Gemini TTS MP3 Skill

前提

• APIキーは次の順で参照する
  1. ./.env
  2. scripts/../.env（リポジトリ直下）
  3. 環境変数 GEMINI_API_KEY（最後のフォールバック）
• node（推奨: 18以上）と curl が利用可能
• ffmpeg がインストール済み

クイックスタート

1. .env を作成する

cat > .env <<'EOF'
GEMINI_API_KEY=your-api-key
EOF

2. 一括実行でMP3を作る（長文は文単位で自動分割）

./scripts/tts_to_mp3.sh \
  --text "こんにちは。Gemini TTSの音声テストです。" \
  --voice Zephyr \
  --max-chars 300 \
  --output-dir outputs \
  --output-base sample

3. 出力を確認する

• sample.mp3

主要スクリプト

• scripts/generate_tts.sh
  • Gemini APIへリクエストして response.json を保存
• scripts/decode_pcm_to_wav.js
  • inlineData.data をPCMとしてデコードしWAV化
• scripts/split_text_chunks.js
  • 文単位でテキストを分割し、長文を複数チャンクにする
• scripts/wav_to_mp3.sh
  • ffmpeg でWAVをMP3へ変換
• scripts/tts_to_mp3.sh
  • 分割 -> TTS -> WAV結合 -> MP3変換を一括実行

推奨設定

• MP3品質: -q:a 2（LAME VBR、高音質と容量のバランスが良い）
• 音声モデル: gemini-2.5-flash-preview-tts
• 音声名の例: Zephyr, Kore, Aoede
• 分割文字数: --max-chars 200-400（初期値は300、破綻する場合は小さくする）

追加オプション

• --output-dir: 出力先フォルダを指定する（デフォルト: .）
• --max-chars: 長文分割の閾値を指定する（推奨: 200-400）
• --keep-temp: 中間ファイル（JSON/WAV/チャンク）を保持する
• オプション利用例:

./scripts/tts_to_mp3.sh \
  --text "中間ファイルも保存します" \
  --output-dir outputs \
  --output-base debug \
  --max-chars 250 \
  --keep-temp

実行後検証（必須）

TARGET="outputs/sample.mp3"  # 実際の --output-dir/--output-base に合わせて変更
ffprobe -v error -show_entries stream=codec_name -of default=nw=1:nk=1 "$TARGET"
ffprobe -v error -show_entries format=duration -of default=nw=1:nk=1 "$TARGET"

• codec_name が mp3
• duration が 0 より大きいこと

運用メモ

• gemini-2.5-flash-preview-tts が失敗する場合は --model で切り替えて確認する
• 長文で不安定な場合は --max-chars を小さくして再実行する
• API失敗時は5秒待機して手動で最大3回まで再実行する
• APIキーはログ・画面共有・履歴に出さない（GEMINI_API_KEY を直接表示しない）
• .env は GEMINI_API_KEY=... 形式で記述する（行末コメントは付けない）

トラブルシュート

• GEMINI_API_KEY is not set.
  • ./.env または scripts/../.env に GEMINI_API_KEY=... があるか確認する
  • なければ環境変数 GEMINI_API_KEY を設定する
• ffmpeg is required but not found in PATH.
  • ffmpegをインストールしてPATHを通す
• Audio data not found in response JSON.
  • APIエラーやレスポンス形式変更を確認する
• --max-chars must be a positive integer.
  • 分割文字数を正の整数で指定する