# Speak

文章を読み上げて音声ファイルにする。外部の読み上げサーバー（OpenAI 互換の `/audio/speech`）に文字を送り、返ってきた音声を workspace の `output/` に保存する。

## 基本

```js
Speak({
  text: "おはようございます。今日の予定は 3 件です。",
  file_name: "morning-brief",   // 省略時 speak-{日時}.{形式}
  voice: "jf_alpha"             // 省略時 config の speak_voice
})
```

返り値は保存したパス。そのまま利用者に示せる。

```
音声を保存しました -> output/morning-brief.mp3 (mp3, 48213 bytes, 24 文字, voice: jf_alpha)
```

## サーバー設定（必須）

設定 → ツール → Speech の「読み上げ」の欄で設定する。**文字起こし（TranscribeAudio）とは別の接続先**で、片方だけ設定しても構わない。

| 欄 | 設定キー | 既定 |
|---|---|---|
| 読み上げの接続先 | `speak_server_url` | なし（未設定なら使えない） |
| 読み上げモデル | `speak_model` | なし（送らない） |
| 声 | `speak_voice` | なし（送らない） |
| 出力の形式 | `speak_format` | `mp3` |
| 読み上げのタイムアウト | `speak_timeout` | 120 秒 |
| 文字数の上限 | `speak_max_chars` | 4096 文字 |

接続先が未設定のときは、送信せずに断る。

## ツールの入り切り

読み上げは分類 `speak` として、ワークスペースごとに入り切りを決める（設定 → ツール）。**既定は切**。接続先を設定していない状態では動かないため。

## 声の名前について

声の名前は**自由入力**で、こちらは選択肢を持たない。OpenAI 互換の仕様が声の語彙を定めておらず、サーバーの実装ごとに違うため。決め打ちすると、接続先を替えた瞬間に通らなくなる。

名前が通らなかったときは、サーバーが返した文をそのまま返す。

```
読み上げサーバーエラー (400): {"error":{"message":"voice 'alloy' is not available"}}
```

この文が「声の名前が違う」と気づける唯一の手がかりなので、加工しない。

## 出力の形式

仕様上は `mp3` / `opus` / `aac` / `flac` / `wav` / `pcm` があるが、**全部を持つサーバーとは限らない**。既定の `mp3` がいちばん通りやすい。指定した形式がそのまま拡張子になる。

`pcm` は画面のプレビューでは再生できない（ダウンロードはできる）。アプリの中で聴くなら `mp3` などにする。

## 文字数の上限

上限を超える文章は**断る。黙って切り詰めることはしない**。切ると、途中で終わった音声が「できた」として返り、最後まで聴いて初めて気づくことになる。

```
文字数が上限を超えています（5200 文字 / 上限 4096 文字）。切り詰めてはいません。…
```

長い文章は段落ごとに分けて複数回呼ぶか、設定で上限を上げる。

## 立てられるサーバーの例

OpenAI 互換の `/audio/speech` を持つ実装であれば何でもよい。

- [openedai-speech](https://github.com/matatonic/openedai-speech)
- [openai-edge-tts](https://github.com/travisvn/openai-edge-tts)

音の品質・話速・言語の対応はサーバー側の責務で、このアプリでは扱わない。

## 関連

- 文字起こしは [TranscribeAudio](transcribeaudio.md)（逆向き。音声 → 文字）
- 保存した音声はファイル窓のプレビューでそのまま再生できる