vox-radio

README

vox-radio

開発環境のセットアップ

前提

• Docker / Dev Containers が使える環境

手順

1. .devcontainer/.env-template をコピーして .devcontainer/.env を作成する

   cp .devcontainer/.env-template .devcontainer/.env
   

2. .devcontainer/.env に各自の値を設定する

   変数名	説明
   GH_TOKEN	GitHub Personal Access Token
   GEMINI_API_KEY	Gemini API キー（Google AI Studio で取得）

3. devcontainer をリビルドして起動する

注意: .devcontainer/.env には秘密情報が含まれるため、コミットしないこと（.gitignore で除外済み）。

リリース設定の検証

.goreleaser.yaml を編集した後は、CI を待たずにローカルで構文・設定を検証できます。

make release-check

goreleaser check を実行し、設定の構文エラーや不整合を検出します。goreleaser は devcontainer 起動時または make setup 実行時に自動インストールされます。

CLIの使い方

ビルド

make build

バージョンを埋め込む場合は VERSION を指定します。

make build VERSION=v0.1.0

ビルドしたバイナリのバージョンを確認するには --version フラグを使います。

vox-radio --version

動作確認用サンプル実行

sample-profiles/tech_profile.yaml を使ってパイプライン全体を試すには make run-sample を実行します。

make run-sample

出力先は output/<YYYYMMDDHHMMSS>/ ディレクトリになります（例: output/20260601053357/episode.mp3）。

プロファイルや出力先を変更する場合は PROFILE / OUT_DIR 変数で上書きできます。

# 別のプロファイルを使う
make run-sample PROFILE=sample-profiles/other_profile.yaml

# 出力先を指定する
make run-sample OUT_DIR=output/test

前提条件: GEMINI_API_KEY 環境変数と VOICEVOX Engine が必要です。

パイプライン概要

vox-radio は以下のパイプラインでポッドキャストを自動生成します。

collect → rundown → script → synth → assemble → manifest

コマンド	概要
init	カレントディレクトリに vox-radio.yaml と profile.yaml のテンプレートを生成する（初回セットアップ用）
collect	corners[].source に定義したフィード・URL からコーナーごとに記事を収集し 01_articles.json を生成する
rundown	LLM が収集記事を選別し、コーナーごとの話の流れと要約を含む 02_rundown.json を生成する（番組設計図）
script	rundown を LLM に渡して台本 04_script.json を生成する（write → direct の多段パイプライン）
synth	04_script.json をもとに VOICEVOX で音声クリップを合成する
assemble	音声クリップとイントロ・アウトロを ffmpeg で結合し MP3 エピソードを生成する
manifest	番組内容（タイトル・概要・要約・コーナー・コーナー会話要約・記事・会話メモ）を記した manifest.json を MP3 と並べて出力する。コーナー記事は 02_rundown.json（選別済み）から取得する。--script で番組全体要約と会話メモ（conversation_notes）、--lines でコーナー単位の会話要約を LLM で生成して付加する
run	collect → rundown → script → synth → assemble → manifest の全パイプラインを一括実行する
feedgen	キャッシュ（.jsonl）と distribution.yaml から RSS 2.0 + iTunes フィード（feed.xml）を生成する。manifest・mp3 は不要。エピソード状態は cache を正とする
config check	vox-radio.yaml（共通設定）を strict モードでパースし、未知キー（typo）や設定値の不整合をエラーとして報告する
profile check	プロファイル YAML を strict モードでパースし、アセット参照・キャラ参照（cwd の vox-radio.yaml を使用）の整合性を検証する

設定ファイルの作成

vox-radio init を実行すると、カレントディレクトリに vox-radio.yaml（共通設定）と profile.yaml（プロファイル）のテンプレートが生成されます。

# テンプレートを生成
vox-radio init

# 生成されたファイルを編集（LLM APIキー・番組設定を記入）
# その後、パイプラインを実行
vox-radio run --profile profile.yaml

既存ファイルは上書きされません（ファイルごとに独立してスキップ判定します）。

設定ファイル

設定は2種類に分かれています。

種別	ファイル	内容
共通設定 (config)	vox-radio.yaml（カレントディレクトリ、自動読込）	LLM / VOICEVOX URL / キャラカタログ
ジャンル別設定 (profile)	profile.yaml または sample-profiles/<genre>_profile.yaml	program / corners（各コーナーの source でデータソース指定） / assets

vox-radio.yaml はカレントディレクトリから自動的に読み込まれます（--config フラグは不要）。

キャラカタログとスタイル選択

vox-radio.yaml の characters セクションには、キャラIDごとに複数の音声スタイルを定義できます。default_style は style 未指定時のフォールバックスタイルです。

characters:
  zundamon:
    name: ずんだもん
    pronoun: ボク
    speech_suffix: ["〜のだ", "〜なのだ"]
    personality: ["元気", "明るい"]
    default_style: ノーマル
    styles:
      ノーマル: 3    # style名 → VOICEVOX speaker_id
      あまあま: 1
      なみだめ: 76

台本生成（script コマンド）では、LLM がセリフの感情に応じてスタイルを選択します。synth コマンドは行ごとの style フィールドを読み取り、指定されたスタイルの speaker_id で合成します。style が未指定または不正な場合は default_style にフォールバックします。

プロファイルのサンプルは sample-profiles/ ディレクトリに用意しています。sample-profiles/tech_profile.yaml（技術ニュース用）を、共通アセット（sample-profiles/assets/）とあわせて配置しています。これらをコピー・編集して利用してください。詳細は sample-profiles/README.md を参照してください。

実行例

# 記事を収集（--profile は必須）
vox-radio collect --out work/intermediate/01_articles.json --profile sample-profiles/tech_profile.yaml

# 番組設計図（rundown）を生成
vox-radio rundown --in work/intermediate/01_articles.json --out work/intermediate/02_rundown.json \
    --profile sample-profiles/tech_profile.yaml

# 台本を生成
vox-radio script --in work/intermediate/02_rundown.json --out work/intermediate/04_script.json \
    --profile sample-profiles/tech_profile.yaml

# 音声合成（設定不要）
vox-radio synth --in work/intermediate/04_script.json --out-dir work/clips

# 音声結合
vox-radio assemble --in work/intermediate/04_script.json --clips work/clips --out work/episode.mp3 \
    --profile sample-profiles/tech_profile.yaml

詳細リファレンス

各コマンドのフラグ一覧は自動生成ドキュメントを参照してください。

• docs/cli/vox-radio.md — コマンド一覧
• 各サブコマンドの詳細: vox-radio <command> --help

設定ファイルリファレンス

vox-radio.yaml（共通設定）

vox-radio.yaml はカレントディレクトリから自動読み込みされます。フィールド定義は internal/config/config.go の構造体が正です。

llm セクション

フィールド	型	必須/任意	説明
provider	string	任意	LLM プロバイダ。openai（デフォルト）または dify-chat
temperature	float64	任意	生成のランダム性（0.0〜1.0）。デフォルト: 0（Go ゼロ値）
max_retries	int	任意	APIリトライ回数。デフォルト: 0（Go ゼロ値）
min_request_interval_ms	*int	任意	リクエスト間隔（ミリ秒）。省略時は 4500ms
steps	map[string]LLMStepConfig	任意	ステップごとの設定（キー: ステップ名）
openai	OpenAIConfig	provider: openai 時必須	OpenAI 互換プロバイダの接続設定
dify-chat	DifyChatConfig	provider: dify-chat 時必須	Dify chat-messages の接続設定

llm.openai サブフィールド（provider: openai 時）

フィールド	型	必須/任意	説明
base_url	string	必須	LLM API のベースURL（OpenAI 互換エンドポイント）
api_key_env	string	必須	APIキーを格納する環境変数名
model	string	必須	使用するモデル名

llm.dify-chat サブフィールド（provider: dify-chat 時）

フィールド	型	必須/任意	説明
base_url	string	必須	Dify API サーバーURL（例: https://api.dify.ai/v1）
api_key_env	string	必須	Dify API キーを格納する環境変数名
user	string	任意	利用者識別子。省略時は vox-radio
inputs	map[string]string	任意	Dify アプリに渡す変数。値に ${temperature} プレースホルダーを書ける

inputs の ${temperature} プレースホルダーについて:

• 値が "${temperature}" だけの場合（完全一致）→ そのステップの temperature を JSON 数値で送信
• 値に ${temperature} が含まれる場合（部分一致）→ 文字列として補間
• プレースホルダーを書かない場合 → temperature を inputs に含めない

注意: inputs に temperature を載せても、Dify アプリ側でその変数をモデルパラメータにバインドしない限り効果はありません。

llm.steps.<step> サブフィールド

フィールド	型	必須/任意	説明
temperature	*float64	任意	このステップの温度（省略時は llm.temperature を使用）

組み込みステップ名: summarize（記事要約）、plan（台本設計）、write（セリフ執筆）、direct（ダイレクト生成）。

voicevox セクション

フィールド	型	必須/任意	説明
url	string	必須	VOICEVOX Engine のURL
presets	*VoicevoxPresets	任意	抑揚・音高・話速プリセット定義。省略時はコード組込みのデフォルトプリセットが適用される

voicevox.presets サブフィールド

フィールド	型	必須/任意	説明
intonation	map[string]float64	任意	抑揚プリセット（intonationScale, 0.0〜2.0）。省略時はデフォルト7段階が適用される
pitch	map[string]float64	任意	音高プリセット（pitchScale, -0.15〜0.15）。省略時はデフォルト7段階が適用される
speed	map[string]float64	任意	話速プリセット（speedScale, 0.5〜2.0）。省略時はデフォルト7段階が適用される

cache セクション

フィールド	型	必須/任意	説明
enabled	bool	任意	キャッシュ機能の有効/無効。デフォルト: false。program.id 未設定時は常に無効
max_entries	int	任意	JSONL に保持する最大エピソード数（超過分は古い行から削除）。デフォルト: 100
retention_days	int	任意	保持日数（超過した古い行は削除）。デフォルト: 90
llm_context_entries	int	任意	LLM へ渡す直近エピソード件数。デフォルト: 10

characters セクション

characters はキャラID（文字列キー）をキーにしたマップです。プロファイルの corners[].cast で使用するIDを定義します。

フィールド	型	必須/任意	説明
name	string	必須	キャラクターの表示名
pronoun	string	任意	一人称代名詞（台本生成時に LLM へ渡す）
speech_suffix	[]string	任意	語尾パターン（台本生成時に LLM へ渡す）
personality	[]string	任意	性格特徴（台本生成時に LLM へ渡す）
default_style	string	任意	デフォルトの音声スタイル名（styles のキーと一致させること）
styles	map[string]int	任意	スタイル名 → VOICEVOX 話者ID のマップ

default_style を指定した場合、その値は styles のキーとして存在しなければなりません（起動時検証あり）。

---

profile.yaml（プロファイル）

--profile フラグで指定するジャンル別設定ファイルです。vox-radio init で生成されるテンプレートは profile.yaml という名前です。詳細は sample-profiles/README.md も参照してください。

program セクション

フィールド	型	必須/任意	説明
title	string	任意	番組タイトル
description	string	任意	番組の説明（LLM への指示に使用）

corners セクション

corners はコーナー定義のリストです。番組を構成するセグメントを順番に記述します。

フィールド	型	必須/任意	説明
title	string	必須	コーナータイトル
content	string	任意	コーナーの内容説明（台本生成 LLM への指示に使用）
direction	string	任意	コーナーの演出説明（演出生成 LLM への指示に使用。SE の挿入タイミングなど）。台本生成 LLM へは渡されない
cast	map[string]string	任意	キャラID → 役割説明のマップ（キーは vox-radio.yaml の characters のキーと一致させること）
length_sec	int	任意	このコーナーの目標収録時間（秒）。台本生成時に文字数（≈7文字/秒）へ換算される
source	SourceConfig	任意	データソース（省略するとこのコーナーの収集はスキップ）
start_jingle	string	任意	コーナー開始ジングルのキー名（assets.jingle のキーと一致させること）。コーナー本編の前に確定的に挿入される
end_jingle	string	任意	コーナー終了ジングルのキー名（assets.jingle のキーと一致させること）。コーナー本編の後に確定的に挿入される
bgm	string	任意	コーナー中 BGM のキー名（assets.bgm のキーと一致させること）。コーナー本編を開始/停止セグメントで挟む
start_pause_sec	float64	任意	コーナー先頭（start_jingle より前）に挿入する無音時間（秒）。0 または省略時は挿入しない
end_pause_sec	float64	任意	コーナー末尾（end_jingle より後）に挿入する無音時間（秒）。0 または省略時は挿入しない

corners[].source サブフィールド

フィールド	型	必須/任意	説明
feeds	[]FeedEntry	任意	RSS/Atom フィードのリスト
articles	[]string	任意	個別記事 URL のリスト

corners[].source.feeds[] サブフィールド

フィールド	型	必須/任意	説明
url	string	必須	フィードの URL
max_items	int	任意	取得する最大記事数。デフォルト: 0（Go ゼロ値、実質無制限）

assets セクション

assets はジングル・SE・BGM の音声素材を設定します。バイナリ素材は別途用意してください。ファイルパスはプロファイルファイルのディレクトリからの相対パスで解決されます。

音声アセットは script.json のセグメント型として統一的に表現されます。各セグメントは type フィールドで種別を指定し、asset_name フィールドで対応するマップのキーを参照します。

セグメント種別	type 値	再生方式	説明
音声（ナレーション）	speech	serial	メイン音声。複数同時不可
効果音	se	serial（既定）/ overlay（overlay: true 指定時）	既定は SE が鳴り終わってから次のセリフを再生（順次）。overlay: true を設定すると音声に重ねて再生
BGM	bgm	overlay	音声の裏で再生。排他（停止→切替）。asset_name 空 = 停止
ジングル	jingle	serial	単独再生（音声・BGMと重ならない）。前後に pause が入る

ジングルはラン境界として機能します: 台本がジングルで区切られ、各ラン内の SE/BGM はそのランにのみ適用されます（ジングルをまたいで継続しません）。

assets.jingle マップ値

フィールド	型	必須/任意	説明
file	string	必須	音声ファイルパス
fade_in	float64	任意	フェードイン時間（秒）。デフォルト: 0
fade_out	float64	任意	フェードアウト時間（秒）。デフォルト: 0
description	string	任意	アセットの説明（「何の音か・いつ使うか」）。LLM が挿入タイミングを判断する際の手がかりになる

ジングルはコーナー毎に corners[].start_jingle / corners[].end_jingle で設定します。script 生成ステップでコードがコーナー本編の前後へ確定的に挿入するため、生成された 04_script.json にジングルセグメントが含まれます。BGM も corners[].bgm で同様にコーナー単位で管理します。

assets.se マップ値

フィールド	型	必須/任意	説明
file	string	必須	音声ファイルパス
volume	float64	任意	音量倍率。デフォルト: 0（Go ゼロ値）
trim_silence	bool	任意	前後の無音を自動除去するかどうか。デフォルト: true
overlay	bool	任意	true = 音声に重ねて再生（従来の overlay 動作）。false または省略 = SE が鳴り終わってから次のセリフを再生（順次）。デフォルト: false
description	string	任意	アセットの説明（「何の音か・いつ使うか」）。LLM が挿入タイミングを判断する際の手がかりになる

assets.bgm マップ値

フィールド	型	必須/任意	説明
file	string	必須	音声ファイルパス
volume	float64	任意	音量倍率。デフォルト: 0（Go ゼロ値）
duck_ratio	float64	任意	セリフ再生中の音量低減比率（サイドチェインコンプ）。デフォルト: 0
loop	bool	任意	ループ再生するかどうか。デフォルト: false
description	string	任意	アセットの説明（「何の音か・いつ使うか」）。LLM が挿入タイミングを判断する際の手がかりになる

BGM の開始・停止は台本の bgm セグメントで制御します。asset_name にキー名を指定するとその BGM を開始し、空文字列を指定すると停止します。