メニュー
Generate (TTS), Transcribe (STT), and Clone voices using Google's GenAI and Cloud Speech SDKs. Supports Gemini-TTS, Chirp 3, and Instant Custom Voice.
デフォルトでは、最初にソースを確認する Prompt が選択されています。直接コマンドに切り替えるか、ローカルコピーをダウンロードすることもできます。
インストールを決める前に、SKILL.md と SkillsMP に表示されている付属ファイルをお読みください。
Codex または Claude でインストール この Prompt をコピーして Codex、Claude、または他のアシスタントに貼り付けると、Skill ページを確認してインストールできます。
直接コマンドでは確認用 Prompt が省略されます。実行前にソースを確認してください。
npx skills add https://github.com/cnemri/google-genai-skills --skill speech-useコマンドは1行のまま表示されます。コピー前に横へスクロールして全体を確認してください。
ローカルで確認しますか？SkillsMP が現在取得できるファイルをダウンロードできます。
Perform autonomous, multi-step research using the Gemini Deep Research Agent (Interactions API). Supports web search, file/directory context, and resilient streaming.
Search and retrieve Google's developer documentation using the Developer Knowledge API. Query documentation chunks, get full document content, or batch retrieve multiple documents. Covers ai.google.dev, developer.android.com, docs.cloud.google.com, firebase.google.com, and more.
Generate, edit, and compose images using Gemini Nano Banana models via portable Python scripts. Handles authentication via API Key or Vertex AI environment variables. Available parameters: prompt, model, aspect-ratio, safety-filter-level. Always confirm parameters with the user or explicitly state defaults before running.
SKILL.md を表示中
SOC 職業分類に基づく
| name | speech-use |
| description | Generate (TTS), Transcribe (STT), and Clone voices using Google's GenAI and Cloud Speech SDKs. Supports Gemini-TTS, Chirp 3, and Instant Custom Voice. |
Use this skill to perform Text-to-Speech (TTS), Speech-to-Text (STT), and Voice Cloning operations.
This skill uses portable Python scripts managed by uv.
Environment Variables:
GOOGLE_API_KEY (for TTS via Gemini)GOOGLE_CLOUD_PROJECT (Required for STT and Voice Cloning)GOOGLE_APPLICATION_CREDENTIALS (Recommended for STT/Voice Cloning)APIs Enabled:
texttospeech.googleapis.com)speech.googleapis.com)Generate audio from text using Gemini-TTS.
Standard Voice:
uv run skills/speech-use/scripts/generate_speech.py "Hello world, this is a test." --voice Puck --output hello.wav
Custom Voice (Cloned):
uv run skills/speech-use/scripts/generate_speech.py "This is my custom voice speaking." --voice-cloning-key "YOUR_KEY_HERE" --output custom.wav
Generate a voiceCloningKey from a reference audio file and a consent file.
Requirements:
reference.wav: 10-30s of clear speech (the voice to clone).consent.wav: The speaker saying: "I am the owner of this voice and I consent to Google using this voice to create a synthetic voice model."uv run skills/speech-use/scripts/create_custom_voice.py --reference-audio reference.wav --consent-audio consent.wav
Save the output key to use with generate_speech.py.
Transcribe audio files using Chirp 3.
uv run skills/speech-use/scripts/transcribe_audio.py audio.wav --language en-US --output transcript.txt
generate_speech.py
--voice: Prebuilt voice (e.g., Kore, Puck, Fenrir, Aoede).--voice-cloning-key: Key from create_custom_voice.py.--model: Default gemini-2.5-flash-preview-tts.transcribe_audio.py
--model: Default chirp_3.--language: Default auto.--location: Cloud region (default us).Before running scripts, review the reference guides for available voices and options.