strategy: For E001-E005, the agent provides clear guidance and does not produce partial output. For E006-E008, the agent retries once with adjusted parameters before reporting failure. All errors are logged to ~/.jp-humanizer/sessions/ with full diagnostic context.

---

Data Storage & Persistence

~/.jp-humanizer/
  config.yaml            # Default mode, kanji target %, custom patterns
  patterns/
    ai_vocabulary.json       # 500+ AI vocabulary patterns
    sentence_endings.json    # Ending pattern database
    katakana_filter.json     # Katakana adoption level database
    kanji_open_list.json     # Kanji-to-hiragana conversion list
  sessions/
    2026-03-01_001.json      # Each analysis session
  custom/
    user_patterns.json       # User-defined additional patterns
    user_exceptions.json     # Words to never modify

Session JSON structure:

{
  "session_id": "2026-03-01_001",
  "mode": "casual",
  "input_score": 72,
  "output_score": 28,
  "patterns_detected": 12,
  "patterns_applied": 10,
  "char_count": { "before": 245, "after": 198 },
  "kanji_ratio": { "before": 38.2, "after": 31.5 }
}

---

FAQ

Q: 500+ パターンはどこから来ていますか？ A: 日本語AIテキスト（ChatGPT、Gemini、Claude等の出力）を大量に分析し、人間のライターが書いたテキストとの差異を統計的に抽出しています。パターンDBは定期的に更新され、新しいAIモデルの出力傾向にも対応します。

Q: 変換すると文字数が変わりますか？ A: はい、一般的にAIテキストは冗長なため、humanize後は10-20%短くなることが多いです。ただし文意は保持されます。文字数を維持したい場合は jpfix <text> --preserve-length オプションを使用してください。

Q: 自分のパターンを追加できますか？ A: はい。~/.jp-humanizer/custom/user_patterns.json にカスタムパターンを追加できます。形式は {"ai_pattern": "置換前", "natural": "置換後", "context": "説明"} です。

Q: 既に自然な文章を通すとどうなりますか？ A: AIスコアが低い(30%以下)テキストは「自然」と判定され、最小限の修正のみ(または修正なし)を提案します。過剰な修正は行いません。

Q: 敬語レベル1-5はどう違いますか？ A: レベル1が最もカジュアル(タメ口)、レベル5が最も丁寧(最上級敬語)です。具体的には:

• Level 1: 「〜だよ」「〜じゃん」
• Level 2: 「〜です」「〜ますね」
• Level 3: 「〜でございます」「〜いたします」(標準ビジネス)
• Level 4: 「〜させていただきます」「〜いただけますでしょうか」
• Level 5: 「〜賜りますようお願い申し上げます」(超フォーマル)

Q: SEO記事の humanize は可能ですか？ A: はい。JP SEO Writer で生成した記事を JP Humanizer に通すことで、SEO最適化と自然な文体の両立が可能です。キーワード密度は維持しつつ、AI臭さだけを除去します。jpfix <text> --preserve-keywords "キーワード1,キーワード2" で特定語句を保護できます。

Q: バッチ処理でディレクトリ内のファイルを一括変換できますか？ A: はい。jpfix batch ./articles/ でディレクトリ内の全 .md / .txt ファイルを一括処理します。元ファイルは .bak 拡張子でバックアップされ、変換レポートが batch_report.json に出力されます。

Q: バッチ処理で大量の文章を一度に変換できますか？ A: はい、humanize batch ./input/ コマンドで複数ファイルを一括処理できます。ディレクトリ指定で最大100ファイルまで同時処理が可能です。

Q: 学術論文にも対応していますか？ A: はい、学術スタイルモード (--style academic) を使用することで、論文特有の表現パターン（である調、引用形式、専門用語の適切な配置）に対応した人間化が可能です。

Q: カスタム辞書を登録できますか？ A: はい、~/.jp-humanizer/custom-dict.yaml にカスタム辞書を定義できます。業界固有の用語や社内用語を登録することで、変換精度が向上します。