メニュー
Convert radio show script to speech audio with telephone effect on correspondent voices using the Interactions API.
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/google-gemini/gemini-managed-agents-templates --skill tts-generation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。
Formats the standalone daily briefing — curated picks with why-it-matters lines, community buzz, the trend read across runs, and the taste note that keeps the learning visible.
Selection and ranking rules — how to turn the raw fetched pool into the handful of items the reader actually wants, guided by the taste profile in interests.json.
Posts a condensed version of the briefing to a Google Chat or Slack incoming webhook, so the daily run delivers itself — skips silently when no webhook is configured.
SOC 職業分類に基づく
SKILL.md を表示中
| name | tts-generation |
| description | Convert radio show script to speech audio with telephone effect on correspondent voices using the Interactions API. |
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.
python3 skills/tts-generation/scripts/generate_tts.py --workspace ./workspace
| Argument | Default | Description |
|---|---|---|
--workspace | workspace | Root workspace directory |
--workers | 8 | Max parallel TTS worker threads |
{workspace}/data/script.md.(speaker, text) turns and assigns voices.google-genai (>= 2.0.0)ffmpeg (system)Uses the Interactions API with single-speaker TTS — no multi-speaker workaround needed.
Voices are assigned dynamically based on [Male] / [Female] gender tags in the script:
| Speaker | Voice | Audio Treatment |
|---|---|---|
| Paul (host) | Puck | Clean — no filter |
Caller [Female] — 1st | Kore | Telephone filter |
Caller [Female] — 2nd | Aoede | Telephone filter |
Caller [Male] — 1st | Charon | Telephone filter |
Caller [Male] — 2nd | Fenrir | Telephone 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.
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.
{workspace}/audio/speech/speech.wav{workspace}/audio/speech/segments/turn_*.wav