Sag

• コマンドラインからカスタムAPIコードを書かずに、表現豊かで高品質なAI音声オーディオを生成したい。
• ClawdのようなAIエージェントが、[whispers]、[excited]、[sarcastic]などのタグを使って、個性と感情を持った音声返答を生成する必要がある。
• 音声の選択、言語の正規化、またはモデルの切り替え（eleven_v3、eleven_multilingual_v2、eleven_flash_v2_5）が必要なTTSワークフローをスクリプト化している。
• システム音声の代わりにプレミアムなElevenLabsの音声を使用する、macOSのsayコマンドの代替として利用したい。

• ElevenLabs APIキーをお持ちでない場合、またはElevenLabsの利用コストを避けたい場合 — このスキルには無料/オフラインのフォールバック機能がありません。
• SSML <phoneme> サポートが必要な場合；Sag はその機能を公開していません。
• macOS でシステムレベルの基本的なTTSのみが必要で、ElevenLabsの品質を必要としない場合 — 組み込みの say コマンドで十分です。

eleven_v3（表現力豊か、デフォルト）、eleven_multilingual_v2（安定、多言語対応）、eleven_flash_v2_5（高速）の中から選択し、各ユースケースに応じて品質、速度、言語カバレッジのバランスを調整できます。

[whispers]（ささやき）、[shouts]（叫び）、[laughs]（笑い）、[excited]（興奮）、[sarcastic]（皮肉）などのタグを使って、読み上げの指示をテキストに直接埋め込むことができます。ポーズ（間）の制御には、SSMLの代わりに[pause]、[short pause]、[long pause]を使用します。

-v フラグを使用して名前またはIDでElevenLabsの音声を指定し、ELEVENLABS_VOICE_ID / SAG_VOICE_ID でデフォルトを設定し、sag voices で利用可能な音声を確認できます。

単語を読み仮名で書き直したり、ハイフンを使用したり、大文字・小文字を調整することで、誤った発音を修正できます。--normalize auto|off フラグは数字、単位、URLを処理し、--lang は言語固有の正規化をガイドします。

sag prompting を実行すると、現在選択されているモデルで最良の結果を得るためのテキストの表現とフォーマットに関する、モデル固有のガイダンスを取得できます。

-o フラグを使用して、生成された音声を直接ディスクに保存します（例：-o /tmp/reply.mp3）。これにより、AIエージェントの応答や後続のワークフローに音声ファイルを添付することが簡単になります。

AIエージェントが特定のキャラクターで音声応答を生成します — 例: sag -v Clawd -o /tmp/reply.mp3 "[excited] Here's what I found!" — その後、即座に再生できるようにファイルパスを返答に含めます。

シェルスクリプトで sag にテキストまたはドキュメントのコンテンツを渡し、--normalize auto を活用して数字やURLをきれいに処理しながら、ナレーション付き音声ファイルを一括生成します。

制作用のボイスオーバーを決定する前に、ターミナルからさまざまなElevenLabsのボイスや話し方のスタイル（[whispers]、[sarcastic]、[sings]）をすばやく試聴できます。

eleven_multilingual_v2 を --lang de|fr|es|... と組み合わせて使用することで、英語以外の言語に対して正しく正規化されたTTSを生成できます。ローカライズされたコンテンツパイプラインに適しています。