tts-generation

Преобразование сценария радиопередачи в речевое аудио с эффектом телефонного разговора для голосов корреспондентов с использованием 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

Больше skills от google-gemini

greeter
google-gemini
Приветливый навык приветствия
official
code-reviewer
google-gemini
Автоматизированное ревью кода для локальных изменений и удалённых пул-реквестов со структурированным анализом по корректности, поддерживаемости и безопасности. Поддерживает как изменения в локальной файловой системе (индексированные и неиндексированные), так и удалённые PR (по номеру или URL) с автоматическим checkout через GitHub CLI. Анализирует код по семи направлениям: корректность, поддерживаемость, читаемость, эффективность, безопасность, обработка граничных случаев и покрытие тестами. Запускает опциональные наборы предварительной верификации (например, npm run preflight) для выявления...
official
review-duplication
google-gemini
Используйте этот навык во время проверки кода, чтобы активно исследовать кодовую базу на наличие дублированного функционала, изобретённых заново велосипедов или неиспользования существующих…
official
reconciliation
google-gemini
Сверять загруженные расходы с предварительно разобранной базой счетов, отмечая расхождения, такие как несовпадение сумм, отсутствующие счета и несовпадение торговых точек…
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
Запустите этот навык, когда пользователь хочет начать асинхронное ревью PR, выполнить фоновые проверки PR или проверить статус ранее запущенного асинхронного PR…
official
ci
google-gemini
Специализированный навык для Gemini CLI, обеспечивающий высокую производительность и быстрый отказ
official
critique
google-gemini
Экспертиза в аудите и исправлении скриптов репозитория и рабочих процессов GitHub Actions для обеспечения технической надежности и безопасности.
official