tts-generation

tarafından google-gemini

Convert radio show script to speech audio with telephone effect on correspondent voices using the 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

google-gemini tarafından daha fazla skill

greeter
google-gemini
Dostça bir karşılama becerisi
official
code-reviewer
google-gemini
Yerel değişiklikler ve uzak pull request'ler için otomatik kod incelemesi; doğruluk, bakım kolaylığı ve güvenlik açısından yapılandırılmış analiz sunar. Hem yerel dosya sistemi değişikliklerini (aşamalı ve aşamasız) hem de otomatik GitHub CLI checkout ile uzak PR'ları (numara veya URL ile) destekler. Kodu yedi boyutta analiz eder: doğruluk, bakım kolaylığı, okunabilirlik, verimlilik, güvenlik, uç durum yönetimi ve test kapsamı. İsteğe bağlı ön doğrulama test paketlerini (ör. npm run preflight) çalıştırarak...
official
review-duplication
google-gemini
Kod incelemeleri sırasında, kod tabanında yinelenen işlevsellik, yeniden icat edilmiş tekerlekler veya mevcut yapıların yeniden kullanılmaması durumlarını proaktif olarak araştırmak için bu beceriyi kullanın.
official
reconciliation
google-gemini
Yüklenen giderleri önceden ayrıştırılmış fatura veritabanıyla mutabakat sağlayarak, tutar uyuşmazlıkları, eksik faturalar ve tüccar uyuşmazlıkları gibi farklılıkları işaretler…
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
Kullanıcı asenkron bir PR incelemesi başlatmak, bir PR üzerinde arka plan kontrolleri yapmak veya daha önce başlatılmış bir asenkron PR’nin durumunu kontrol etmek istediğinde bu yeteneği tetikleyin…
official
ci
google-gemini
Gemini CLI için yüksek performanslı, hızlı başarısız olma özelliği sunan özel bir beceri
official
critique
google-gemini
Depo betiklerini ve GitHub Actions iş akışlarını denetleme ve düzeltme konusunda uzmanlık, teknik sağlamlık ve güvenlik sağlar.
official