mcpField
S
speech-build

speech-build

github.com/cnemriクリエイティブ・メディア12859 回インストール38 週間前に更新
リポジトリ

speech-build について

speech-buildは、Google GenAIとCloud Speech SDKを使った音声生成・文字起こしの実装を支援するスキルです。Gemini-TTSとChirp 3のコード例や資料を提供します。

主な機能

  1. 01Gemini-TTSの生成例
  2. 02Chirp 3の文字起こしガイド
  3. 03話者識別とストリーミングの資料
  4. 04音声、ロケール、プロンプトのガイド

活用シーン

  1. 01アプリに音声合成を実装
  2. 02音声文字起こしのワークフロー構築
  3. 03SDKの詳細や音声オプションを確認

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/cnemri/google-genai-skills --skill speech-build

インストール後、Claude Code で/speech-build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。

references/
prompting.md
source_code.md
stt.md
tts.md
voices.md

詳細

音声スキル（TTS と STT）

このスキルを使用すると、google-genai と google-cloud-speech SDK を使った音声生成と文字起こしのワークフローを実装できます。

クイックスタートのセットアップ

from google import genai
from google.genai import types
# For STT: from google.cloud import speech_v2

client = genai.Client()

リファレンス資料

一般的なワークフロー

1. 音声を生成する（Gemini-TTS）
response = client.models.generate_content(
    model="gemini-2.5-flash-preview-tts",
    contents="Hello, world!",
    config=types.GenerateContentConfig(
        response_modalities=["AUDIO"],
        speech_config=types.SpeechConfig(
            voice_config=types.VoiceConfig(
                prebuilt_voice_config=types.PrebuiltVoiceConfig(voice_name='Kore')
            )
        )
    )
)
2. 音声を文字起こしする（Chirp 3）
# Requires google-cloud-speech
from google.cloud import speech_v2
# ... (See stt.md for full setup)
response = speech_client.recognize(...)

コメント

Markdown 対応