Podcast Generation — ポッドキャスト生成スキル

概要

Digest記事から編集部メンバー（最大5人）の対話形式ポッドキャストを自動生成する。 VOICEVOX Engine（ローカルTTS）で音声化し、サイトに配信する。

前提条件

VOICEVOX Engine が http://127.0.0.1:50021 で起動していること
ffmpeg がインストールされていること
DB に対象記事が published 状態で存在すること

VOICEVOX Engine の起動確認

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

起動方法の詳細は history-video-base スキルを参照。

登場人物（編集部メンバー）

Single Source of Truth: src/lib/editorial-members.ts

speakerKey	役割	VOICEVOXモデル	speaker_id	ポッドキャストでの立ち位置
editor	若手編集者	白上虎太郎ふつう	12	司会（メインホスト）
engineer	エンジニア	黒沢冴白ノーマル	100	技術解説
designer	デザイナー	四国めたんノーマル	2	UX視点コメント
manager	マネージャー	青山龍星ノーマル	13	ビジネス視点コメント
desk	シニアデスク	No.7 アナウンス	30	まとめ役（締めのコメント）

キャラクター性格

editor: 好奇心旺盛で実直。「結局なにが変わるのか」を読者目線で伝える
engineer: 懐疑的で実装力あり。「本当に動くのか」を常に考える
designer: ユーザー視点と美意識。使う人にとって自然かどうかを見る
manager: 戦略思考で数字に強い。ビジネスとしての成立性を考える
desk: 俯瞰力と論点整理。構造的な変化を見つけ、議論をまとめる

生成フロー（3ステップ）

Step 1: 記事本文を取得

node scripts/generate-podcast.mjs <slug> --dump > /tmp/podcast-article.json

Step 2: 対話スクリプトを生成（Claude Code が担当）

記事内容を元に、以下のルールで対話スクリプトJSONを /tmp/podcast-script.json に生成する。

スクリプト生成ルール

約2000字（5分程度の会話）。ただし論文紹介パートがある場合は長くなってよい（後述）
自然な日本語の会話体（「〜ですね」「〜なんですよ」など）
技術用語は初出時にさりげなく説明
個人開発者にとっての実用的な示唆を含める
冒頭に挨拶、末尾にまとめと締めの挨拶を入れる
speaker は "editor", "engineer", "designer", "manager", "desk" のいずれか
基本構成: editor（司会）がトピックを振り、engineer/designer/manager がそれぞれの視点でコメント、desk が締める
全員を毎回均等に出す必要はない。トピックに応じて2〜3人メインで回してよい

論文紹介パートの扱い（重要）

Digest に「今日の論文紹介」セクションがある場合、ポッドキャストでは 時間を長めに割いて深掘り する。

ニュースパートより多くの時間を使ってよい（論文パートだけで 3-5 分程度）
前提知識から丁寧に解説する: 論文が解こうとしている問題は何か、なぜその問題が難しいのか
editor が「そもそも〜って何？」と素朴に聞き、engineer が噛み砕いて答える構成
designer がユーザー影響、manager がビジネスインパクトを補足
専門用語は必ず日本語で言い換え or 例え話を入れる
最後に desk が「個人開発者にとってこの先どうなりそうか」を展望として締める
論文パートは本編の後半に配置し、「さて、今日はもう一つ面白い話題があるんです」のように切り替える

JSON形式

→ references/example-podcast-script.json

Step 2.5: AI監査（3レイヤー・必須）

history-video-base の「AI監査ポリシー」に従い、音声化前に必ず3レイヤーすべて実行する。

レイヤー1: 事実確認

歴史的事実（年号・人物・因果関係）が正確か
確信度が低い事項はWeb検索で裏取り
「〜は間違いなく」「全員が」など学説が分かれる内容を断定していないか
問題があればスクリプトを修正

レイヤー2: 読みAI監査

難読語・歴史固有名詞を抽出し、base-dictionary.json に辞書エントリがあるか確認
未登録なら base-dictionary.json と VOICEVOX ユーザー辞書の両方に追加

レイヤー3: 実文脈読みテスト（最重要）

台本の全セリフを VOICEVOX audio_query API に投げ、返ってきたカタカナ読みを全文チェック
辞書登録済みでも priority 不足や文脈依存で誤読されるケースがある（例: 「徳川家康」→「ケヤスシ」、「豊臣家」→「トヨトミカ」）
誤読発見時は priority: 10 で辞書再登録し、修正後に全セリフを再テスト
手動ピックアップではなく、全セリフ網羅テストであること

3レイヤーすべて通過してから音声合成に進む。

Step 3: 音声化 + DB更新

node scripts/generate-podcast.mjs <slug> --script /tmp/podcast-script.json

これで以下が実行される:

VOICEVOX APIで各セリフを音声合成（WAV）
ffmpegで全セグメントを結合 → MP3出力（loudnorm=I=-16:TP=-1.5:LRA=11 で音量正規化）
public/audio/<slug>.mp3 に保存
DB contents.audio_url を更新

主要ファイル

ファイル	役割
`scripts/generate-podcast.mjs`	メインオーケストレーター（記事取得・DB更新）
`src/app/api/v1/podcast/route.ts`	Podcast RSSフィード（iTunes互換XML）

Podcast RSS フィード

URL: https://ai-solo-craft.craftgarden.studio/api/v1/podcast
DB の audio_url が設定されている記事を自動でフィードに含める
iTunes / Spotify / Pocket Casts などのPodcastアプリで購読可能

音声クレジット（必須）

各音声モデルのライセンスに従ったクレジット表記が必要:

Digest ポッドキャスト: VOICEVOX「白上虎太郎」「黒沢冴白」「四国めたん」「青山龍星」「No.7」
歴史ポッドキャスト: AivisSpeech「まい」「まお」（ACML 1.0ライセンス、クレジット表記任意）

TTS Engine が落ちている場合

制作を停止し、原因を調査・対応する（プロセス再起動、ポート競合確認など）
復旧できない場合は制作をストップし、ユーザーに判断を仰ぐ
Edge TTS 等への自動フォールバックは行わない

歴史ポッドキャスト動画（YouTube横長動画）

ショート動画のシーン画像をインプットに、VTuber風の対話動画（16:9 横長）を生成する。 TikTokショート動画の二次コンテンツとしてYouTubeに投稿する。

制作フロー

scenes.json + telop.ass → podcast-script.json → podcast.mp3 + podcast-timings.json → podcast-video.mp4
     (ショート動画)            (対話台本)             (音声)                            (YouTube動画)

Step 1: 対話台本を作成

ショート動画の scenes.json（シーン定義）と telop.ass（テロップ＝ストーリー）を参照し、まい（講師役）とまお（生徒役）がシーン画像を見ながら会話する台本を作成する。

scenes形式 JSON: → references/example-scenes.json

重要なルール:

テロップがショート動画のストーリーそのもの。テロップ内容を踏まえてキャラが会話する構成にする
各シーンの image はショート動画のシーン画像（scene01.jpg 〜）
セリフはテロップの丸写しではなく、キャラの口調で自然に会話化する
mai（講師・解説）が説明・考察、mao（生徒・ホスト）が感想・質問を担当
「人物列伝」シリーズ（10シーン）と「時代の流れ」シリーズ（15シーン）の両方に対応

シリーズ別の注意:

人物列伝: 1人の人物の生涯を追う構成。scene00（導入）〜scene09（締め）
時代の流れ: 時代全体の出来事を追う構成。scene01（タイトル画像を導入に流用）〜scene15。シーン数が多いため、テロップの内容に沿いつつテンポよく進める

画像の準備:

人物列伝: 画像は templates/{slug}/scene00.jpg 〜に直接配置
時代の流れ: シンボリックリンクで配置 → scripts/setup-scene-symlinks.sh

Step 1.5: AI監査（3レイヤー・必須）

history-video-base の「AI監査ポリシー」に従い、動画生成前に必ず3レイヤーすべて実行する。

レイヤー1: 事実確認

歴史的事実（年号・人物・因果関係）が正確か
確信度が低い事項はWeb検索で裏取り
断定すべきでない通説を断定していないか
問題があればスクリプトを修正

レイヤー2: 読みAI監査

難読語・歴史固有名詞を抽出し、`base-dictionary.js