VOICEVOX で作成した通知メッセージに BGM をつける

01-README.md

VOICEVOX で作成した通知メッセージに BGM をつける

スクリプトの使い方

python3 generate_notification.py --voice voice.wav --bgm bgm.mp3 --duration 30

VOICEVOX で生成する通知メッセージの例(30秒前後)

おつかれさまなのだ～。
ぼく、ずんだもんだよ！
さっきまで Claude Code くんががんばってくれてたおしごと、ぜんぶおわったのだ！
つぎに何をするか、もう決まってる？ それともちょっと休憩する？
どっちにしても、まずは深呼吸して、リラックスなのだ～。
ぼくもずっと見守ってたよ！ よくがんばったのだ～！

BGM サイトの例

• DOVA-SYNDROME (YouTube で視聴可能)

02-generate_notification.py

import argparse
import subprocess
import os
import tempfile

def run(cmd):
    print(f"Running: {' '.join(cmd)}")
    subprocess.run(cmd, check=True)

def get_audio_duration(path):
    result = subprocess.run(
        ['ffprobe', '-v', 'error', '-show_entries', 'format=duration',
         '-of', 'default=noprint_wrappers=1:nokey=1', path],
        stdout=subprocess.PIPE, stderr=subprocess.PIPE, text=True
    )
    return float(result.stdout.strip())

def main():
    parser = argparse.ArgumentParser(description='VOICEVOX音声とBGMを合成して通知音を作成')
    parser.add_argument('--voice', required=True, help='VOICEVOX 音声ファイル (wav)')
    parser.add_argument('--bgm', required=True, help='BGM 音声ファイル (mp3/wav/etc)')
    parser.add_argument('--duration', type=float, required=True, help='出力音声の長さ（秒）')
    parser.add_argument('--output', default='output.wav', help='出力ファイル名 (wav)')
    args = parser.parse_args()

    with tempfile.TemporaryDirectory() as tmpdir:
        bgm_wav = os.path.join(tmpdir, 'bgm.wav')
        bgm_fade = os.path.join(tmpdir, 'bgm_fade.wav')

        # BGM を wav 形式に変換
        run(['ffmpeg', '-y', '-i', args.bgm, '-ar', '24000', '-ac', '1', bgm_wav])

        # BGM の実際の長さを取得
        bgm_duration = get_audio_duration(bgm_wav)
        fade_start = max(0, args.duration - 5)

        # フェードアウト & 音量調整（BGM: -5dB）
        run([
            'ffmpeg', '-y', '-i', bgm_wav,
            '-af', f'volume=0.56,afade=t=out:st={fade_start}:d=5',
            bgm_fade
        ])

        # 合成（VOICE: +5dB） & トリミング
        run([
            'ffmpeg', '-y',
            '-i', bgm_fade,
            '-i', args.voice,
            '-filter_complex', '[1]volume=1.78,adelay=0|0[voice];[0][voice]amix=inputs=2:duration=first:dropout_transition=2',
            '-t', str(args.duration),
            args.output
        ])

        print(f"\n✅ 成功: {args.output}（長さ: 約 {args.duration} 秒）")

if __name__ == '__main__':
    main()