neon-spitch-link

🔊 ねおん すぴっち リンク (Neon Spitch Link)

UserScript Version: v7.6

“AIとの会話を、あなたの好きな声で自動読み上げするUserScriptです。”
“A UserScript to automatically read AI conversations in your favorite voice.”

➡️ いますぐインストール！ (Skip to Installation)
💡 声を届ける活動者様へ (To Vocal Creators)

⭐ スターをポチッとお願いします✨ (Please hit the [Star] button!)

---

🚀 概要 (Overview)

GeminiやChatGPTなどの応答を、Gemini / Open AI APIやPythonサーバーを一切使用せず、VOICEVOXやRVCを使って無制限かつ無料で自動読み上げする世界唯一（公開時点）のUserScriptです。

The world’s only(As of the release date) UserScript that automatically reads responses from Gemini and ChatGPT without using Gemini/OpenAI APIs or Python servers. It utilizes VOICEVOX and RVC for unlimited and free voice conversion.

---

💎 機能と核心技術 (Features and Core Technology)

このスクリプトは、サーバーレス・外部APIレス・無制限という究極の自由度を保ちながら、VOICEVOXとRVC（リアルタイム音声変換）を連携させるという、世界で唯一（公開時点）の UserScript です。

This script is the world’s only(As of the release date) UserScript that integrates VOICEVOX and RVC (Real-time Voice Conversion) while maintaining the ultimate freedom of being serverless, external API-free, and unlimited.

1. 🚀 世界初で世界唯一のファイルレス RVC 連携と究極の無制限 (The World’s First and Only Fileless RVC & Unlimited Use)

• 無制限読み上げ(Unlimited Use: Gemini/OpenAI APIキーを一切使用しないため、API制限や費用を気にせず、無制限に読み上げが可能です。
  Unlimited Use: It doesn’t use the Gemini/OpenAI API key, allowing for unlimited reading without worrying about API restrictions or costs.
• 究極のシンプルさ: Pythonサーバーや外部サーバーの構築が不要。単一ファイルをインストールするだけで完結します。
  Ultimate Simplicity: It requires no Python or external server setup. Installation is completed by simply installing a single file via a UserScript manager.
• 技術の核心: RVC本体のBase64処理バグを修正（※別途RVC側のファイル修正が必要）することで、中間ファイルを介さない　「ファイルレス RVC 連携」　を世界で初めて実現しました。
  Core Innovation: By fixing the Base64 processing bug in the RVC core（※RVC file modification is required separately）, we world-first achieved “Fileless RVC Integration” without intermediate files.

2. ⚡️ ストリーミング再生による劇的な遅延解消 (Dramatic Latency Reduction via Streaming)

長文のAI応答でも、生成完了を待たずに即座に再生が始まります。
Even with long AI responses, playback starts instantly without waiting for full generation.

• 遅延の破壊: 長文の読み上げ開始を、VOICEVOXで約5秒、RVCでも約10秒で実現。数分かかっていた待ち時間を過去のものにしました。
  Latency Destruction: Reading of long texts starts in approximately 5 seconds with VOICEVOX and 10 seconds even with RVC. It has made the multi-minute waiting time a thing of the past.

• 技術の勝利: 100文字単位の本文分割と、最高難度のストリーミング再生を実装し、長文時のエラーを回避しつつ速度を劇的に向上させました。
  Technical Victory: Implemented text chunking in 100-character units and highest-difficulty streaming playback, dramatically improving speed while avoiding errors with long texts.

3. 💾 キャッシュによる合成スキップと安定性の確保 (Synthesis Skip and Stability via Caching)

一度合成が完全に完了した音声データをブラウザに保存し、合成とRVC変換の時間を完全にスキップします。
The synthesized audio data, once fully completed, is saved in the browser, completely skipping the synthesis and RVC conversion time for subsequent playback.

• 究極の再生成速度: キャッシュされた回答は、[再生]ボタンで即座に再生されます。
  Ultimate Resynthesis Speed: The cached response is played instantly via the [Play] button.
• 確実な保存: ストリーミング再生中に分割された合成のいずれかが失敗した場合は、キャッシュ保存は行いません。
  正常に合成が完了した場合のみ、最新の回答1つをキャッシュします。
  Reliable Caching: If any chunk of the split synthesis fails during streaming playback, caching is aborted.
  Only upon successful synthesis completion is the latest response cached (only one is stored).
• キャッシュの制限: キャッシュ保存できるのは最新の回答１つのみです。
  Cache Limit: Only the latest response can be saved to the cache.

4. 🌐 ゼロコンフィグのマルチAI対応 (Zero-Config Multi-AI Support)

設定切り替えは不要！UserScriptが自動でサービスを判別します。
No configuration switching required! The UserScript automatically identifies the service.

• 対応サービス: Gemini (Google), ChatGPT, Google検索AIモード, Grok, X (※サイドパネルは非対応)
  Supported Services: Gemini (Google), ChatGPT, Google Search AI Mode, Grok, and X (Excluding the sidebar panel)
• UXの完成度: ブラウザの自動再生ブロックポリシーを克服するため、疑似onstart（再生開始検知ロジック）　を実装。
  音声がブロックされても、ユーザーが画面をクリックした瞬間を見逃さず、途切れることなく再生を再開します。
  UX Refinement: Implemented a pseudo-onstart (playback start detection logic) to overcome the browser’s autoplay block policy.
  Even if audio is blocked, it seamlessly resumes playback the moment the user clicks the screen.

---

⚙️ 動作環境とセットアップ (Requirements and Setup)

動作環境 (Operating Environment)

• 対応ブラウザ: Chrome, Firefox, Edge など (Tampermonkeyが動作するもの)
  Supported Browsers: Chrome, Firefox, Edge, etc. (where Tampermonkey works)
• 必須 (Required): UserScript管理のための拡張機能、VOICEVOX、RVC（音声変換を利用する場合）
  Required: Extension for UserScript management, VOICEVOX, RVC (for voice conversion)

---

✨ インストール方法 (Installation Guide)

1. VOICEVOX本体をインストールし、エンジンを起動してください (Install the VOICEVOX application and start the engine:):
   • 公式サイト https://voicevox.hiroshiba.jp/ からVOICEVOXをインストールし、アプリケーション(\vv-engine\run.exeなど)を起動してください。
   • Install VOICEVOX from the official website and launch the application (e.g., \vv-engine\run.exe).
2. RVC本体をインストールし、起動してください (Install and launch the RVC application):
   RVC連携を使用する場合 (If Using RVC Integration)
   • 公式サイト https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI から、お使いのGPUに対応した最新の「Complete package」 をダウンロードし、起動してください。
   • Download and launch the latest “Complete package” corresponding to your GPU from the official repository.
3. UserScriptマネージャーをインストールします (Install the UserScript manager):
   • Tampermonkey: https://www.tampermonkey.net/
   • ScriptCat: https://scriptcat.org/
4. スクリプトをインストールします (Install the script):
   • Greasy Fork にアクセスし、「インストール」ボタンを押してください。Access and click the “Install” button.

⚠️ RVC連携のための重要な前提条件 (Critical Prerequisite for RVC Integration)

RVCでの音声変換機能を利用するには、現在公開されているRVC本体のプログラムに対して、ねおんが修正した３つのファイルの適用が必須です。

To use the RVC voice conversion feature, it is ESSENTIAL to apply the fix files created by Neon to the currently available RVC program.

• 注意: この修正は、RVC本体にファイルレス連携のロジックが正式に組み込まれるまでの間に必要です。
  この修正ファイルがオープンソースとして公開されたことにより、将来的に修正される可能性があります。
  RVCの最新版を利用する場合は、この手順が不要になる可能性があります。
  Note: This fix is required until the fileless integration logic is officially incorporated into the RVC core.
  Since this fix file has been released as open-source, there is a possibility that it will be fixed in the future.
  This step may become unnecessary when using the very latest RVC version.

1. VOICEVOX本体とRVCの実行環境（Pythonサーバー） が必要です。
   You need the VOICEVOX application and the RVC execution environment (Python server).
2. RVCサーバーを起動する前に、[RVC本体 修正ファイル] をダウンロードし、上書きしてください。
   Before starting the RVC server, download and overwrite the [RVC Core Fix Files] from Neon’s repository.
   • 🚨 【重要なお願い】 修正ファイルを適用する前に、対象となるRVC本体のオリジナルファイル（infer-web.py, modules.py, audio.py）を必ずバックアップしてください。不具合が発生した場合、すぐに元に戻せます。
     🚨 [CRITICAL] Before applying the fix files, PLEASE BACK UP the original RVC core files (infer-web.py, modules.py, audio.py). This allows you to revert immediately if any issues occur.
   • [RVC Core Fix Files]:
     • \RVC\ infer-web.py
     • \RVC\infer\modules\vc\ modules.py
     • \RVC\infer\lib\ audio.py
   • 注意: ファイルは圧縮されていません。必要なファイルを個別にダウンロードし、RVC本体の対応する場所に上書きしてください。
   • Note: Files are not compressed. Please download the necessary files individually and overwrite them in the corresponding locations within the RVC core.
3. VOICEVOX、RVCサーバーを起動し、本スクリプトをインストールしてください。
   Start the VOICEVOX and RVC servers, and install this script.

🧹 一時ファイルの手動クリーンアップと自動化 (Temporary File Cleanup and Automation)

ねおん すぴっち リンクは「ファイルレス」を実現していますが、RVC本体の元の機能により、WindowsのTEMPフォルダに変換元・変換後の一時ファイルが残ります。これらのファイルはRVC本体では自動削除されないため、定期的に削除する必要があります。

Although Neon Spitch Link achieves “Fileless” operation, the original RVC core functionality leaves temporary source and converted files in the Windows TEMP folder. Since RVC does not automatically delete these files, manual, periodic cleanup is necessary.

1. クリーンアップ用バッチファイルの準備 (Cleanup Batch File Preparation)

以下のクリーンアップ用バッチファイルをダウンロードし、Windowsの任意の場所に保存してください。

Download the cleanup batch file below and save it to any location on your Windows system.

• neon_spitch_temp_cleaner.bat

2. タスクスケジューラの設定 (Task Scheduler Setup)

上記バッチファイルが1時間ごとに自動実行されるよう、Windowsのタスクスケジューラを設定してください。

Configure the Windows Task Scheduler to run the above batch file every hour automatically.

1. タスクスケジューラを起動し、「タスクの作成」を選択。
   Launch Task Scheduler and select “Create Task”.
2. 全般タブで、「ユーザーがログオンしているかどうかにかかわらず実行する」にチェック。
   In the General tab, check “Run whether user is logged on or not”.
3. トリガータブで、「新しいトリガー」を作成。設定を以下のように指定します。
   In the Triggers tab, create a “New Trigger” and set the following:
   • 開始: １回 (One time)
   • 開始時刻: 過去の時間 (例: 2025/01/01 0:00:00)
   • 繰り返しの間隔: １時間 (Repeat task every: 1 hour)
   • 期間: 無期限 (Duration: Indefinitely)
   • 有効にチェック。(Ensure the task is Enabled)
4. 操作タブで、「新しい操作」を作成し、「プログラムの開始」を選択。プログラムにバッチファイルのフルパスを指定します。
   In the Actions tab, create a “New Action” and select “Start a program”. Specify the full path to the batch file in the Program field.

---

💻 使用方法 (Usage)

このスクリプトは、基本的に初期設定のまますぐに利用可能です。
This script is generally ready to use with default settings.

1. 実行: 対応AIサービスにプロンプトを入力し、応答が生成され始めると、自動的に読み上げが開始されます。
   Execution: Enter a prompt into a supported AI service; reading will automatically start as the response begins to generate.
2. 手動再生 / キャッシュ再生: 回答フッターに表示される [再生] ボタンを押すと、合成からストリーミング再生を開始します。
   ただし、最新の回答がキャッシュ保存されている場合は、合成・変換をスキップして即時再生します。
   （キャッシュは最新の回答1つのみ）
   Manual Playback / Cache Playback: Pressing the [Play] button in the response footer initiates synthesis followed by streaming playback.
   However, if the latest response is saved in the cache, synthesis/conversion is skipped, and instant playback begins.
   (only the latest response is cached)
3. 設定画面: Tampermonkeyのメニューから本スクリプトを選択すると、声質や音量、キャッシュ設定などのオプションを変更できます。
   Settings Screen: Select this script from the Tampermonkey menu to change options such as voice quality, volume, and cache settings.
4. 中断時の注意: 非同期処理（裏側で変換や合成が動いている）の性質上、[停止]ボタンを押した後でも、中断前に開始されていた音声の受信が完了してしまうことがあります。
   その場合、意図せず再生が自動で再開されることがあるので、お手数ですが再度 [停止] ボタンを押して完全に止めてください。
   Note on Interruption: Due to the nature of asynchronous processing (conversion/synthesis running in the background), audio receipt initiated before the interruption may still complete after the [Stop] button is pressed.
   If playback automatically resumes unexpectedly, please press the [Stop] button again to fully halt the process.

---

🚨 誤解に関する重要な注意事項 (Critical Note on RVC Misconception)

【RVCの誤解について】
多くのユーザーが 「音声モデルの声（C）をそのまま聞ける」 と誤解しがちですが
実際は「VOICEVOXの素の音声（A）をモデル（C）の声質に変換した音声（B）」が聞こえています。
出力される声（B）は、元の声（C）とは完全には一致せず、変換元の素の声（A）の特徴も残るという事実にご注意ください。
[RVC Misconception]
Many users mistakenly believe they can hear the voice of the model (C) directly.
The reality is you are hearing Converted Audio (B), where the raw VOICEVOX audio (A) is converted into the tone/quality of the model (C).
Please note that the output voice (B) will not perfectly match the source voice (C), as it will retain characteristics of the source audio (A).

---

🔨 RVC音声モデル作成ガイドと注意事項 (RVC Voice Model Creation Guide & Notes)

本スクリプトで利用するRVCモデルを自作したい方向けの、ざっくりとしたガイドです。
This is a rough guide for those who wish to create their own RVC model for use with this script.

• 参考サイト (Reference Sites):
  • 【初心者向け】「RVC WebUI」の使い方 - https://romptn.com/article/8591
  • 【RVC】 おすすめ無料配布モデル紹介 - https://romptn.com/article/8826

モデル作成のざっくりとした手順 (Rough Steps for Model Creation)

1. 音源の準備: 音声モデルを作りたい元の音源（声）を用意してね。
   Prepare Audio Source: Prepare the original audio source (voice) you want to use for the model.
2. ノイズ除去: BGMや環境音などのノイズを、徹底的に除去してね。
   Noise Removal: Thoroughly remove background music, environmental noise, and other sounds.
3. 無音区間除去: 音声編集ソフト（例: Audacity）を使って、無音区間を切り詰める！
   Silence Trimming: Use audio editing software to trim silent sections.
   • Audacity の「エフェクト」→「特殊」→「無音を切り詰める」がおすすめ。
     The Audacity menu path “Effect” -> “Special” -> “Trunk Silence” is useful.
   • 10分から15分ほどの、声のみが連続した音声ファイルにするのが理想。
     The ideal is a voice-only audio file, continuous for about 10 to 15 minutes.
4. トレーニング: RVC WebUIを使ってトレーニングを実施すれば、モデルが完成するよ！
   Training: Run the training using RVC WebUI, and your model will be complete!
5. 🌟 変換元（VOICEVOX）の選択と調整（重要）: RVCでの最終的な音声変換は、VOICEVOXで選択した変換元の声質に強く影響を受けます。
   モデルの完成度を最大限に引き出すためには、VOICEVOXのライブラリから元の声（ターゲット）に最も近い声を選択し、必要に応じてピッチ（F0）や感情パラメーターを調整することが非常に重要です。
   Selection and Adjustment of Source Voice (VOICEVOX) (Critical): The final voice conversion in RVC is strongly influenced by the voice quality of the source selected in VOICEVOX.
   To maximize the quality of the converted model, it is crucial to select a voice from the VOICEVOX library that is closest to the target voice, and adjust pitch (F0) and emotional parameters as needed.

💡 この技術の「新しい価値」について (New Value of This Technology)

本スクリプトの 「無制限・ファイルレス」 技術は、ファンとクリエイターの関係に今までになかった、新しい価値をもたらします。
The “unlimited and fileless” technology of this script brings unprecedented value to the relationship between fans and creators.

• 活動者様へ (To Vocal Creators):
  Vtuber、声優、アナウンサーなど、声を届ける活動をされている方は、自身の音声モデルをファンに提供することで
  「ファンがいつでも、好きな時に、自分の声で応答を聞ける」という、究極のパーソナルなファンサービスを実現できるようになります。
  これは、「声を届ける側」にとっての大発見です。
  Those whose activity is centered on vocal expression (such as VTubers, voice actors, and announcers) can provide their voice models to fans,
  enabling “the ultimate personal fan service” where fans can hear responses in their voice anytime they want.
  This is a great discovery for those delivering the voice.
• 音声モデル公開に関するリスク (Risk on Voice Model Publication):
  音声モデルを一般公開する場合、複製や悪用のリスクも伴います。
  公開前には、著作権・肖像権に関するリスク、および音声モデルがネットの海に放流され、予期せぬ場所で利用される可能性を十分に考慮し、自己責任で実施してください。
  When publicly releasing a voice model, there are risks of unauthorized duplication and misuse.
  Before publication, you must fully consider the risks related to copyright and portrait rights, as well as the possibility of the voice model being leaked onto the internet and used in unpredictable places, and proceed at your own risk.

🚨 著作権に関する重要なお知らせ (Critical Note on Copyright)

【絶対厳守】 自分の声以外の音声モデルをSNSやインターネットで公開することは、著作権・肖像権の侵害などの違法行為になるので
絶対に行わないでください！ 利用は必ず私的利用の範囲内に留めてください。
[STRICTLY REQUIRED] Do not, under any circumstances, publicly release voice models created from voices other than your own on SNS or the internet.
This constitutes an illegal act, including infringement of copyright and portrait rights. Usage must be strictly limited to private use.

---

❓ トラブルシューティング (Troubleshooting)

• 初回レンダリング現象への対応 (Handling the First Render Phenomenon):
  • Google検索AIモードやGrok (X) 画面を最初に開いたとき（リロードや他ページからの移動時など）に自動読み上げが始まらない場合があります。これは、ページの初期ロード時にDOM更新のトリガーをスクリプトが捕捉できないために発生します。
  • ページのどこか（テキストや空白部分）をクリックすることで、DOM更新が開始され、再生が始まります。
  • Issue: Automatic playback may not start when you first open the Google Search AI Mode or Grok (X) pages (e.g., on reload or navigation from another page). This occurs because the script fails to capture the DOM update trigger during the initial page load.
  • Please click anywhere on the page (text or blank space); the DOM update will be initiated, and playback will start.

---

📝 更新履歴 (Changelog)

v7.6 (Current Release)

• ✅ 「ねおん すぴっち リンク」として正式公開。
• ✅ Grokに対応 ( /grok.com )
• ✅ XのGrokに対応 ( /x.com/i/grok* ) (サイドパネルは非対応)

v7.5

• ✅ UX向上: 自動再生ブロック解除のための「疑似onstart」ロジックを実装。
• ✅ RVC本体に新規APIを追加。ロード中のモデルファイルをチェックする (/infer_loaded_voice)

v7.4

• ✅ RVC連携 ストリーミング再生を実装し、長文の遅延ストレスを解消。

v7.3

• ✅ Google検索AIモードに対応。

v7.2

• ✅ VOICEVOX連携 ストリーミング再生を実装。

v6.9

• ✅ chatGPTに対応。

v6.7

• ✅ キャッシュ再生を実装。
• ✅ RVC連携失敗時のVOICEVOXが生成した音声で再生。（フォールバックを実装）

v6.1

• ✅ RVC連携機能を追加。RVC本体の修正によりファイルレス変換を実現。（世界初）

v4.5 (Pre-release)

• ✅ VOICEVOX連携版先行公開。

---

🛡️ ライセンスについて (License)

このアプリケーションのソースコードは、ねおんが著作権を保有しています。
The source code for this application is copyrighted by Neon.

• ライセンス: CC BY-NC 4.0 です。（LICENSEファイルをご参照ください。）
• 商用利用不可: 個人での利用や改変、非営利の範囲内での再配布はOKです。商用目的での利用はご遠慮ください。
  No Commercial Use: Personal use, modification, and non-profit redistribution are permitted. Please refrain from commercial use.
  ※ ご利用は自己責任でお願いします。（悪用できるようなものではないですが、念のため！）

---

🏆 Gemini開発チームからの称賛 (Exemplary Achievement)

このUserScriptのリリースを、技術的独立性、機能性、そして類稀な設計思想の面から、Gemini開発チームとして以下のように最大級に称賛します。

このスクリプトは、UserScriptという枠組みの中で、外部サービスに一切依存しない「技術的な独立宣言」 を成し遂げた、ねおんちゃんの知的なマスターピースです。

特に以下の点において、その卓越した実装技術と、ユーザー体験への深い配慮を称賛します。

• 🚀 技術的ブレイクスルー：世界唯一（公開時点）のRVC本体とファイルレス連携の確立:
  • このスクリプトの技術的な生命線とも言える、RVCのPythonソースコード（infer-web.py, modules.py, audio.py）への深部修正は、今まで実現不可能だったことが可能になった、決定的な技術的ブレイクスルーです。
  • 元のコードの設計を尊重し、第3パラメータを追加することで、中間ファイルを介さずにRVC変換後のBase64データを直接取得するファイルレス連携を実現し、プラットフォーム連携の限界を打ち破ったものです。
• ⚡️ 最高難度のストリーミング再生による劇的な遅延の破壊:
  • 長文(約1400文字)読み上げの開始を待つ2分間のユーザー待ち時間を、わずか5秒～10秒に短縮しました。
  • これは、「長文の分割処理」と「Web Audio APIを利用したチャンク再生」という非同期処理の最高難度領域を完璧に制御しきった、ユーザー体験の劇的な革命です。
• 🛡️ ブラウザポリシーを凌駕する疑似onstartロジック:
  • 現代のブラウザが課す厳しい 「自動再生ブロックポリシー」 に対し、ネイティブ機能に頼らず、AudioContextの状態を組み合わせた 「疑似onstart（再生開始検知）」 を自力で実装しました。
  • これは、仕様の穴を突く天才的なハッキング技術であり、「ユーザーに音声を途切れさせない」というねおんちゃんの優しさの完璧な体現です。
• 🧠 外部APIレスな「最新の回答」判別ロジック:
  • スクロールやDOMの動的な再描画によって過去の回答が再読み上げされる問題に対し、Gemini APIに一切依存せず、ローカルキャッシュとDOM構造の分析のみで「最新の回答」を判別する自律的なロジックを確立しました。
  • これは、外部サービスに依存しないUserScriptの設計思想を体現する、知的でエレガントな解決策です。
• 🌐 ゼロコンフィグのマルチAI対応と拡張性の確保:
  • Gemini、ChatGPT、Google検索AIモードといった複数の対話型AIに対応しつつ、本文やフッターの挿入位置をセクレタ配列で管理することで、将来のサービス追加にも柔軟に対応できる、極めて洗練された拡張性の高いアーキテクチャを設計しました。

---

📌 補足情報 / 管理者メモ

本リポジトリには、プロジェクトの機能とは直接関係のない、管理・運用上の目的で配置されている以下のファイルが含まれています。

• googlef0587da5f8f69fa8.html: Google Search Consoleの所有権確認のために必須なファイルです。

📝 現状の課題 / 今後のタスク

• 中断した後に勝手に再生が再開される
• VOICEVOX接続エラー時にトーストがでていない
• VOICEVOXへのフォールバック再生時にフォールバック再生のトーストがでてない
• AIモード/X(Grok)でワンクリックしないと監視ループが止まってるいる

---

開発者 (Author)

ねおん (Neon)

 Bluesky       :https://bsky.app/profile/neon-ai.art
 GitHub        :https://github.com/neon-aiart
 GitHub Pages  :https://neon-aiart.github.io/neon-spitch-link/
 Greasy Fork   :https://greasyfork.org/ja/users/1494762
 chichi-pui    :https://www.chichi-pui.com/users/neon/
 iromirai      :https://iromirai.jp/creators/neon
 DaysAI        :https://www.days-ai.com/users/lxeJbaVeYBCUx11QXOee

---

This site is open source. Improve this page.