mcpField
G
google-tts

google-tts

github.com/sanjay3290クリエイティブ・メディア447327 回インストール7 週間前に更新
リポジトリ

google-tts について

google-ttsは、Google Cloud TTS APIでテキストや対応ドキュメントを音声に変換するスキルです。複数の音声タイプに対応し、2人の話者によるポッドキャスト生成手順も備えています。

主な機能

  1. 01テキストとドキュメントの音声合成
  2. 02Neural2、WaveNet、Studio、Standardの音声を利用
  3. 03音声、速度、ピッチ、エンコーディングの調整
  4. 04話者が交互に話すポッドキャストの生成
  5. 05言語とタイプで音声を一覧表示

活用シーン

  1. 01PDFやDOCXからナレーションを作成
  2. 02文章からMP3を生成
  3. 03台本を2人のポッドキャストに変換

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/sanjay3290/ai-skills --skill google-tts

インストール後、Claude Code で/google-ttsを入力して読み込まれたか確認します。

同梱ファイル

SKILL.md と一緒にインストールされる参考資料やスクリプト。

.gitignore
scripts/
extract.py
google_tts.py

詳細

Google Cloud Text-to-Speech

Google Cloud TTS API を使用して、テキストやドキュメントを音声に変換します。40 以上の言語で、Neural2、WaveNet、Studio、Standard の音声に対応しています。

セットアップ

GOOGLE_TTS_API_KEY 環境変数、または skills/google-tts/config.json に {"api_key": "..."} を設定します。 複数チャンクのドキュメントには ffmpeg が必要です。オプション：PDF/DOCX 用に pip install PyPDF2 python-docx をインストールします。

コマンド

音声一覧
python skills/google-tts/scripts/google_tts.py voices --language en-US --type Neural2
python skills/google-tts/scripts/google_tts.py voices --json
テキスト読み上げ
# From text or document (PDF, DOCX, MD, TXT)
python skills/google-tts/scripts/google_tts.py tts --text "Hello world" --output ~/Downloads/hello.mp3
python skills/google-tts/scripts/google_tts.py tts --file /path/to/doc.pdf --output ~/Downloads/narration.mp3

# With voice, rate, pitch, encoding options
python skills/google-tts/scripts/google_tts.py tts --file doc.md --voice en-US-Neural2-F --rate 0.9 --encoding MP3 --output ~/Downloads/out.mp3
ポッドキャストの生成

話者が交互に登場する JSON スクリプトを受け取り、それぞれを異なる音声で合成します。

[
  {"speaker": "host1", "text": "Welcome to our podcast!"},
  {"speaker": "host2", "text": "Thanks for having me..."}
]

python skills/google-tts/scripts/google_tts.py podcast --script /tmp/script.json --output ~/Downloads/podcast.mp3
python skills/google-tts/scripts/google_tts.py podcast --script /tmp/script.json --voice1 en-US-Neural2-J --voice2 en-US-Neural2-H --rate 0.9 --output ~/Downloads/podcast.mp3

ワークフロー

単一音声のナレーション
  1. ユーザーがファイルパスを指定した場合は、--file を使用します。生成したコンテンツの場合は、最初に整った文章を /tmp/tts_input.md に書き込みます。
  2. デフォルトの音声は en-US-Neural2-D（男性）または en-US-Neural2-F（女性）です。品質とコストのバランスが最もよいため、Neural2 を使用します。
  3. 生成します：python skills/google-tts/scripts/google_tts.py tts --file /tmp/tts_input.md --output ~/Downloads/recording.mp3
  4. ファイルの場所とサイズを報告します。デフォルトの出力先は ~/Downloads/ です。
ドキュメントからポッドキャストを生成
  1. テキストを抽出します：python skills/google-tts/scripts/extract.py /path/to/document.pdf
  2. 2 人のホストによる会話スクリプトを JSON として生成します：
    • 逐語的な読み上げではなく、自然な議論にします。ホスト 1 が進行し、ホスト 2 が反応・分析します。
    • イントロとアウトロを含めます。ターンの長さに変化をつけます。各ターンは 4000 文字未満にします。
  3. スクリプトを /tmp/podcast_script.json に書き込みます
  4. 生成します：python skills/google-tts/scripts/google_tts.py podcast --script /tmp/podcast_script.json --output ~/Downloads/podcast.mp3
  5. 一時ファイルを削除します。

リファレンス

  • 推奨する音声タイプ：Neural2（約 $4/100 万文字、高品質）
  • 読み上げ速度：0.25～4.0（技術的なコンテンツには 0.85～0.95 が適しています）
  • ピッチ：-20.0～20.0 半音
  • エンコード形式：MP3（デフォルト）、LINEAR16（.wav）、OGG_OPUS（.ogg）
  • API の制限：1 リクエストあたり 5000 バイト。スクリプトは文の区切りで自動的にチャンク分割されます。

コメント

Markdown 対応