TTS Generator (Gemini 3.1 Flash TTS)

Generate expressive speech audio using Google Gemini 3.1 Flash TTS with emotion/audio tag support. Falls back to Edge TTS if Gemini is unavailable.

Usage

# Generate OGG audio (Gemini, default)
OGG=$(~/.claude/skills/tts-generator/scripts/tts-generate.py "[casually] 你好世界")

# Choose voice
OGG=$(~/.claude/skills/tts-generator/scripts/tts-generate.py "[excitedly] 太棒了！" --voice sulafat)

# Fallback to Edge TTS
OGG=$(~/.claude/skills/tts-generator/scripts/tts-generate.py "你好" --engine edge --voice xiaoxiao)

# Send as Discord voice message
~/.claude/scripts/send-to-discord.sh --voice "$OGG"

# Clean up
rm -f "$OGG"

Gemini Voices (15 voices)

Emotion Tags (Gemini only)

Gemini TTS 支持 inline audio tags 控制情感和风格。有两种工作模式，行为不同：

模式 A：单标签（director instruction）

只有一个开头标签时，脚本把它翻译成 director 指令喂给 Gemini："[casually] 你好" → "Say the following in Chinese, casually:\n你好"。这种模式下任意词都能用（因为 Gemini 把它当自然语言指令理解），所以下面这些"自创"标签都能工作：

"[casually] 今天的进度还不错"        # 随意
"[excitedly] 实验通过了！"           # 兴奋
"[thoughtfully] 这个方案有两个权衡点" # 思考
"[seriously] 注意这个安全隐患"        # 严肃
"[cheerfully] 早上好！"              # 愉快
"[calmly] 总结一下今天的工作"         # 平静

模式 B：多个 inline 标签（raw passthrough）

文本里有 ≥2 个标签时，脚本不动它，原样 pass 给 Gemini。Gemini 只认它训练时见过的官方词，自创词会被静默丢弃。一段话里想多次切换情绪（推荐用法，更生动）必须用下面的官方词：

思考类：[thinking] [contemplative] [analysis] [focus] [reflection] [planning] [speculation] [pensive] [curiosity]

积极类：[excitement] [enthusiasm] [joy] [happy] [pleased] [optimism] [playful] [amusement] [friendly] [triumph] [satisfaction]

中性类：[neutral] [contentment] [serenity] [relaxation] [certainty]

严肃类：[seriousness] [urgency] [warning] [concern] [caution] [emphasis]

惊讶类：[surprise] [amazement] [realization] [confusion] [uncertainty] [doubt] [disbelief]

消极类：[disappointment] [frustration] [regret] [exhaustion] [weariness]

幽默类：[humor] [sarcasm] [amused] [self-deprecation]

自信类：[confidence] [determination] [assertive] [pride]

特效类：[laughs] [sighs] [slow] [fast]

⛔ 不要用 [whispers]。 它是 Gemini 官方标签、模型会照做，而照做的结果是 音量小到在手机外放、车里、地铁上根本听不见（Chris 2026-09-17 明确要求去掉）。 CloseCrab 的 TTS 链路里 normalize_tts_tags() 会把它换成 [casually]， 所以写了也不生效 —— 但走本 skill 直接调 API 的场合没有那层兜底，别写。

说明类：[informative] [explaining] [summary] [instruction] [suggestion]

多标签例子（好）：

[curiosity] 我先看下日志。[realization] 哦原来是端口冲突。
[amused] 这种小坑最烦了。[suggestion] 你 kill 8080 那个就行。

多标签例子（差）：

[casually] 我看了日志发现端口冲突 你 kill 8080 就行
# 整段一个标签，且 [casually] 不是官方词，多标签场景下还会被丢

Edge TTS Voices (fallback)

• xiaoxiao — 女声（默认）
• xiaoyi — 女声，温柔
• yunxi — 男声，活力
• yunjian — 男声，成熟
• yunyang — 男声，新闻播报
• yunxia — 男声，少年

Notes

• Output: OGG Opus (1ch, 48kHz, 48kbps)
• Gemini TTS needs GOOGLE_API_KEY env var or GCP Application Default Credentials
• Gemini supports 80+ languages with auto-detection
• If Gemini fails, automatically falls back to Edge TTS