yangwhale 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)
| 代号 | 风格 | 代号 | 风格 |
|---|---|---|---|
aoede (default) |
轻松 | achird |
友好 |
sulafat |
温暖 | kore |
坚定 |
puck |
欢快 | charon |
知性 |
fenrir |
兴奋 | leda |
青春 |
zephyr |
明亮 | achernar |
柔和 |
gacrux |
成熟 | sadachbia |
活泼 |
algieba |
顺滑 | vindemiatrix |
温柔 |
orus |
坚定 |
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：[whispers] [laughs] [sighs] [slow] [fast]
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_KEYenv var or GCP Application Default Credentials - Gemini supports 80+ languages with auto-detection
- If Gemini fails, automatically falls back to Edge TTS