Communitygithub.com

amtamaddon/rsk-explainer-studio

Générer un audio de narration expressif avec Gemini TTS, en adaptant l'émotion par paragraphe. À utiliser chaque fois qu'une narration, une voix off ou un audio parlé est nécessaire pour une vidéo.

Qu'est-ce que rsk-explainer-studio ?

Cette compétence permet de produire des narrations audio expressives à l'aide du service Text-to-Speech (TTS) Gemini, en pilotant l'émotion paragraphe par paragraphe via des instructions stylistiques en langage naturel. Elle est particulièrement utile pour les créateurs de contenu vidéo, les développeurs d'agents IA ou les ingénieurs logiciels qui ont besoin d'une voix off nuancée et naturelle. La compétence se base sur un script Python (`scripts/tts.py`) qui lit un fichier Markdown de script, remplace les balises de style (par exemple `[calme]`, `[enthousiaste]`) par des instructions de ton, et génère un fichier WAV distinct pour chaque paragraphe. Un fichier `timing.json` enregistre les durées pour l'assemblage final. Pour la première utilisation, la compétence doit être initialisée en interrogeant l'API Gemini live pour récupérer la documentation, les modèles et les voix disponibles. Elle inclut également un système de prononciation personnalisable via un fichier YAML, permettant de corriger la lecture de termes spécifiques (comme les nombres) sans altérer les sous-titres. La qualité audio est garantie par une phase de test sur le premier paragraphe, avec possibilité d'ajuster les instructions si la lecture semble trop artificielle.

Compatible avec~Claude Code~Codex CLI~Cursor✓Gemini CLI
npx skills add https://github.com/amtamaddon/rsk-explainer-studio/tree/HEAD/.claude/skills/emotive-tts

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

TTS Expressif (Emotive TTS)

Première exécution : finaliser cette compétence à partir de l'API live

Le TTS Gemini est piloté par des instructions stylistiques en langage naturel. Avant la première utilisation, récupérez la documentation actuelle de la synthèse vocale Gemini, confirmez l'ID du modèle dans config/models.yaml, listez les voix disponibles, et mettez à jour scripts/tts.py ainsi que ce fichier avec tout ce qui diffère (noms de voix, syntaxe des consignes de style, support multi-locuteur, fréquence d'échantillonnage). Testez trois voix sur le paragraphe p01 et laissez l'utilisateur choisir. Supprimez ensuite cette section.

Utilisation

python scripts/tts.py work/<slug>/script.md work/<slug>/vo/

Le script transforme la balise entre crochets de chaque paragraphe en une instruction de style :

  • personnalité de base, toujours ajoutée : "Lire comme un conférencier universitaire chaleureux et posé s'adressant à une petite salle. Pauses naturelles aux virgules. Jamais précipité, jamais théâtral."
  • balise ajoutée : "Ton pour ce passage : ."

Un fichier WAV par paragraphe permet de refaire facilement les prises. vo/timing.json enregistre chaque durée pour l'assemblage.

Prononciation

config/pronunciations.yaml associe les formes écrites aux formes parlées et n'est appliqué qu'à l'entrée TTS, afin que les sous-titres affichent toujours "835". Il est lu comme "huit trente-cinq", jamais "huit cent trente-cinq". Ajoutez tout terme qu'une voix mal interprète.

Niveau de qualité

Rendez d'abord le p01 seul. Si la lecture semble chantante ou surjouée, adoucissez le libellé de la balise au lieu d'ajouter des mots d'émotion.

Individual skills in this repo

This repo contains 3 individual skills — each has its own dedicated page.

Skills associés