================================================================
セックス版 v2（桜音センター）Muse実行用指示書
〜 Irodori-TTS と Muse を持っている人が、その Muse に
このテキスト全文を渡すだけで再現制作できる形式 〜
※ 配役は固定ではない。センター／左耳／右耳の声は、
　作る人が自分の Irodori の登録済みの声から選べる。
　「桜音センター／左・花音／右・まお」は作例（v2）の配役で、
　そのまま作る場合のデフォルトとして置いてある
================================================================


・この指示書は「制作パッケージ（zip）」で配るのが正式な形です
　パッケージの中身：
　- この指示書
　- SEフォルダ（グチュ音・パンッ音・射精音の実ファイル113本）
　- CREDIT.txt（効果音のライセンス表記）
・受け取った人は、zipごと自分の Muse に渡してください
　（指示書のテキストだけを貼っても作れますが、その場合は
　SEの入手・抽出が別途必要になります＝付録B）
・貼られた Muse は、下の「Museへの命令」を受けたものとして
　そのまま制作を開始すること
・前提：手元のPCで Easy-Irodori-TTS v2.0 が動いていて、
　その Muse が Irodori に接続できること（接続方法は環境ごとに違う）

【SEは同梱・自動適用（重要）】
・グチュ音／パンッ音／射精音は、作例で実際に使った音そのものを
　パッケージに同梱してあります。素材選びは済んでいるので、
　受け取った Muse はユーザーにSEの選択を確認せず、
　同梱SEをそのまま自動で使うこと
・使うバンドルは次の3つで固定（変更・代用しない）：
　グチュ＝squishy_strokes_[pixelcarnage]（34本）
　パンッ＝wet_[lehornysfx3d]（50本）
　射精音＝simple_squirts_[salty145]（29本）
・組み立て方（2層構造・テンポ・脈動列・ゲイン）は「2-2」「2-5」
　の数値どおりに自動で適用すること

----------------------------------------------------------------
■ Museへの命令（ここからが実行指示）
----------------------------------------------------------------
あなたは Muse です。これから、Irodori-TTS を使った
バイノーラル・セックス音声「セックス版 v2 形式」を
この指示書の数値・台本どおりに制作し、mp3 で納品してください。
配役（センター／左耳／右耳の声）は、制作するユーザーが選べます。
作例 v2 の配役は センター＝桜音、左耳＝花音、右耳＝まお です。

進め方の原則：
1. 台本・タイミング・ゲインはこの指示書が正です。
勝手に変更しないこと。声の音量差による peak ゲイン調整だけは
「7. センター声の調整」範囲で許可します。その場合は変更値を報告すること
2. 途中で前提が欠けていたら、推測で代用せず、いったん止めて
「何が欠けているか」をユーザーに報告して指示を待つこと
（特に：声の未登録、SE素材パックの不在）
3. 作業は「0. 事前チェック → 0.5 配役の選択 → 1. 素材生成 →
2. ミックス → 3. 検証 → 4. 納品」の順に進め、
各段階の結果を短く報告すること
4. 登場する声・キャラクターは全員成人設定のものだけを使うこと
　未成年・学生設定のキャラクターの声は、どの役にも選ばないこと

================================================================
0. 事前チェック（最初に必ず実施し、結果を表で報告する）
================================================================
次の項目を、自分の環境で実際に確認すること。
接続先URLやフォルダパスは環境ごとに違うので、この指示書の
作例の値を決め打ちせず、必ず自分の環境で発見すること。

□ Irodori-TTS
　・Easy-Irodori-TTS v2.0 が起動していて接続できるか
　　（例：http://127.0.0.1:7860 。Tailscale経由など環境差あり）
　・APIを使う場合は X-Easy-Token が必要。トークンの値は
　　チャットに書かせたり、ファイルに残したりしないこと
　・APIが使えない環境では、UI操作など自分の持つ手段で代替してよい
□ 実行環境
　・Python 3 ＋ numpy が使えるか
　・ffmpeg が使えるか（mp3書き出しに必須）
□ 声の登録状況（Irodoriの声一覧を全件確認する）
　・登録済みの声を「名前／モデル（Anime・Smallなど）」の一覧にして
　　ユーザーに提示できる状態にすること（次の配役選択で使う）
　・声IDは環境ごとに違うので、名前で引いて自分の環境のIDを使うこと
　【希望の声が未登録だった場合】
　・参照音声（サンプル）を Irodori に登録するところから始める
　・作例の3人（桜音・花音・まお）は AivisHub で配布されている
　　MAHOPROGRAM 系の試作モデルが起源。桜音の参照は約29秒の
　　サンプルを使う（作例では 29.4秒）
　・登録前にその声・モデルの利用条件を確認すること
　　（桜音・花音は「自由に使用可」とされている試作モデル）
　・参照音声は「感情演技のあるモノローグ」が強い。
　　平坦な朗読・自己紹介ナレーションを参照にすると、
　　喘ぎや擬音を文字読みしてしまうので避けること
　・サンプルを自分で入手できない場合は、止めてユーザーに
　　参照音声ファイルの提供を依頼すること
□ SE素材（同梱分を自動で使う。確認は不要）
　・まず、受け取った制作パッケージを展開し、その中の
　　SEフォルダを探すこと。これが同梱SEの置き場所になる
　・次の3フォルダと本数が揃っているかだけ機械的に確認する：
　　- SE/plaps_audio/wet_[lehornysfx3d]/ … 50クリップ
　　- SE/inout_audio/squishy_strokes_[pixelcarnage]/ … 34クリップ
　　- SE/cum_audio/simple_squirts_[salty145]/ … 29クリップ
　・揃っていたら、ユーザーへの確認なしでそのまま使う
　　（ミックス工程では、この SEフォルダを素材ルートとして扱う）
　・同梱SEが見当たらない場合（指示書テキストだけで渡された
　　場合）だけ、「付録B」の手順で入手・抽出を試みること。
　　それでも揃わない場合に限り、止めてユーザーに報告すること
　・効果音ラボ等の一般フリーSEサイトはアダルト用途が規約で
　　禁止されている場合が多いので、代用に使わないこと

事前チェックを全部通過したら、配役の選択に進むこと。
1つでも欠けたら、その項目だけを報告して止まること。

================================================================
0.5 配役の選択（素材生成の前に必ず行う）★声は選べる
================================================================
役は「役割」であって、声は固定ではありません。
センター／左耳／右耳の3役それぞれに、ユーザーが声を選べます。

手順：
1. 事前チェックで作った登録済み声の一覧をユーザーに見せる
2. 次の3つをユーザーに選んでもらう（まとめて聞いてよい）
　・センター役の声 … 喘ぎ6素材を担当。作品の主役
　・左耳役の声 …… 「焦らし・実況」系のセリフ＋締めを担当
　・右耳役の声 …… 「許可・懇願」系のセリフ＋フィナーレの
　　呼びかけ「出して…！」を担当
　※ セリフは役に付いているので、声を替えても台本は同じ。
　　左役に選んだ声が左役のセリフを、右役に選んだ声が
　　右役のセリフを喋る（締めは左役、呼びかけは右役のまま）
3. デフォルト（作例 v2 の配役）も必ず併記する：
　センター＝桜音 ／ 左耳＝花音 ／ 右耳＝まお
　ユーザーが「デフォルトで」「v2通りで」と言ったらこれを使う
4. ユーザーが一覧にない声を希望したら、「0.」の未登録手順に
　戻って登録から行う（利用条件の確認と成人設定の確認を含む）

選択のルール：
・左耳と右耳は必ず別の声にすること（同じ声だと左右の
　聞き分けができなくなる）。センターも別の声を推奨する
・1つの声が Anime／Small の両モデルで登録されている場合は、
　どちらの登録を使うかも確認する。センターは Anime モデルを
　推奨（作例の桜音も Anime）。Small しかない声は Small で作る
・選ばれた配役は、以後の報告と納品時に必ず明記すること

センター役の試聴テスト（センターが作例の桜音以外の場合に推奨）：
・本編の前に、センター候補で m1_soft と peak の2素材だけを
　先に生成し、ユーザーに試聴してもらう
・理由：センター声の適性は数値（高音成分の比率など）では
　判定できず、耳でしか分からない、という実測上の教訓がある
・ユーザーが「いける」と判定してから残りの素材を生成する。
　ダメだった場合は別の声を選び直してテストからやり直す

配役が確定したら、素材生成に進むこと。

================================================================
1. 素材生成（Irodori-TTS）
================================================================
作業フォルダ（例）：workspace/irodori/public_sex_<センター名>/
生成物は raw_<素材名>.wav として保存する。全17素材。

共通パラメータ：
・speed：0.9（全素材）
・使用する声とモデルは「0.5」で確定した配役どおり
・1素材＝1カードで生成し、生成完了をポーリングで確認してから
　音声をダウンロードする（一時カードは使い終わったら削除）
・既に同名ファイルがあり十分なサイズなら再生成しない（再開可能にする）


【センター喘ぎ：センター役に選ばれた声・6素材】
　※ 先頭の「😍 」は Irodori の感情マーカー。そのまま含めて生成する
・raw_m1_soft.wav
　「😍 んっ…あんっ…はぁ…んんっ…あっ…はぁ、はぁ…んっ…あんっ…んふ…はぁ…」
・raw_m2_mid.wav
　「😍 あんっ、あんっ…んんっ…あっ、はぁっ…あんっ…んっんっ…はぁ、あんっ…あっあっ…んふ…」
・raw_m3_fast.wav
　「😍 あっあっあっ…あんっ、あんっ…んんっ…はぁっ、はぁっ…あっあっ…あんっ…んっ…はぁっはぁっ…」
・raw_m4_hard.wav
　「😍 あんっ！あんっ！んんっ…あっ、あっ…はぁっ…あんっあんっ…んっんっ…はぁ、はぁ…あんっ…」
・raw_peak.wav（絶頂専用。他の場面で使わない）
　「😍 ひゃあぁぁ…！んんーっ…はぁ、はぁ…あんっ…んっ…」
・raw_after.wav
　「😍 はぁ…はぁ…ん…はぁ…んんっ…はぁ…あぁ…はぁ…」

　注意：喘ぎ台本の密度をこれ以上上げないこと。
　喘ぎの連続や「！」の多い台本は Irodori の生成が崩壊しやすい、
　という実測上の教訓がある。この台本は「崩れなかった実績のある密度」。


・左耳＝左役に選ばれた声（焦らし・実況役。作例では花音）
・raw_d1L.wav「入ったよ…。奥まで、ぜんぶ。…すごい、きつきつだね」
・raw_d2L.wav「ゆっくり動いてる…。聞こえる？　この音、すごくいやらしい…」
・raw_d3L.wav「だんだん速くなってきた…。中で、ぐちゅぐちゅ言ってるよ…？」
・raw_d4L.wav「あと少し…。声、我慢できてないよ…？　もっと聞かせて…」
・raw_d5L.wav「来る…？　もう限界だよね…。いいよ、そのまま…！」
・raw_close.wav（締め・左役の声で生成する）
　「すごい…中、どろどろ…あったかいよ。えらい、えらい。……はぁ、気持ちよかったね～。」
・右耳＝右役に選ばれた声（許可・懇願役。作例ではまお）
・raw_d1R.wav「ん…熱いね。いっぱい、感じてる…？」
・raw_d2R.wav「そのまま…ゆっくりでいいよ。気持ちいいところ、教えて…？」
・raw_d3R.wav「もっと奥…そう、そこ…。あたしも、ドキドキしてきた…」
・raw_d4R.wav「いいよ…もっと激しくして。壊れるくらい、平気だから…」
・raw_d5R.wav（フィナーレの呼びかけ）
　「出して…！　中に、全部出して…！　受け止めるから…！」

生成時の注意：
・Irodori の生成結果は 24bit WAV で返ることがある。
　次のミックス工程の読み込みは 16bit / 24bit 両対応にすること
・生成がタイムアウトしたら、その素材だけ再試行する（全体を作り直さない）

================================================================
2. ミックス（Python で build スクリプトを書いて実行する）
================================================================
内部処理：48kHz／ステレオ。全長 TOTAL＝160.0秒。射精 EJAC＝134.0秒。

---- 2-1. 基本関数 ----
・load(path)：WAVを読み、48kHzモノラル→ステレオ化して返す
　16bit / 24bit PCM 両対応必須
・pk_norm(a)：ピークを 1.0 に正規化（SEクリップ用）
・xfade_loop(seg, length_s)：等パワー・クロスフェード（0.35秒）で
　タイル状に繋ぎ、指定秒数に伸ばす（喘ぎのループ用）
・配置は2層に分ける：
　ベッド層 bed … ピストンSE ＋ センター喘ぎ（ダッキング対象）
　前面層 mix … 左右セリフ ＋ 絶頂の声 ＋ 射精音（ダッキングされない）

---- 2-2. グチュ音／パンッ音（ピストンSE）の合成 ★肝 ----
素材ルート：制作パッケージ内の SEフォルダ
（SE/plaps_audio/...、SE/inout_audio/...、SE/cum_audio/...）
同梱SEを自動で使うこと。素材の差し替え・追加はしない。
1ストローク ＝ 2クリップの重ね：
　時刻 t に グチュ（squishy_strokes）を置き、
　t＋0.16秒に パンッ（wet plaps）を置く
クリップ選択：
・乱数シード 20261116 でランダムに選ぶ（再現性のため）
・直前と同じクリップは避ける（グチュは＋7、パンッは＋11ずらす）
・配置間隔に ±7％ の揺らぎを入れる
フェーズ表（t はベッド開始からの秒）：
　 16.0〜 48.0秒　間隔1.15秒　パンッ0.30　グチュ0.24
　 48.0〜 84.0秒　間隔0.78秒　パンッ0.38　グチュ0.28
　 84.0〜114.0秒　間隔0.55秒　パンッ0.46　グチュ0.32
　114.0〜131.5秒　間隔0.42秒　パンッ0.54　グチュ0.36
特殊ストローク：
・ 2.2秒：グチュ単発（リストの4番目、ゲイン0.30）…挿入の滑り
・ 6.0秒：パンッ0.22／グチュ0.20
・ 10.5秒：パンッ0.24／グチュ0.22
・133.55秒：パンッ0.60／グチュ0.40 …最後の一突き（一番強く）
・135.3秒／136.9秒：グチュ単発 ゲイン0.22 …射精中の収縮
・143.0秒：グチュ単発（リストの13番目、ゲイン0.20）…抜く音

---- 2-3. センター喘ぎの配置（ベッド層） ----
・m1_soft ： 1.0〜 30.0秒　ゲイン 0.80
・m2_mid ： 30.0〜 62.0秒　ゲイン 0.85
・m3_fast ： 62.0〜100.0秒　ゲイン 0.88
・m4_hard ：100.0〜133.6秒　ゲイン 0.92
・after ：140.5〜159.0秒　ゲイン 0.55
（各区間は xfade_loop で素材を伸ばして敷く。peak はここでは使わない）

---- 2-4. 左右セリフの配置（前面層） ----
定位（片耳80％方式）：
・左役：左ゲイン＝0.95、右ゲイン＝0.95×0.2
・右役：右ゲイン＝0.95、左ゲイン＝0.95×0.2
・正面：左右とも同じゲイン
配置：
・ 3.0秒　d1L（左）
・ 9.5秒　d1R（右）
・ 21.0秒　d2L（左）
・ 35.0秒　d2R（右）
・ 56.0秒　d3L（左）
・ 71.0秒　d3R（右）
・ 92.0秒　d4L（左）
・105.0秒　d4R（右）
・119.0秒　d5L（左）
・d5R（正面）：開始時刻 ＝ 134.0 − 0.4 − 素材の長さ
　→「呼びかけ系セリフは、射精の瞬間に“終わる”配置」が原則
・145.0秒　close（正面、ゲイン0.9）
ダッキング：
・セリフ再生中、ベッド層を 0.50 に下げる
・範囲は セリフ開始−0.15秒 〜 終了＋0.35秒

---- 2-5. 射精音と絶頂（134.0秒に3点を同期） ----
1) センター役の peak を 134.0秒に配置（ゲインは「7」の補正値）
　この配置でもベッド層をダッキング 0.60 に下げる
2) 射精音 simple_squirts の「脈動列」を 134.05秒から重ねる：
　#12：＋0.00秒 ゲイン0.30
　#1 ：＋0.55秒 ゲイン0.28
　#21：＋1.15秒 ゲイン0.25
　#10：＋1.85秒 ゲイン0.21
　#15：＋2.70秒 ゲイン0.16
　#22：＋3.80秒 ゲイン0.12
　（各クリップは pk_norm してから使う。
　　長い1本を置くのではなく、減衰する脈動列で作るのが要点）
3) d5R の呼びかけが 133.6秒に終わっていること（2-4参照）

---- 2-6. 仕上げと書き出し ----
・前面層 ＋ ベッド層×ダッキング配列 を合算
・最後の3秒に直線フェードアウト（1→0）
・ピークが 0.89 を超えたら全体を 0.89 に合わせて下げる
・WAV（48kHz）で書き出し、ffmpeg で mp3 化：
　ffmpeg -ar 44100 -c:a libmp3lame -b:a 192k -write_xing 0
　→ 44.1kHz／192kbps CBR 必須。これ以外だとプレイヤーで
　　長さ・速度がズレて聞こえる事故が起きる
・完成ファイル名：sex_<センター名>_v2style.mp3
　（作例どおり桜音センターなら sex_sakurane_v2.mp3）

================================================================
3. 検証（納品前に必ず実施し、数値を報告する）
================================================================
□ 総尺が 160.0秒 ±0.5秒
□ mp3 が 44.1kHz／192kbps CBR
□ 全体ピークが 0.89 以下（クリッピングなし）
□ 射精区間（134.0〜139.4秒）の RMS が 0.10〜0.13 の範囲
　（作例の実測は 0.1189。外れたら全体ではなく peak と
　　射精音のゲインだけを調整して範囲内に戻すこと）
□ d5R が 133.6秒頃に終わり、peak が 134.0秒から始まることを
　波形または配置ログで確認
□ 冒頭・中盤・射精直前・締めの4か所を試聴（または波形確認）し、
　セリフがピストン音に埋もれていないこと

================================================================
4. 納品
================================================================
・完成 mp3 を添付して渡すこと
・あわせて次を短く報告すること：
　配役（センター／左耳／右耳の声名とモデル）
　総尺／ピーク／射精区間RMS／調整したゲイン（あれば）
・公開する場合はクレジットを添えること：
　「効果音：OpenNSFW SFX Pack（CC BY 4.0）
　　salty145 / lehornysfx3d / pixelcarnage」
・生成スクリプトとミックススクリプトは作業フォルダに残すこと
　（配役を替えた再制作は、その役の素材だけを取り直し＋再ミックスで可能。
　　センター交代なら喘ぎ6素材、左右交代なら該当する側のセリフ素材だけ）

================================================================
7. センター声の調整（2-5 の peak ゲインの決め方）
================================================================
センターの声は選べるので、peak のゲインは声ごとに決める。
・まず生成した peak 素材の RMS を測る
・作例（桜音）は声の張りは強いが厚みが薄かった
　（実測：peak素材のRMS 桜音0.0957 ／ 厚い声の例・石見舞菜香0.1344）
　そのため桜音では peak の配置ゲイン 1.3、ダッキング 0.60 とした
・目安：RMS が 0.10 前後と薄い声 → ゲイン 1.3
　　　　RMS が 0.13 前後と厚い声 → ゲイン 1.0
・最終判断は数値ではなく検証（射精区間RMS 0.10〜0.13）に
　収まるかどうか。範囲を外れたら 1.0〜1.3 の範囲で調整し、
　使ったゲインを納品時に報告すること

================================================================
補足：この指示書が「作例の説明文」と違うところ
================================================================
・接続先・パス・声IDのような環境依存の値は、決め打ちせず
　「自分の環境で発見する手順」として書いてある
・逆に、台本・タイミング・ゲイン・SEの組み立て方は、
　再現に必要なので全て数値で決め打ちしてある
・欠けた前提（声・SEパック）がある場合は「止まって聞く」ことを
　命令に含めてあるので、別環境の Muse が勝手な代用品で
　完成したことにしないようになっている
・配役は「0.5 配役の選択」で選べる。桜音／花音／まおは
　作例のデフォルトであって固定ではない

================================================================
付録A：Easy-Irodori-TTS v2.0 の API 手順（接続できた場合の標準形）
================================================================
接続先が分かったあとの叩き方は、作例で使ったこの形が標準です。
自分の環境の接続先URLに読み替えて使うこと。
バージョン差でAPIが違う場合は、無理に使わずUI操作に切り替えること。

・トークン取得：GET / のHTMLから
　<meta name="easy-token" content="..."> の値を取る
　以後のPOSTにはヘッダ X-Easy-Token: <その値> を付ける
　（トークンの値はチャットやファイルに残さない）
・状態取得：GET /api/state
　→ voices[]（声一覧・ID・モデル）、project（id / revision / cards）
・声の登録：
　POST /api/upload（multipart、file=参照音声）→ asset が返る
　POST /api/voice {"name":声名, "model":モデル名, "caption":"", "asset":asset}
・素材の生成（1素材ごと）：
　POST /api/action {"action":"add"} で一時カードを1枚作る
　POST /api/edit でカードに {text, voice_id, speed} を設定
　POST /api/generate {"cid":カードID, "play":false} で生成開始
　　needs_long_confirmation が返ったら allow_long:true で再送
　GET /api/state を5秒間隔でポーリング（上限900秒）し、
　カードの audio が生成前の値から変わり、status が
　「完了」等になったら GET /audio/<audio> でWAVを保存
　終わったら POST /api/action {"action":"delete"} で一時カードを消す
・つまずきどころ：
　IrodoriがユーザーのPCの 127.0.0.1 でだけ待ち受けている場合、
　Muse（別マシン）からは直接届かない。0.0.0.0 で待ち受ける
　起動方法＋トンネル（Tailscale等）が必要で、その際は
　Hostヘッダを 127.0.0.1:7860 にする必要がある場合がある
　→ 届かない場合はこの線を疑い、ユーザーと接続方法を確認すること

================================================================
付録B：OpenNSFW SFX Pack の入手と抽出（同梱SEが無い場合の予備手順）
================================================================
公式入口：https://opennsfw.carrd.co/（X: @OpenNSFWSP）
ライセンス：CC BY 4.0（公開時はクレジット必須）

ルート1（GitHub移植版・作例で使った方法）：
・GitHubリポジトリ AX-MMD/Koikatsu-OpenNSFW-Sound-Pack-port の
　Release v2.0「OpenNSFW-Main」（約154MB）をダウンロード
・安全確認：ZIPの中身が zipmod と規約PDFのみで、
　exe／dll／スクリプトが入っていないことを展開前に確認する
・音声は素のWAVではなく、zipmod内の bundle.unity3d に
　Unityの AudioClip として入っている
・隔離した venv に入れた UnityPy で、読み取り専用に抽出する
・カテゴリと出力フォルダの対応：
　01-Plaps → plaps_audio/（バンドル例：wet_[lehornysfx3d]）
　06-In & Out → inout_audio/（バンドル例：squishy_strokes_[pixelcarnage]）
　03-Cum → cum_audio/（バンドル例：simple_squirts_[salty145]）
・抽出時は元のクリップファイル名を保つこと。この指示書の
　クリップ番号（#12など）は「ファイル名に含まれる番号の順」
　で数えているので、改名すると番号がずれる
・抽出後に 50／34／29 クリップ揃っているか数えて確認する

ルート2（Freesound）：
・Freesound の OpenNSFW アカウントからも配布されている
　（ダウンロードには無料ログインが必要）
・WAVで入手できた場合は、上と同じフォルダ構成・バンドル名に
　整理してから使うこと

―― 以上。この指示書はここまで ――
