tts-generation

Konvertiere ein Radiosendungsskript in Sprachaudio mit Telefoneffekt auf den Stimmen der Korrespondenten unter Verwendung der Interactions API.

npx skills add https://github.com/google-gemini/gemini-managed-agents-templates --skill tts-generation

TTS Generation

Convert the radio show script into speech audio using the Gemini TTS model via the Interactions API. Apply a telephone bandpass filter to correspondent voices so they sound like phone call-ins, while keeping the host's voice clean studio-quality.

Embedded Script

python3 skills/tts-generation/scripts/generate_tts.py --workspace ./workspace

Arguments

ArgumentDefaultDescription
--workspaceworkspaceRoot workspace directory
--workers8Max parallel TTS worker threads

What it does

  1. Reads the script from {workspace}/data/script.md.
  2. Parses it into individual (speaker, text) turns and assigns voices.
  3. Generates TTS for all turns in parallel using a thread pool (default 8 workers).
  4. Retries each failed turn up to 3 times with exponential backoff.
  5. Applies an ffmpeg telephone bandpass filter (300Hz–3.4kHz) to correspondent voices.
  6. Keeps the host (Paul) audio clean and unfiltered.
  7. Concatenates all segments in original script order into a single WAV.

Dependencies

  • google-genai (>= 2.0.0)
  • ffmpeg (system)

API Details

Uses the Interactions API with single-speaker TTS — no multi-speaker workaround needed.

Voice Assignment

Voices are assigned dynamically based on [Male] / [Female] gender tags in the script:

SpeakerVoiceAudio Treatment
Paul (host)PuckClean — no filter
Caller [Female] — 1stKoreTelephone filter
Caller [Female] — 2ndAoedeTelephone filter
Caller [Male] — 1stCharonTelephone filter
Caller [Male] — 2ndFenrirTelephone filter

Voices cycle round-robin if there are more callers than available voices. Accent tags ([Accent: Irish], etc.) are injected into the TTS prompt to influence pronunciation.

Telephone Filter

Applied via ffmpeg to correspondent audio segments:

highpass=f=300, lowpass=f=3400, acompressor, volume=1.5

This simulates the standard telephone bandwidth (300Hz–3.4kHz) and adds compression to mimic phone codec dynamics.

Output

  • Primary output: {workspace}/audio/speech/speech.wav
  • Format: WAV, 24kHz, 16-bit PCM, mono
  • Intermediate segments: {workspace}/audio/speech/segments/turn_*.wav

Mehr Skills von google-gemini

greeter
google-gemini
Eine freundliche Begrüßungsfertigkeit
official
code-reviewer
google-gemini
Automatisierte Code-Überprüfung für lokale Änderungen und entfernte Pull-Requests mit strukturierter Analyse hinsichtlich Korrektheit, Wartbarkeit und Sicherheit. Unterstützt sowohl lokale Dateisystemänderungen (gestaged und ungestaged) als auch entfernte PRs (nach Nummer oder URL) mit automatischem GitHub-CLI-Checkout. Analysiert Code in sieben Dimensionen: Korrektheit, Wartbarkeit, Lesbarkeit, Effizienz, Sicherheit, Behandlung von Randfällen und Testabdeckung. Führt optionale Preflight-Überprüfungssuiten aus (z. B. npm run preflight), um...
official
review-duplication
google-gemini
Verwenden Sie diese Fähigkeit während Code-Reviews, um die Codebasis proaktiv auf doppelte Funktionalität, neu erfundene Räder oder die Nichtwiederverwendung vorhandener… zu untersuchen.
official
reconciliation
google-gemini
Geladene Ausgaben mit der vorab geparsten Rechnungsdatenbank abgleichen und Unstimmigkeiten wie Betragsabweichungen, fehlende Rechnungen und Händlerabweichungen kennzeichnen…
official
agent-tui
google-gemini
Main Agents: Do NOT use this skill directly. If you need to test the TUI, invoke the `tui_tester` subagent. Drive terminal UI (TUI) applications…
official
async-pr-review
google-gemini
Lösen Sie diese Fähigkeit aus, wenn der Benutzer eine asynchrone PR-Überprüfung starten, Hintergrundprüfungen für einen PR durchführen oder den Status einer zuvor gestarteten asynchronen PR-Überprüfung überprüfen möchte…
official
ci
google-gemini
Eine spezialisierte Fähigkeit für Gemini CLI, die Hochleistung und schnelles Fehlschlagen bietet
official
critique
google-gemini
Fachkenntnisse in der Überprüfung und Behebung von Repository-Skripten und GitHub Actions-Workflows zur Sicherstellung technischer Robustheit und Sicherheit.
official