tts-generator

# TTS Generator (Gemini 3.1 Flash TTS) Generate expressive speech audio using Google Gemini 3.1 Flash TTS with emotion/audio tag support. Falls back to Edge TTS if Gemini is unavailable. ## Usage ```bash # Generate OGG audio (Gemini, default) OGG=$(~/.claude/skills/tts-generator/scripts/tts-generate.py "[casually] 你好世界") # Choose voice OGG=$(~/.claude/skills/tts-generator/scripts/tts-generate.py "[excitedly] 太棒了！" --voice sulafat) # Fallback to Edge TTS OGG=$(~/.claude/skills/tts-generator/scripts/tts-generate.py "你好" --engine edge --voice xiaoxiao) # Send as Discord voice message ~/.claude/scripts/send-to-discord.sh --voice "$OGG" # Clean up rm -f "$OGG" ``` ## Gemini Voices (15 voices) | 代号 | 风格 | 代号 | 风格 | |------|------|------|------| | `aoede` (default) | 轻松 | `achird` | 友好 | | `sulafat` | 温暖 | `kore` | 坚定 | | `puck` | 欢快 | `charon` | 知性 | | `fenrir` | 兴奋 | `leda` | 青春 | | `zephyr` | 明亮 | `achernar` | 柔和 | | `gacrux` | 成熟 | `sadachbia` | 活泼 | | `algieba` | 顺滑 | `vindemiatrix` | 温柔 | | `orus` | 坚定 | | | ## Emotion Tags (Gemini only) Gemini TTS 支持 inline audio tags 控制情感和风格。**有两种工作模式**，行为不同： ### 模式 A：单标签（director instruction） 只有一个开头标签时，脚本把它翻译成 director 指令喂给 Gemini：`"[casually] 你好"` → `"Say the following in Chinese, casually:\n你好"`。**这种模式下任意词都能用**（因为 Gemini 把它当自然语言指令理解），所以下面这些"自创"标签都能工作： ```bash "[casually] 今天的进度还不错" # 随意 "[excitedly] 实验通过了！" # 兴奋 "[thoughtfully] 这个方案有两个权衡点" # 思考 "[seriously] 注意这个安全隐患" # 严肃 "[cheerfully] 早上好！" # 愉快 "[calmly] 总结一下今天的工作" # 平静 ``` ### 模式 B：多个 inline 标签（raw passthrough） 文本里有 ≥2 个标签时，脚本不动它，原样 pass 给 Gemini。Gemini **只认它训练时见过的官方词**，自创词会被静默丢弃。一段话里想多次切换情绪（推荐用法，更生动）必须用下面的官方词： **思考类**：`[thinking] [contemplative] [analysis] [focus] [reflection] [planning] [speculation] [pensive] [curiosity]` **积极类**：`[excitement] [enthusiasm] [joy] [happy] [pleased] [optimism] [playful] [amusement] [friendly] [triumph] [satisfaction]` **中性类**：`[neutral] [contentment] [serenity] [relaxation] [certainty]` **严肃类**：`[seriousness] [urgency] [warning] [concern] [caution] [emphasis]` **惊讶类**：`[surprise] [amazement] [realization] [confusion] [uncertainty] [doubt] [disbelief]` **消极类**：`[disappointment] [frustration] [regret] [exhaustion] [weariness]` **幽默类**：`[humor] [sarcasm] [amused] [self-deprecation]` **自信类**：`[confidence] [determination] [assertive] [pride]` **特效类**：`[whispers] [laughs] [sighs] [slow] [fast]` **说明类**：`[informative] [explaining] [summary] [instruction] [suggestion]` **多标签例子（好）**： ``` [curiosity] 我先看下日志。[realization] 哦原来是端口冲突。 [amused] 这种小坑最烦了。[suggestion] 你 kill 8080 那个就行。 ``` **多标签例子（差）**： ``` [casually] 我看了日志发现端口冲突 你 kill 8080 就行 # 整段一个标签，且 [casually] 不是官方词，多标签场景下还会被丢 ``` ## Edge TTS Voices (fallback) - `xiaoxiao` — 女声（默认） - `xiaoyi` — 女声，温柔 - `yunxi` — 男声，活力 - `yunjian` — 男声，成熟 - `yunyang` — 男声，新闻播报 - `yunxia` — 男声，少年 ## Notes - Output: OGG Opus (1ch, 48kHz, 48kbps) - Gemini TTS needs `GOOGLE_API_KEY` env var or GCP Application Default Credentials - Gemini supports 80+ languages with auto-detection - If Gemini fails, automatically falls back to Edge TTS