К основному содержанию
скилл CX Codex

google-tts — скилл для Claude Code: озвучка текста и документов

Превращает текст, PDF, DOCX и Markdown в аудио через Google Cloud Text-to-Speech. Пригодится, когда документ нужно послушать, а не читать.

Установить в Claude Code · Через Skills CLI (Vercel) Все способы и платформы ↓
npx skills add sanjay3290/ai-skills --skill google-tts -a claude-code
Открыть на GitHub

Что делает google-tts

Скилл вызывает Google Cloud TTS API и отдаёт готовый файл: MP3, LINEAR16 (.wav) или OGG_OPUS (.ogg). Голоса Neural2, WaveNet, Studio и Standard, больше 40 языков. Есть отдельный режим подкаста: на вход идёт JSON со спикерами, каждый озвучивается своим голосом.

Перед первым запуском нужен ключ API — либо в переменной окружения GOOGLE_TTS_API_KEY, либо в skills/google-tts/config.json в виде {"api_key": "..."}. Для документов из нескольких частей понадобится ffmpeg, а для PDF и DOCX — pip install PyPDF2 python-docx. Без ключа скрипт просто не поедет, так что это первое, что стоит проверить.

Ограничение упирается в API: 5000 байт на запрос. Скрипт режет длинный текст сам, по границам предложений, поэтому большие файлы проходят нормально. Голос по умолчанию — en-US-Neural2-D или en-US-Neural2-F, темп речи настраивается в диапазоне 0.25–4.0, для технических текстов автор советует начать с 0.85–0.95.

Какие задачи решает

  • озвучить PDF-документ в MP3
  • сделать аудиоверсию статьи или отчёта
  • собрать подкаст из двух ведущих по тексту
  • подобрать голос и язык под нужный акцент
  • выгрузить длинный Markdown в один аудиофайл

Примеры запросов агенту

  • озвучь этот PDF и сохрани в ~/Downloads/narration.mp3
  • сделай подкаст из /tmp/script.json двумя голосами
  • прочитай вслух текст из doc.md голосом en-US-Neural2-F

Как установить google-tts

1Через Skills CLI (Vercel)

npx skills add sanjay3290/ai-skills --skill google-tts -a claude-code

2Вручную: положить файлы

~/.claude/skills/google-tts/SKILL.md

Папка скилла целиком; для одного проекта — .claude/skills/google-tts/

По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов

Из того же набора15

google-sheets Скилл даёт агенту доступ к Google Sheets: читает диапазоны, дописывает строки, ищет файлы по названию. Нужен, когда данные лежат в таблице, а не в коде. CX Codex +1 465установок mysql Скилл гоняет SELECT-запросы к нескольким базам MySQL и блокирует любые записи. Пригодится, когда надо посмотреть схему или данные, не рискуя продом. CX Codex +1 420установок google-slides Скилл для чтения, поиска и создания презентаций в Google Slides через скрипты на Python. Помогает генерировать слайды и менять текст в документах без ручной правки. CX Codex +1 407установок jules Скилл отправляет задачи по коду автономному агенту Jules от Google. Пригодится, когда нужно асинхронно написать тесты, закрыть баг или проверить пулл-реквест. CX Codex +1 398установок notebooklm Скилл подключает Claude Code к Google NotebookLM через автоматизацию браузера Playwright. Он помогает опрашивать блокноты, загружать источники и выгружать заметки в JSON или Markdown. CX Codex +1 375установок elevenlabs Превращает документы и текст в аудио через ElevenLabs: одиночная озвучка или диалог двух ведущих. CX Codex +1 351установок google-chat Скилл даёт агенту доступ к Google Chat: читать переписку, отправлять сообщения и файлы, отвечать в тредах. Пригодится, если работа с чатами идёт из терминала. CX Codex +1 339установок atlassian Управляет задачами в Jira и страницами Confluence прямо из агента. Пригодится для поиска тикетов через JQL, чтения документации и смены статусов. CX Codex +1 319установок

Похожие

tts marswaveai Превращает текст в аудио: одна реплика или диалог на несколько голосов. Пригодится, когда нужно быстро получить озвучку прямо из чата с агентом. CX Codex +1 1 400установок elevenlabs-tts glebis Превращает текст в аудиофайл через ElevenLabs API: выбираете голос из пресетов, задаёте стабильность и similarity boost. CX Codex +1 305установок edge-tts aahl Озвучивает текст в MP3 через утилиту uvx edge-tts нейросетевыми голосами Microsoft Edge. Пригодится, когда информацию удобнее слушать на слух во время других дел. CX Codex +1 8 200установок qianwen-audio-tts QianWen-AI Скилл превращает текст в речь моделями Qwen TTS: озвучка, начитки, аудиоверсии статей. Работает через HTTP API и скрипт на Python. CX Codex +1 5 600установок zai-tts aahl Скилл превращает текст в аудио через сервис GLM-TTS. Пригодится, когда ответ агента нужно не читать, а слушать. CX Codex +1 2 800установок qwencloud-audio-tts QwenCloud Скилл превращает текст в речь моделями Qwen TTS: озвучка, начитки, аудио для приложений. Работает в Claude, Codex, Cursor, Copilot, Gemini CLI и OpenCode. CX Codex +1 1 600установок

Рядом в теме «Настройка агента: память, контекст, субагенты»

Всё по теме «Настройка агента: память, контекст, субагенты» →

Вопросы о google-tts

Как установить google-tts в Claude?

Выполните npx skills add sanjay3290/ai-skills --skill google-tts -a claude-code. После этого скилл окажется в ~/.claude/skills/google-tts/SKILL.md.

Что делает google-tts?

Конвертирует текст и документы в аудио через Google Cloud Text-to-Speech. Умеет обычную озвучку одним голосом и режим подкаста с двумя спикерами.

Что нужно для работы скилла?

Ключ API в GOOGLE_TTS_API_KEY или в skills/google-tts/config.json. Для многочастных документов нужен ffmpeg, для PDF и DOCX — pip install PyPDF2 python-docx.

Исходный текст

SKILL.md · Apache-2.0
---
name: google-tts
description: |
  Convert documents and text to audio using Google Cloud Text-to-Speech.
  Use this skill when the user wants to: narrate a document, read aloud text,
  generate audio from a file, convert text to speech, create a recording
  of documentation or analysis, create a podcast from a document, or use
  Google TTS/text-to-speech. Trigger phrases: "read this aloud", "narrate this",
  "create a recording", "text to speech", "TTS", "convert to audio",
  "audio from document", "listen to this", "generate audio", "google tts",
  "create a podcast".
---

# Google Cloud Text-to-Speech

Converts text and documents into audio using Google Cloud TTS API. Supports Neural2, WaveNet, Studio, and Standard voices across 40+ languages.

## Setup

API key via `GOOGLE_TTS_API_KEY` env var or `skills/google-tts/config.json` with `{"api_key": "..."}`.
Requires `ffmpeg` for multi-chunk documents. Optional: `pip install PyPDF2 python-docx` for PDF/DOCX.

## Commands

### List Voices

```bash
python skills/google-tts/scripts/google_tts.py voices --language en-US --type Neural2
python skills/google-tts/scripts/google_tts.py voices --json
```

### Text-to-Speech

```bash
# 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
```

### Podcast Generation

Takes a JSON script with alternating speakers, synthesizes each with a different voice.

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

```bash
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
```

## Workflow

### Single-Voice Narration

1. If user provides a file path, use `--file`. For generated content, write clean prose to `/tmp/tts_input.md` first.
2. Default voice: `en-US-Neural2-D` (male) or `en-US-Neural2-F` (female). Use Neural2 for best quality/cost balance.
3. Generate: `python skills/google-tts/scripts/google_tts.py tts --file /tmp/tts_input.md --output ~/Downloads/recording.mp3`
4. Report file location and size. Default output to `~/Downloads/`.

### Podcast from Document

1. Extract text: `python skills/google-tts/scripts/extract.py /path/to/document.pdf`
2. Generate a two-host conversation script as JSON:
   - Natural discussion, not verbatim reading. Host 1 leads, Host 2 reacts/analyzes.
   - Include intro and outro. Vary turn lengths. Keep turns under 4000 chars.
3. Write script to `/tmp/podcast_script.json`
4. Generate: `python skills/google-tts/scripts/google_tts.py podcast --script /tmp/podcast_script.json --output ~/Downloads/podcast.mp3`
5. Clean up temp files.

## Reference

- **Recommended voice type**: Neural2 (~$4/1M chars, high quality)
- **Speaking rate**: 0.25-4.0 (0.85-0.95 good for technical content)
- **Pitch**: -20.0 to 20.0 semitones
- **Encodings**: MP3 (default), LINEAR16 (.wav), OGG_OPUS (.ogg)
- API limit: 5000 bytes/request. Script auto-chunks at sentence boundaries.

© sanjay3290 · Apache-2.0 · sanjay3290/ai-skills

Смотрите также

Спонсоры проекта

Компании, которые помогают держать аналитику открытой