エンクド開発

Irodori-TTS 環境の準備について

「Chat to TTS Linker」をご利用いただくには、前提として「Irodori-TTS」の動作環境が構築・起動されている必要があります。

Irodori-TTSは、Windows環境とNVIDIA製GPU（CUDA）の組み合わせで最も快適に動作します。

※ Irodori-TTSの環境構築に関する個別サポートは行っておりません。
詳しくはIrodori-TTSの公式配布ページ(GitHub)または上記導入手順をご確認ください。

会話形式のチャット（テキスト）の準備

本拡張機能で音声を生成するには、前提としてChatGPTやGemini、その他のAIチャットサービス側で、キャラクター名とセリフが記述された会話風のテキストページ（チャットスレッド）が開かれている必要があります。

例えば、あるAIサービスなどで、下記のような指示（プロンプト）を出します。これは「3. プロファイル＆キャラクター登録（声の設定）」で説明している"セリフ抽出条件"に合致するように指示を出しています。※条件は正規表現で指定できるので好みで変更してください。

セリフや口調の形式はキャラクター名：「セリフの内容」で統一して下さい。
太郎と花子の他愛のない日常会話が行われる短い小説を書いて下さい。

生成結果の例

Chat to TTS Linkerを使う

拡張機能の機能をフルに活かすため、以下の事前設定および基本設定を行ってください。

1. 使うための事前準備

機能を最大限に活用するため、以下の2つの事前設定を行ってください。

• STEP ①
  Irodori-TTSを起動する

  通常通り、ローカルでIrodori-TTS（Gradio UI）を起動しておきます。

  デフォルトのアドレス:http://127.0.0.1:7860/

• STEP ②
  Chat to TTS Linkerをインストールする

  「Chat to TTS Linker」を
  Chromeウェブストアで入手

• STEP ③
  Chromeで「ファイル URL へのアクセス」を許可する (★推奨)

  Irodori-TTSが生成した音声ファイルをローカルフォルダgradio_outputsから直接読み込むことで、音声再生の遅延を軽減できます。詳しくは、「2. 拡張機能の基本設定」→「gradio_outputsフォルダから再生」をご覧ください。

  1. ChromeのURLバーに chrome://extensions と入力して拡張機能管理画面を開きます。
  2. 「Chat to TTS Linker」のカード内にある 「詳細」 ボタンをクリックします。
  3. 「ファイルの URL へのアクセスを許可する」 のスイッチを ON にします。
  4. これでgradio_outputsフォルダから再生する準備ができました。

2. 拡張機能の基本設定

ブラウザ右上にある拡張機能のアイコンをクリックし、基本設定を行います。

設定完了後、一番下にある 「すべての設定を保存して適用」 をクリックします。

3. プロファイル＆キャラクター登録（声の設定）

チャットやボットごとに、声の設定を「プロファイル」として保存できます。拡張機能の設定画面「選択中のプロファイル」横にある 「追加」 または 「編集」 から設定画面を開きます。

• プロファイル名: 任意の名前を入力します。
  例：みんなと日常会話チャンネル
• チャットID: ページのURL内に含まれる任意の文字列（ID等）を指定します。

  例えばプロファイルを適用したいページが「https://gemini.google.com/app/abcd12345」だった場合「abcd12345」をチャットIDに入力します。厳密にはページを区別するためのモノなので、URLの一部なら何でも構いません。

  💡 チャットIDによる動作制限（軽量化）：
  特定のチャットIDを指定しておくことで、開いているページのURL内にその文字列が含まれる場合のみ、拡張機能が動作するようになります。対象外のページでの不要な動作を抑制し、ブラウザが重くなるのを防ぐための設定です。

• セリフ抽出条件（正規表現）: AIの出力からキャラクター名とセリフを抜き出すための条件です。自分が抽出したい条件に変更もできます。特に変更しない場合は下記の形式でセリフが抽出されます。
  ■セリフ形式の一例
  太郎「こんにちは」　※名前 + 「」
太郎:「こんにちは」　※名前 + : + 「」
太郎:え？　※名前 + :
太郎：こんにちは　※名前 + ：(全角）
太郎 ： 「お待たせしました」　※名前 + 空白 + ： + 空白
太郎の心の声:やばい　※名前 + 修飾語 + :

  💡 特殊文字のエスケープ処理：
  正規表現パターン内の {name} 部分には、以下で登録するキャラクター名が自動的に代入されます。キャラクター名に正規表現の特殊文字が含まれる場合でも、誤動作を防ぐ自動エスケープ処理が施されています。

キャラクター ＆ Reference Audio / Speaker Embedding 登録

• キャラクター名: 抽出対象とするキャラクターの名前を入力します。
• ファイル選択（Reference Audio / Speaker Embedding）: そのキャラクターで使用したい「音声ファイル（最大30秒前後のノイズのないWAV/MP3モノラル音声）」、または Irodori-TTS 用の事前抽出データである「Speaker Embeddingファイル（*.speaker.safetensors）」をアップロードします。
  Irodori-TTSはこの音声またはEmbeddingデータをリファレンスとして声色のクローンを生成します。

  ※ アップロードされたデータは、拡張機能のローカルストレージ（chrome.storage.local）内にBase64文字列データとして安全に保存されます。ファイル名が *.speaker.safetensors（または *.safetensors）の場合は自動的にSpeaker Embeddingモードとして自動認識されます。

  🎵 Reference Audio サンプル音声：
  動作確認用として、Irodori-TTSのVoice Design（Reference Audioのサンプル）で生成したサンプル用の音声です。動作確認等にダウンロードしてご利用ください。

  • taro-reference audio.wav (太郎サンプル)
  • hanako-reference audio.wav (花子サンプル)

4. チャット画面での使い方

設定した対象ドメイン・チャットIDのページを開き、登録したキャラクター名を含んだ会話が発生すると、セリフの末尾にグレーの CTTL ボタン（バッジ）が出現します。

• マウスホバーによるハイライト: CTTL バッジにマウスを乗せると、対象となるセリフテキスト部分がブルーにハイライト点滅し、どの範囲を音声合成するか視覚的に確認できます。
• 操作パネルの展開: CTTL をクリックすると操作メニューがスライド展開し、バッジが「✖」に切り替わります。

🔊 基本操作手順

1. ⚙️ 生成 をクリック すると、音声合成を開始します。

   ※ 生成中はボタンが「⏳ 生成中...」に変化し、一時的に非活性化されます。

2. 生成が完了すると、メニューが活性化して緑色の ▶ 再生 ボタンに変化します。
3. ▶ 再生 / ⏸ 停止 で音声を再生・停止します。
4. 🔁 ループ を有効（緑色）にすると、同じ音声を繰り返しループ再生します。
5. 💾 保存 をクリックすると、生成されたWAV音声ファイルをPCへダウンロードできます（※長文が自動分割された場合は、自動的に連番形式で複数ファイルが順次ダウンロードされます）。
6. ★ お気に入り（Pro版限定） をクリックすると、お気に入りリストに現在のセリフと音声を登録できます。

6. トラブルシューティング