はじめに

Claude Code に大きめのリファクタリングを任せて席を外した。しばらくしてキッチンから戻ってくると、スピーカーから声が聞こえてきた。

「ボス、テストが全部通ったのだ。」

ずんだもんだった。

これは Claude Code の hook という機能を使って組んだ完了通知の仕組みだ。構成はシンプルで、「Claude Code が作業を終えたら Haiku が transcript を要約し、VOICEVOX のずんだもんが声で読み上げる」というだけ。全部シェルスクリプト 150 行で動く。

ターミナルを覗きに行かなくて済む、という話ではない。作業の完了が音として空間に届くという体験が根本的に違う。デスクトップ通知は目が向いていなければ気付けないが、声は席を外していても耳が拾ってくれる。

この記事では、その仕組みの作り方と、設計の中で面白かった部分を書く。

全体像：AI が AI を使って AI に喋らせる

まず全体の流れを見てほしい。

Claude Code に指示する
  │
  └─ UserPromptSubmit hook 発火
        │
        └─ VOICEVOX コンテナが起動する（ずんだもんが目覚める）

Claude が作業する（人間は席を外す）
  │
  └─ Stop hook 発火
        │
        ├─ Haiku が transcript を要約（AI #2）
        │
        └─ ずんだもんが要約を読み上げる（AI #3）

Claude Code が作業し（AI #1）、Haiku が要約し（AI #2）、VOICEVOX のずんだもんが話す（AI #3）。三段のパイプラインが全部シェルスクリプトで繋がっている。

そして、話しかけたらずんだもんが起きて、報告が終わったら眠る。この「ライフサイクルの連動」が一番面白い部分で、後のセクションで詳しく説明する。

セットアップ

リポジトリを公開しているので、クローンするだけで使える。

git clone https://github.com/ryokwkm/claude-task-reporter.git ~/.claude/hooks/claude-task-reporter

~/.claude/settings.json に 2 つの hook を登録する。

{
  "hooks": {
    "UserPromptSubmit": [
      {
        "hooks": [
          {
            "type": "command",
            "command": "~/.claude/hooks/claude-task-reporter/voicevox_sync.sh",
            "timeout": 10
          }
        ]
      }
    ],
    "Stop": [
      {
        "hooks": [
          {
            "type": "command",
            "command": "~/.claude/hooks/claude-task-reporter/session_summary.sh",
            "timeout": 60
          }
        ]
      }
    ]
  }
}

設定ファイルを作成する。

cp ~/.claude/hooks/claude-task-reporter/session_summary.conf.example \
   ~/.claude/hooks/claude-task-reporter/session_summary.conf

VOICEVOX を使う場合、初回は Docker イメージ（約 2〜3GB）のダウンロードが走る。2 回目以降は数秒で起動する。

bin/ を PATH に追加しておくと、ON/OFF の操作が楽になる。

export PATH="$HOME/.claude/hooks/claude-task-reporter/bin:$PATH"

コマンド	説明
`csconfig`	ON/OFF をトグル
`csstatus`	現在の状態を表示
`csedit`	設定ファイルを vi で開く

一番の工夫：話しかけた瞬間にずんだもんが起動する

VOICEVOX は Docker コンテナで動かす。常時起動でもいいが、使っていないときにメモリを食い続けるのは無駄だ。

そこで Claude Code に話しかけた瞬間にコンテナを起動し、通知を無効化したら止めるという設計にした。

Claude Code には UserPromptSubmit という hook がある。ユーザーがプロンプトを送信した瞬間に任意のコマンドを実行できる。これと作業完了時の Stop hook を組み合わせると、こういう世界が作れる。

hook	タイミング	やること
`UserPromptSubmit`	話しかけた瞬間	VOICEVOX コンテナを起動（必要なら）
`Stop`	Claude が応答し終わった瞬間	transcript を要約してずんだもんに喋らせる

実装は voicevox_sync.sh。「設定ファイルの CS_ENABLED の値」と「コンテナの実際の稼働状態」を見比べて、ズレていたら補正するだけのシンプルな設計だ。

if [ "${CS_ENABLED:-false}" = "true" ]; then
    if ! is_running; then
        start_container  # docker run
    fi
else
    if is_running; then
        stop_container   # docker stop
    fi
fi

ただし、UserPromptSubmit hook はユーザーの入力をブロックする。コンテナ起動に数秒かかるので、そのまま書くとプロンプトを送るたびに待たされてしまう。

解決策は self-fork。親プロセスを即座に終了させ、実処理を子プロセスに引き継ぐ。

# 親プロセスは即座に exit、子で処理を継続
if [ -z "${VOICEVOX_SYNC_FORKED:-}" ]; then
    VOICEVOX_SYNC_FORKED=1 nohup "$0" "$@" >/tmp/voicevox_sync.log 2>&1 &
    exit 0
fi

これで hook の応答は数ミリ秒で返り、コンテナ起動はバックグラウンドで進む。Claude Code に話しかけながら、裏でずんだもんが静かに目を覚ます。

ずんだもんに喋らせる

VOICEVOX はローカルで動く音声合成エンジンで、HTTP API を持っている。curl で音声データ（WAV）を生成して afplay で再生するだけで動く。

speak_with_zundamon() {
    local text="$1"
    local wav="/tmp/claude_zunda_$$.wav"

    # ① テキストから音声クエリを生成
    local query
    query=$(curl -s -X POST "${VOICEVOX_URL}/audio_query?speaker=${VOICEVOX_SPEAKER}" \
        --get --data-urlencode "text=${text}") || return 1

    # ② クエリから WAV を合成
    curl -s -X POST "${VOICEVOX_URL}/synthesis?speaker=${VOICEVOX_SPEAKER}" \
        -H "Content-Type: application/json" \
        -d "$query" -o "$wav" || return 1

    # ③ 再生
    afplay "$wav"
    rm -f "$wav"
}

ステップは 3 つだけ。/audio_query でテキストをパラメータ化し、/synthesis で WAV に変換し、afplay で鳴らす。特別なライブラリもランタイムも不要で、シェルスクリプトの範囲で完結する。

フォールバックの設計

VOICEVOX は Docker が動いていないと使えない。そのため CS_VOICE_MODE で 3 段階の動作を設定できるようにしてある。

値	動作
`auto`（デフォルト）	VOICEVOX が動いていればずんだもん、止まっていれば `say`
`say`	常に macOS 標準の `say`
`zundamon`	常にずんだもん（起動していなければ読み上げをスキップ）

デフォルトの auto は、Docker が入っていない環境や、コンテナが何らかの理由で起動に失敗した場合でも say で報告してくれる。道具が壊れても動き続ける、という小さな安心感がある。

プロンプトで「聴かれること」を前提にする

Stop hook で transcript の末尾 30 行を Haiku に渡して要約させるのだが、このプロンプトに一工夫した。

通常、LLM へのプロンプトは「これを読む人間」を前提に書く。しかし今回の出力は誰も読まない。そのまま音声合成エンジンに渡され、スピーカーで流れる。

プロンプトの冒頭にこう書いた。

「あなたが生成する文章は、人間に読まれることはなく、そのまま音声合成エンジン VOICEVOX（声: ずんだもん）に渡されて、ボスのスピーカーで読み上げられます。誰も途中で校正しません。したがって、求められているのは『文字として正しい文章』ではなく『耳で聞いたときに自然で聞き取りやすい話し言葉』です。」

読者は人間ではなく音声合成エンジンだ、と明示する。

これを書く前後で出力の自然さが大きく変わった。マークダウンの記号が混入しなくなり、英単語の読み方（haiku → 「ハイク」）も自然に変換されるようになった。文字数も「80〜100文字、15秒以内」と数値で指定することで、ずんだもんの読み上げ速度とテンポが合うようになった。

LLM への指示は「誰が・どんな文脈で受け取るか」を書くだけで品質が変わる。今回の場合、受け取るのが人間ではなく音声合成エンジンだというのは、書いてみて初めて気付いた視点だった。

おわりに

Claude Code の hook は「LLM が応答を返したタイミングで任意のシェルスクリプトを実行する」というシンプルな仕組みだ。

今回作ってみて面白かったのは、hook を 1 本ではなく 2 本組み合わせると「ライフサイクル」を定義できるということだった。UserPromptSubmit（会話の開始）と Stop（会話の終了）のペアで、「Claude と話している間だけ動くインフラ」が作れる。今回は VOICEVOX コンテナを対象にしたが、同じ発想でデータベースを起こしたり、監視ツールを動かしたりといった応用も考えられる。

Claude Code に複雑な作業を任せながら席を外せるようになった。ずんだもんが「ボス、〇〇が完了したのだ」と声をかけてくれる環境は、慣れると手放せなくなる。

クレジット: 本記事の音声読み上げ機能は [VOICEVOX:ずんだもん] を利用しています。