cc-zundamon

Claude Code の返答を、ずんだもんの声で読み上げる Stop フック。 (macOS)

ローカルの VOICEVOX を使って、Claude Code が応答し終えるたびに要点を音声で読み上げます。追加のトークンは一切消費しません（生成済みテキストの後処理だけを行います）。

• 🫛 本物のずんだもんの声（VOICEVOX engine）。engine が無いときは macOS の say にフォールバック
• 🗣️ 応答末尾を <speak>...</speak> で囲むと、その中身だけを読み上げ（囲まなければ本文を整形して先頭だけ読む）
• 🔗 長文でも途切れない：全チャンクを合成しきってから1本に結合し、間を空けず一気に再生
• ⏩ 既定 1.2倍速（音程は変えず話速のみ）
• 🎤 マイク使用中は自動ミュート：音声入力中などマイクが稼働していると読み上げをスキップし、再生音がマイクに回り込むのを防ぐ（ZUNDA_MIC_MUTE=0 で無効化）
• 🔕 ZUNDA_DISABLE=1 でヘッドレス/バッチ実行時だけ黙らせられる

必要なもの

• macOS（afplay / say に依存）
• Python 3（標準ライブラリのみ。追加パッケージ不要）
• Claude Code
• VOICEVOX（ずんだもんの声を出すのに必要。engine が http://localhost:50021 で待受）
  • 未導入・未起動でも動きますが、その場合は macOS 標準音声での読み上げになります。

インストール

git clone https://github.com/TrueRyoB/cc-zundamon.git
cd cc-zundamon
./install.sh

install.sh は次を行います（冪等・settings.json はバックアップを取ってから編集）:

1. hooks/say-summary.py を ~/.claude/hooks/ へコピー
2. ~/.claude/settings.json の Stop フックに登録
3. python3 / VOICEVOX engine / afplay の有無をチェックして案内

インストール後、VOICEVOX を起動した状態で Claude Code に何か応答させると読み上げられます。

<speak> で読み上げ内容を制御する

タグが無ければ本文を整形して先頭 ~220 文字を読みますが、応答末尾に <speak>...</speak> を置くと、その中身だけを読み上げます。要約だけ喋らせたいときに便利です。

Claude に毎回付けさせたい場合は、~/.claude/CLAUDE.md に例えば次のように書きます:

回答の末尾に <speak>...</speak> を付け、各項目 1〜2 行で要点だけを要約する。詳細は本文に置く。

設定（環境変数）

変数	既定	説明
ZUNDA_URL	http://localhost:50021	VOICEVOX engine の URL
ZUNDA_SPEAKER	3	話者 ID（3 = ずんだもん/ノーマル）
ZUNDA_SPEED	1.2	再生速度（音程は変えず話速のみ）
ZUNDA_MAX	220	<speak> 無し時に読む最大文字数
ZUNDA_SPEAK_MAX	1200	<speak> 有り時の最大文字数（暴走防止）
ZUNDA_CHUNK	100	1 合成あたりの目安文字数
ZUNDA_SAY_VOICE	Kyoko	フォールバック say の音声
ZUNDA_SAY_RATE	210	フォールバック say の rate（実際は ×ZUNDA_SPEED）
ZUNDA_MIC_MUTE	1（有効）	マイク使用中（音声入力中など）は読み上げをスキップ。0/false/no/off で無効化
ZUNDA_DISABLE	（未設定）	立てるとナレーター無効。ヘッドレス/バッチ実行で使う

環境変数は ~/.claude/settings.json の env などで設定できます。例:

{ "env": { "ZUNDA_SPEAKER": "14", "ZUNDA_SPEED": "1.2" } }

声を変える

ZUNDA_SPEAKER に VOICEVOX の style ID を指定します（既定 3 = ずんだもん）。使える話者と ID は engine から取得できます:

curl -s http://localhost:50021/speakers | python3 -c 'import json,sys; [print(st["id"], sp["name"], st["name"]) for sp in json.load(sys.stdin) for st in sp["styles"]]'

例: 冥鳴ひまり ノーマル = 14。

ヘッドレス/バッチで黙らせる

claude -p ... のような自動実行で読み上げたくない場合、その実行の環境で ZUNDA_DISABLE=1 を立てます:

ZUNDA_DISABLE=1 claude -p "$(cat prompt.md)" ...

仕組み

Stop フックとして起動し、transcript_path から最後の assistant 応答を読み取ります。 <speak> があればその中身、無ければコードブロック・表・URL・装飾を除いた本文を対象にし、 VOICEVOX で文単位に合成 → 1本に結合 → afplay で再生します。音声処理は別プロセスに切り離すため、 プロンプトの入力はブロックされません。

再生の直前に マイクが稼働中かを CoreAudio（kAudioDevicePropertyDeviceIsRunningSomewhere）で確認し、 使用中なら読み上げをスキップします（音声入力へのナレーター音の回り込み防止）。判定は標準ライブラリ （ctypes）のみで行い、判定できない環境ではスキップせず通常どおり読み上げます（フェイルオープン）。

アンインストール

./uninstall.sh

settings.json から登録を外し、コピーしたフックを削除します（settings.json はバックアップを取ってから編集）。

制限・トレードオフ

• macOS 専用（afplay / say 前提）。Linux/Windows は未対応。
• 「全部合成してから再生」する都合上、最初の音が鳴るまでの待ち時間は全文の合成完了まで延びます（合成速度は概ね ~0.1 秒/文字）。長すぎる場合は <speak> を短くするか ZUNDA_SPEAK_MAX を下げてください。

ライセンス

MIT