saens

入力音声そのものの断片を切り貼りして、同梱の元曲（元データ.mid ＋ その原曲 2.wav）を 「無理やり歌わせる」——いわゆる空耳／人力系ミームの合成を自動化した実験的な TypeScript ライブラリです。

元曲（参照 2.wav）を MIDI ノート単位のスライスに区切り、各スライスについて、その区間の参照の 発音（音素）にスライス全体で最も似ていて MIDI ノート近傍のピッチを持つ入力位置を選び、そこから **入力の生サンプルをそのまま（verbatim に）**コピーして貼り付けます。出力は合成音ではなく 入力そのものの生スライスの寄せ集め（繋ぎ目だけ短くクロスフェード）。手作業の切り貼りと同じく、 入力全体を前後に飛び回って元曲へ並べ替えます。

発音の明瞭さは入力素材に依存します。 澄んだ（調波的な）声を入力にすると、選ばれる生スライスも 澄んだ音節になり発音がはっきりします。逆に broadband／ノイズ的な入力では発音の解像度は上がりません （＝素材の物理的上限）。狙いは自然な歌唱ではなく、元ネタを生のまま元曲に強引に乗せる“無理やり感”です。

最小コマンド（npx）

npx @kongyo2/saens --audio input.wav --out output.wav

元データ.mid と、その原曲 2.wav はパッケージに同梱されます。--audio が切り貼りされる素材（声）で、 2.wav は歌詞・発音のガイド（合わせ先）として常に内部で使われます。

質感の調整

spliceAudioFromMidi のオプションで“発音（言葉の解像度） ⇔ 生スライス感”のトレードオフを振れます。

• minSliceSeconds … スライスの最短長（既定 0.06）。
• maxSliceSeconds … スライスの最長長（既定 0.12）。短いほど各スライスが参照の言葉に密着し発音寄り、 長いほど生の塊が大きく「元ネタそのまま感（verbatim）」が強い。
• crossfadeSeconds … 繋ぎ目のクロスフェード長。短いほどスライスが生のまま（既定 6ms）。
• pitchTolerance … MIDI 音程からどれだけ外れた入力まで許すか（オクターブ畳み込み・既定 2 半音）。