---
name: presenter-setup
description: presenterスキル（ローカルのFish Audio S2 Pro音声合成）を使える状態にする。前提ソフト（NVIDIA GPU、CUDA Toolkit、Visual Studio C++、uv、Git、FFmpeg）の確認と導入、Fish Audio Research Licenseの確認、s2.cppのビルド、モデル（約3.6 GB）のダウンロード、動作確認、必要なら声の登録までを、ユーザーにコマンドを叩かせずに進める。「presenterをセットアップして」「音声合成を使えるようにして」「TTSのエンジンを入れて」「doctorでエラーが出た」「ビルドし直して」「CUDAを更新したので作り直して」と言われたとき、またはpresenterの`doctor`で`engine.ready`がfalseのときに使う。音声の生成そのものはpresenterが担当する。
license: MIT
compatibility: Windows 10/11とNVIDIA GPU（VRAM 6 GB以上）が必要。CUDA Toolkit 12.4以上・Visual Studio 2022のC++ビルドツール・uv・Git・FFmpegを使う（なければwingetで導入する。管理者権限と数GBのダウンロードが要る）。GitHubとHugging Faceへの接続が必要。presenterスキルと同じ場所にインストールされていること。
---

# presenter-setup

presenterのエンジン（s2.cpp）とモデルを用意し、音が出るところまで確かめる。
ユーザーにやってもらうのは、**ソフトの導入とライセンスへの同意の承認**だけにする。それ以外のコマンドはこちらで実行する。

## 0. presenterスキルを見つける

このスキルのフォルダの隣にある`presenter/`（例: `.claude/skills/presenter/`）を`<presenter>`とする。
`<presenter>/tools/pyproject.toml`がなければ止めて、presenterスキルも入れるよう伝える（`npx skills add`で両方入れる）。
コマンドはすべて`uv run --project "<presenter>/tools" presenter-tts ...`で呼ぶ。パスは引用符で囲む。

## 1. いまの状態を調べる

```powershell
uv run --project "<presenter>/tools" presenter-tts doctor
```

uv自体がない場合はこのコマンドが動かないので、先に手順2でuvを入れる。
出力のJSONから次を読む。**`engine.ready`がtrueなら手順5（動作確認）へ飛ぶ。**

| 項目 | 必要な状態 |
|---|---|
| `prerequisites.windows` | true（Windows以外は未対応。そう伝えて止める） |
| `gpu` | NVIDIAのGPUがあり、合計のVRAM（2つ目の値、MB）が6000以上 |
| `prerequisites.cuda_version` | 12.4以上 |
| `prerequisites.visual_studio_cpp` | パスがある（C++のビルドツールが入っている） |
| `prerequisites.git`、`uv`、`ffmpeg`、`ffplay` | パスがある |
| `huggingface.co`、`github.com` | `DNS available` |

GPUがない、またはVRAMが足りない場合は、セットアップを進めずにその旨を伝える（CPUだけでは実用的な速度にならない）。

## 2. 足りないソフトを入れる

足りないものだけを一覧にし、**何を・どこから・どれくらいの容量で入れるか**を見せて、承認を得てから入れる。
大きなもの（Visual Studio、CUDA）は管理者権限が必要で、ダウンロードも数GBある。承認なしに入れない。

| ソフト | 導入コマンド | 備考 |
|---|---|---|
| uv | `winget install --id astral-sh.uv -e` | |
| Git | `winget install --id Git.Git -e` | |
| FFmpeg（FFplayを含む） | `winget install --id Gyan.FFmpeg -e` | |
| Visual Studio 2022 C++ビルドツール | `winget install --id Microsoft.VisualStudio.2022.BuildTools -e --override "--wait --passive --add Microsoft.VisualStudio.Workload.VCTools --includeRecommended"` | CMakeも含まれる。数GB |
| CUDA Toolkit | `winget show --id Nvidia.CUDA --versions`で版を確かめ、12.4以上を`winget install --id Nvidia.CUDA -e --version <版>` | 約3 GB。GPUドライバーの更新は別に判断する |

- 導入後は、新しく開いたシェルでないとPATHが反映されないことがある。もう一度`doctor`を実行し、見つからない場合はフルパスで確かめる。
- CUDAが複数入っていて、PATHの先頭が古い版（11.xなど）のことがある。`C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\`の下で12.4以上の最も新しい版を選び、手順4で`-CudaRoot`に渡す。PATHは書き換えない。
- CUDAやWSLの細かい確認は[cuda-wsl.md](references/cuda-wsl.md)を読む。

## 3. ライセンスに同意をもらう

s2.cppのエンジンとS2 Proのモデルは**Fish Audio Research License**で提供される。ダウンロードの前に、次をユーザーに伝えて同意を得る。

- 研究・非商用の利用は無償。**商用利用にはFish Audioとの別途の契約が必要**（business@fish.audio）
- 配布するときはライセンス文と帰属表示（"This model is licensed under the Fish Audio Research License, Copyright © 39 AI, INC. All Rights Reserved."）が必要
- 全文は取得後の`%LOCALAPPDATA%\presenter-tts\cache\s2.cpp\LICENSE.md`

同意がなければ、ここで止める。

## 4. エンジンをビルドし、モデルを取得する

まず確認だけを行う（数秒）。

```powershell
& "<presenter>/tools/scripts/setup-s2.ps1" -CheckOnly -CudaRoot "<CUDAのフォルダ>"
```

`ReadyToConfigure`がtrueなら、本番を**バックグラウンドで**実行する。s2.cppの取得とCUDAビルドに約20分、モデルのダウンロードに数分かかる。始める前に目安の時間を伝える。

```powershell
& "<presenter>/tools/scripts/setup-s2.ps1" -CudaRoot "<CUDAのフォルダ>"
```

- 置き場所は`%LOCALAPPDATA%\presenter-tts\cache\`（環境変数`PRESENTER_TTS_HOME`があればその下）。どのプロジェクトからも共有され、スキルを更新しても消えない。
- ビルド中に大量に出る`warning C4819`（文字コード）や`C4244`（型変換）は無害。終わりに`Setup finished`が出れば成功。
- 失敗したら、出力の`error`を含む行を探す。CUDAの版が古い、CMakeやC++ツールがない、などは手順2に戻る。同じビルド先を別のCUDAで構成し直して拒否された場合は、`cache\s2-build`を消してからやり直す（ユーザーに確認してから）。
- モデルのダウンロードだけが失敗した場合、ビルドは残っている。もう一度同じコマンドを実行すればダウンロードから再開する。

設定ファイルがなければ、見本をコピーする（既存のものは上書きしない）。

```powershell
$ttsHome = if ($env:PRESENTER_TTS_HOME) { $env:PRESENTER_TTS_HOME } else { Join-Path $env:LOCALAPPDATA 'presenter-tts' }
$config = Join-Path $ttsHome 'config.toml'
if (-not (Test-Path -LiteralPath $config)) {
    New-Item -ItemType Directory -Path $ttsHome -Force | Out-Null
    Copy-Item "<presenter>/tools/presenter.example.toml" -Destination $config
}
```

## 5. 音が出るか確かめる

```powershell
uv run --project "<presenter>/tools" presenter-tts doctor
uv run --project "<presenter>/tools" presenter-tts say "こんにちは。音声合成のテストです。"
```

`engine.ready`がtrueで、`say`がエラーなく終わったら、**ユーザーに聞こえたかを尋ねる**。
生成も再生も成功しているのに聞こえない場合は、Windowsの出力デバイスとミュートを確かめてもらう（よくある原因）。
サーバーの起動に失敗したら`%LOCALAPPDATA%\presenter-tts\cache\s2-server.log`の末尾を読む。GPUのメモリ不足なら、`config.toml`の`[server] gpu_layers`を減らす（例: 18）。

確かめ終わったら、続けて使う予定がなければサーバーを止める（GPUのメモリを約4 GB使うため）。

```powershell
uv run --project "<presenter>/tools" presenter-tts server stop
```

## 6. 声を登録する（任意）

既定の声はモデル自身の声で、文ごとに声質が変わることがある。発表に使うなら、声を1つ登録しておくとよい。
ユーザーが望んだ場合だけ、presenterスキルの「声を登録する」の手順に従う（本人の声か許可を得た声だけ）。
登録したら、`config.toml`の先頭の`voice = "<名前>"`を有効にすると既定の声になる。

## 7. 報告する

次をまとめて伝える。

- 入れたソフトと版、ビルドしたCUDAの版
- 置き場所（`%LOCALAPPDATA%\presenter-tts`）と使った容量
- 動作確認の結果（聞こえたかどうかを含む）
- 次にできること（presenterでスライドの音声を作る、`say`で話させる）と、片付けの方法（presenterの`references/cleanup.md`）

## やり直すとき

- CUDAを更新した、ビルドが壊れた: `cache\s2-build`を消して手順4から。
- モデルを消した: 手順4をもう一度実行する（ビルドは使い回され、ダウンロードだけが走る）。
- 別のPCに移る: そのPCでこのスキルを最初から実行する。声は`%LOCALAPPDATA%\presenter-tts\voices`をコピーすれば持っていける。