mcpField
S
speech-build

speech-build

github.com/cnemri创意与媒体12859 次安装38 周前更新
代码仓库

关于 speech-build

speech-build 是一项技能，帮助开发者使用 Google GenAI 和 Cloud Speech SDK 实现语音生成与转录工作流，并提供 Gemini-TTS 和 Chirp 3 的代码示例及参考资料。

主要功能

  1. 01Gemini-TTS 生成示例
  2. 02Chirp 3 转录指南
  3. 03说话人区分与流式处理参考
  4. 04语音、语言区域和提示词指南

适用场景

  1. 01在应用中实现文本转语音
  2. 02构建音频转录工作流
  3. 03查阅 SDK 细节和语音选项

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/cnemri/google-genai-skills --skill speech-build

安装后在 Claude Code 中输入/speech-build确认已加载。

包含的文件

除 SKILL.md 外，安装时一起下载的参考资料和脚本。

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

详细介绍

语音技能（TTS 和 STT）

使用此技能通过 google-genai 和 google-cloud-speech SDK 实现音频生成和转录工作流。

快速入门设置

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

client = genai.Client()

参考资料

常见工作流

1. 生成语音（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. 转录音频（Chirp 3）
# Requires google-cloud-speech
from google.cloud import speech_v2
# ... (See stt.md for full setup)
response = speech_client.recognize(...)

评论

支持 Markdown