Token导航 LogoToken导航TokenDH.com
待分类敏感数据github未标认证来源可访问许可证需确认审计异常

speech-use言语使用

Agent Skill

用于辅助音频、音乐、语音转写、语音合成或声音素材处理。它适合让 Agent 生成配乐说明、整理音频流程、调用语音工具或处理播客和视频配音素材。使用时需要确认输入音频来源、输出格式、时长和模型限制;涉及人声克隆、版权音乐或公开发布时,应先核对授权和合规边界。

总安装

1,173

周安装

47

GitHub Stars

119

下载量

380
CodexClaudeCursorGemini CLI

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

GitHub

来源数

2

许可证

unknown

最后核验

2026-05-01

来源状态

来源可访问

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:speech-use(言语使用)
来源仓库:https://github.com/cnemri/google-genai-skills
仓库路径:skills/speech-use
安装命令:
npx skills add https://github.com/cnemri/google-genai-skills --skill speech-use
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 npx skills 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

skills.shnpx skills
npx skills add https://github.com/cnemri/google-genai-skills --skill speech-use

简介

speech-use 用于辅助音频、音乐、语音转写、语音合成或声音素材处理,适合在 Codex、Claude、Cursor、Gemini CLI 中生成配乐说明或整理音频流程。

  • 适用于播客、视频配音或语音工具集成的场景。
  • 使用时需确认输入音频来源、输出格式、时长和模型限制。
  • 涉及人声克隆、版权音乐或公开发布时,应先核对授权和合规边界。
  • 建议保留人工审核以确保内容合法合规。

SKILL.md

Speech Use

Use this skill to perform Text-to-Speech (TTS), Speech-to-Text (STT), and Voice Cloning operations.

This skill uses portable Python scripts managed by uv.

Prerequisites

  1. Environment Variables:

- GOOGLE_API_KEY (for TTS via Gemini) - GOOGLE_CLOUD_PROJECT (Required for STT and Voice Cloning) - GOOGLE_APPLICATION_CREDENTIALS (Recommended for STT/Voice Cloning)

  1. APIs Enabled:

- Text-to-Speech API (texttospeech.googleapis.com) - Speech-to-Text API (speech.googleapis.com)

Usage

1. Generate Speech (TTS)

Generate audio from text using Gemini-TTS.

Standard Voice:

uv run skills/speech-use/scripts/generate_speech.py "Hello world, this is a test." --voice Puck --output hello.wav

Custom Voice (Cloned):

uv run skills/speech-use/scripts/generate_speech.py "This is my custom voice speaking." --voice-cloning-key "YOUR_KEY_HERE" --output custom.wav

2. Create Custom Voice (Voice Cloning)

Generate a voiceCloningKey from a reference audio file and a consent file.

Requirements:

  • reference.wav: 10-30s of clear speech (the voice to clone).
  • consent.wav: The speaker saying: *"I am the owner of this voice and I consent to Google using this voice to create a synthetic voice model."*
uv run skills/speech-use/scripts/create_custom_voice.py --reference-audio reference.wav --consent-audio consent.wav

*Save the output key to use with generate_speech.py.*

3. Transcribe Audio (STT)

Transcribe audio files using Chirp 3.

uv run skills/speech-use/scripts/transcribe_audio.py audio.wav --language en-US --output transcript.txt

Options

generate_speech.py

  • --voice: Prebuilt voice (e.g., Kore, Puck, Fenrir, Aoede).
  • --voice-cloning-key: Key from create_custom_voice.py.
  • --model: Default gemini-2.5-flash-preview-tts.

transcribe_audio.py

  • --model: Default chirp_3.
  • --language: Default auto.
  • --location: Cloud region (default us).

References

Before running scripts, review the reference guides for available voices and options.
  • Voices Guide - 30+ voice options with styles (Puck, Kore, Fenrir, Aoede, etc.)

适合场景

01

用户想查找某类 Agent Skill 时

02

需要根据任务场景推荐可安装能力包时

03

需要对比不同来源的安装命令和来源信息时

能力概览

能力 1

按任务关键词查找相关 Skills

能力 2

展示可复制的安装命令

能力 3

保留来源站点、仓库和原始说明,方便继续核验

能力 4

展示第三方安全扫描或审计结果

安装后应在对应宿主中按原始 README 的触发条件使用;具体调用方式请以来源页面和 README 为准。

平台分布

Codex

39.08%
按下载量换算149

Claude

31.32%
按下载量换算119

Cursor

17.08%
按下载量换算65

Gemini CLI

10.2%
按下载量换算39

安全审计

Gen Agent Trust Hub

通过

Socket

通过

Snyk

未通过

权限和风险

敏感数据

该 Skill 可能接触密钥、Token、环境变量或敏感配置,应进入高风险复核队列,默认不自动发布。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。来源安全扫描存在 warning/failed 结果,不能写成本站确认安全。当前只有一个来源,正式发布前建议补源仓库或其他目录站核验。

来源信息

继续浏览同类 Skills