google-audio-generation

name	google-audio-generation
description	Generar audio con la task `google.audio.generate` usando Gemini TTS preview. Usar cuando David pida "texto a voz con Google", "audio Gemini", "crear wav", "locucion" o cuando un agente necesite documentar honestamente la ruta TTS de Google sin inventar soporte.
metadata	{"openclaw":{"emoji":"🔊","requires":{"env":["GOOGLE_API_KEY"]}}}

Google Audio Generation

Esta skill cubre la task google.audio.generate del Worker. La implementacion actual usa la Gemini API preview de TTS y devuelve audio WAV en base64 o lo guarda a disco si se indica output_path.

Requisitos reales

• GOOGLE_API_KEY en el Worker
• salida de red hacia Gemini API
• modelo TTS disponible: por defecto gemini-2.5-flash-preview-tts

Si falta GOOGLE_API_KEY, la task responde:

{"ok": false, "error": "Google Gemini API no configurada"}

Task disponible

Task: google.audio.generate

Payload minimo

{
  "text": "Hola, soy Rick y este es un audio de prueba."
}

Payload recomendado

{
  "text": "Hola David. Te dejo un resumen de los cambios de hoy.",
  "voice": "Kore",
  "model": "gemini-2.5-flash-preview-tts",
  "instructions": "Habla en espanol neutro, tono profesional y ritmo pausado.",
  "output_path": "G:\\Mi unidad\\Rick-David\\audio\\resumen.wav"
}

Parametros

Campo	Tipo	Requerido	Notas
text	str	si	Texto a convertir en audio
voice	str	no	Voz prebuilt; default Kore
model	str	no	Default gemini-2.5-flash-preview-tts
instructions	str	no	Instrucciones de estilo o tono
output_path	str	no	Guarda el WAV a disco ademas de devolver base64

Respuesta

{
  "audio_b64": "UklGR...",
  "audio_size_bytes": 48244,
  "duration_seconds": 4.7,
  "voice": "Kore",
  "model": "gemini-2.5-flash-preview-tts",
  "mime_type": "audio/L16;codec=pcm;rate=24000",
  "usage": {
    "promptTokenCount": 12,
    "candidatesTokenCount": 80,
    "totalTokenCount": 92
  },
  "output_path": "G:\\Mi unidad\\Rick-David\\audio\\resumen.wav"
}

Comportamiento real del handler

• la API devuelve PCM y el Worker lo envuelve como WAV;
• la muestra por defecto es 24 kHz, PCM16, mono;
• duration_seconds se calcula a partir del buffer real;
• si Gemini responde HTTP error, el handler levanta RuntimeError con el body seguro;
• si no viene inlineData, la task falla de forma explicita.

Cuando conviene usarla

• pruebas de TTS con Google o Gemini
• borradores de locucion
• audio corto de validacion
• comparacion contra azure.audio.generate

Cuando no conviene usarla

• si necesitas garantia de soporte estable de produccion;
• si la VM o el Worker no tienen GOOGLE_API_KEY;
• si necesitas streaming o control fino de formato mas alla del WAV que genera el Worker.

Anti-patrones

• No prometer soporte mas alla de la task actual.
• No asumir que usa Vertex; hoy usa GOOGLE_API_KEY y Gemini API.
• No declarar exito si el archivo no se guardo y tampoco llego audio_b64.
• No inventar una lista de voces "oficial" mas alla de la voz realmente probada o configurada.

Siguiente verificacion util

Para comprobar la ruta completa, usa una prueba corta con output_path y revisa:

• que el archivo exista;
• que audio_size_bytes > 0;
• que duration_seconds sea razonable;
• y que el usage venga poblado.