music-generation

द्वारा google-gemini

इंटरैक्शन्स API के माध्यम से Lyria का उपयोग करके एम्बिएंट बैकग्राउंड संगीत उत्पन्न करें।

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

ZIP डाउनलोड करें GitHub

Music Generation

Generate background music for the radio show using the Lyria model via the Interactions API.

Embedded Script

python3 skills/music-generation/scripts/generate_music.py --workspace ./workspace --mood tech

Arguments

Argument	Default	Description
`--workspace`	`workspace`	Root workspace directory
`--mood`	`default`	Music mood (see moods below)

Moods

Mood	Style	Pair with `--style`
`tech` (default)	Clean synths, electronic pulse, Silicon Valley startup vibe	`explainer`, `debate`
`chill`	Soft pads, gentle piano, lo-fi warmth	`roundtable`, `explainer`
`debate`	Building tension, brass-like synths, panel discussion opener	`debate`, `interview`

What it does

Selects the music prompt based on --mood.
Calls the Interactions API with the lyria-3-clip-preview model.
Generates a ~30-second music clip.
Saves as MP3 to {workspace}/audio/music/background.mp3.
Gracefully handles failures — the pipeline continues without music.

Dependencies

google-genai (>= 2.0.0)

Output

File: {workspace}/audio/music/background.mp3
Format: MP3
Duration: ~30 seconds

Fallback

Lyria is experimental. If generation fails with a policy error or returns no music, the script will attempt to retry once with a simpler fallback prompt: "Create a 30-second simple ambient background track. Instrumental only, calm and neutral."

If the fallback attempt also fails, the pipeline proceeds without background music — the audio-mixing step handles this gracefully.

google-gemini की और Skills

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…

Gemini API CLI टूल का उपयोग करने के लिए मार्गदर्शिका। इसका उपयोग तब करें जब आपको कमांड लाइन के माध्यम से Gemini API से संवाद करना हो, एजेंट प्रबंधित करने हों, या मीडिया (चित्र, …) उत्पन्न करना हो।

behavioral-evals

व्यवहारिक मूल्यांकन बनाने, चलाने, ठीक करने और बढ़ावा देने के लिए मार्गदर्शन। एजेंट निर्णय तर्क को सत्यापित करने, विफलताओं को डीबग करने, प्रॉम्प्ट को डीबग करने के दौरान उपयोग करें…

gemini-live-api-dev

जेमिनी के साथ वेबसॉकेट पर ऑडियो, वीडियो और टेक्स्ट वार्तालापों के लिए रीयल-टाइम द्विदिश स्ट्रीमिंग। ऑडियो इनपुट/आउटपुट (16 kHz PCM), वीडियो फ्रेम, टेक्स्ट और व्यवधान प्रबंधन के लिए वॉयस एक्टिविटी डिटेक्शन के साथ स्वचालित ट्रांसक्रिप्शन का समर्थन करता है। इसमें मूल ऑडियो सुविधाएँ शामिल हैं: भावात्मक संवाद, सक्रिय ऑडियो और विचार मोड; सिंक्रोनस और एसिंक्रोनस

gemini-omni-flash-api

जनरेटिव वीडियो संपादन, टेक्स्ट-टू-वीडियो, इमेज-रेफरेंस्ड वीडियो जनरेशन, और फर्स्ट-फ्रेम-टू-वीडियो ट्रांज़िशन एनिमेशन के लिए इस स्किल का उपयोग करें...

Google के Gemini मॉडल के साथ एप्लिकेशन बनाएं, जो Python, JavaScript, Go और Java में मल्टीमॉडल कंटेंट, फंक्शन कॉलिंग और स्ट्रक्चर्ड आउटपुट को सपोर्ट करता है। 1M टोकन कॉन्टेक्स्ट के साथ वर्तमान Gemini 3 मॉडल (Pro, Flash, Pro Image) तक पहुंचें; लीगेसी Gemini 2.x और 1.5 मॉडल डिप्रीकेटेड हैं। टेक्स्ट जनरेशन, इमेज/ऑडियो/वीडियो समझ, फंक्शन कॉलिंग, स्ट्रक्चर्ड JSON आउटपुट, कोड एक्जी

gemini-interactions-api

Gemini मॉडल और एजेंटों के लिए एकीकृत इंटरफ़ेस, जिसमें सर्वर-साइड स्थिति, स्ट्रीमिंग और टूल ऑर्केस्ट्रेशन शामिल है। कई वर्तमान मॉडलों (gemini-3-flash-preview, gemini-3-pro-preview, gemini-2.5-flash/pro) और डीप रिसर्च एजेंट का समर्थन करता है; पुराने मॉडल आईडी को स्वचालित रूप से वर्तमान विकल्पों से बदल देता है। मैन्युअल इतिहास प्रबंधन के बिना स्टेटफुल मल्टी-टर्न इंटरैक्शन के लिए previous_interaction_id के माध्य

ब्रिफिंग का संक्षिप्त संस्करण Google Chat या Slack इनकमिंग वेबहुक पर पोस्ट करता है, ताकि दैनिक रन स्वयं वितरित हो जाए — जब कोई वेबहुक न हो तो चुपचाप छोड़ देता है…