Agent Skill · 待分类

speech-use（言语使用）

用于辅助音频、音乐、语音转写、语音合成或声音素材处理。它适合让 Agent 生成配乐说明、整理音频流程、调用语音工具或处理播客和视频配音素材。使用时需要确认输入音频来源、输出格式、时长和模型限制；涉及人声克隆、版权音乐或公开发布时，应先核对授权和合规边界。

speech-use 是待分类类 Agent Skill，可用宿主为 Codex、Claude、Cursor、Gemini CLI，通过GitHub 仓库获取，权限为接触敏感数据；许可证信息还不明确，第三方扫描有未通过项，按安装量在待分类类的 11,209 个 Skill 里排第 3,089。

总安装 1,173周安装 47GitHub Stars 119下载 380核验 2026-05-01

待分类接触敏感数据 GitHub 仓库未标认证来源可访问许可证需确认审计异常 Codex Claude Cursor Gemini CLI

安装说明

本站只整理中文说明，不托管安装包，也不代用户安装。

GitHub

许可证: unknown

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手，先确认命令和权限，再让它执行。

请帮我安装这个 Agent Skill：speech-use（言语使用）
来源仓库：https://github.com/cnemri/google-genai-skills
仓库路径：skills/speech-use
安装命令：
npx skills add https://github.com/cnemri/google-genai-skills --skill speech-use
安装前请先检查当前环境是否支持对应 CLI，并向我确认将要执行的命令、安装目录、联网范围和文件读写权限；确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 npx skills 从第三方来源获取 Skill；本站只展示命令，不托管安装包，也不自动执行。

skills.shnpx skills

npx skills add https://github.com/cnemri/google-genai-skills --skill speech-use

这个 Skill 是做什么的

这个 Skill 的分类还没最终确定，用法以来源仓库的说明为准。

speech-use 用于辅助音频、音乐、语音转写、语音合成或声音素材处理，适合在 Codex、Claude、Cursor、Gemini CLI 中生成配乐说明或整理音频流程。适用于播客、视频配音或语音工具集成的场景。使用时需确认输入音频来源、输出格式、时长和模型限制。

涉及人声克隆、版权音乐或公开发布时，应先核对授权和合规边界。建议保留人工审核以确保内容合法合规。

来源仓库内路径：skills/speech-use

上手步骤

4 步

1
确认自己的宿主工具
公开资料标注支持 Codex、Claude、Cursor、Gemini CLI；先确认自己用的是其中之一，再按对应工具的 Skills 目录放置。
2
拿到安装命令
可以直接复制的命令是 npx skills add https://github.com/cnemri/google-genai-skills --skill speech-use；命令里的占位符换成自己的路径或密钥再执行。
3
安装后重启宿主
命令执行完要完全退出宿主工具再打开，让新装的 Skill 被重新扫描到，否则列表里可能看不到。
4
按最小权限试用
它需要接触敏感数据，先在测试目录或测试账号里跑，确认没问题再放到正式项目。

常见问题

6 条

speech-use 怎么安装？

在终端执行 npx skills add https://github.com/cnemri/google-genai-skills --skill speech-use。装完完全退出宿主工具再打开，让它重新扫描本地 Skill。

speech-use 支持哪些 AI 工具？

公开资料标注支持 Codex、Claude、Cursor、Gemini CLI。其他工具只要能读取本地 Skill 目录，一般也能手动放进去，但要自己确认触发方式是否一致。

speech-use 需要什么权限？

权限级别是接触敏感数据。该 Skill 可能接触密钥、Token、环境变量或敏感配置，应进入高风险复核队列，默认不自动发布。

speech-use 是免费的吗？

公开资料没有标注明确许可证，收费和商用限制都无法确认。正式使用前请到来源仓库核对授权说明。

speech-use 用的人多吗？

公开数据是累计安装 1,173 次，近一周安装 47 次，下载 380 次，GitHub 119 星。这些数字来自第三方目录统计，只能当作热度参考，不代表质量或安全性。

speech-use 安全吗？

第三方扫描有未通过项，风险较高。除非你确认过源码，否则不建议直接安装到常用环境。

值得选的地方和要先想清楚的地方

值得选的地方

同时适配 4 种工具，换客户端不用重新找替代品。

先想清楚的地方

需要接触敏感数据，装到常用环境前要先评估影响面。
许可证没有明确标注，能不能商用、能不能再分发都不确定。
第三方扫描存在提醒项或未通过项，需要人工逐条确认。
第三方目录整理，版本更新和行为细节以来源仓库为准。

适不适合你

更适合

已经在用 Codex，想直接扩展它能力的人。
需要处理待分类类任务、又不想每次都手写提示词的人。

不太适合

环境里有大量密钥、凭证，不方便给第三方 Skill 读取的人。
需要明确授权才能用到公司项目里的场景。
需要厂商级技术支持和 SLA 的生产系统。

待分类类 Skill 对比

6 个同类

Skill	总安装	GitHub 星	权限	许可证	扫描
infsh-cli infsh CLI · Codex、Claude	4,374,576	382	权限未标注	未明确	未收录
ai-video-generation AI 视频生成 · Codex、Claude	4,313,376	382	调用外部服务	未明确	有提醒
lark-openapi-explorer 云雀 OpenAPI 浏览器 · Codex、Claude	2,064,120	9,011	需要联网	未明确	有提醒
lark-workflow-standup-report Lark 工作流程站立报告 · Codex、Claude	2,041,632	8,978	需要联网	未明确	通过
use-my-browser 使用我的浏览器 · Codex、Claude	1,848,491	40	操作浏览器	未明确	未通过
speech-use 言语使用 · 本页	1,173	119	接触敏感数据	未明确	未通过

按安装量取同分类前几名；数字来自第三方目录统计，只作热度参考，不代表质量结论。

SKILL.md 原文

Speech Use

Use this skill to perform Text-to-Speech (TTS), Speech-to-Text (STT), and Voice Cloning operations.

This skill uses portable Python scripts managed by uv.

Prerequisites

Environment Variables:

- GOOGLE_API_KEY (for TTS via Gemini) - GOOGLE_CLOUD_PROJECT (Required for STT and Voice Cloning) - GOOGLE_APPLICATION_CREDENTIALS (Recommended for STT/Voice Cloning)

APIs Enabled:

- Text-to-Speech API (texttospeech.googleapis.com) - Speech-to-Text API (speech.googleapis.com)

Usage

1. Generate Speech (TTS)

Generate audio from text using Gemini-TTS.

Standard Voice:

uv run skills/speech-use/scripts/generate_speech.py "Hello world, this is a test." --voice Puck --output hello.wav

Custom Voice (Cloned):

uv run skills/speech-use/scripts/generate_speech.py "This is my custom voice speaking." --voice-cloning-key "YOUR_KEY_HERE" --output custom.wav

2. Create Custom Voice (Voice Cloning)

Generate a voiceCloningKey from a reference audio file and a consent file.

Requirements:

reference.wav: 10-30s of clear speech (the voice to clone).
consent.wav: The speaker saying: *"I am the owner of this voice and I consent to Google using this voice to create a synthetic voice model."*

uv run skills/speech-use/scripts/create_custom_voice.py --reference-audio reference.wav --consent-audio consent.wav

*Save the output key to use with generate_speech.py.*

3. Transcribe Audio (STT)

Transcribe audio files using Chirp 3.

uv run skills/speech-use/scripts/transcribe_audio.py audio.wav --language en-US --output transcript.txt

Options

generate_speech.py

--voice: Prebuilt voice (e.g., Kore, Puck, Fenrir, Aoede).
--voice-cloning-key: Key from create_custom_voice.py.
--model: Default gemini-2.5-flash-preview-tts.

transcribe_audio.py

--model: Default chirp_3.
--language: Default auto.
--location: Cloud region (default us).

References

Before running scripts, review the reference guides for available voices and options.

Voices Guide - 30+ voice options with styles (Puck, Kore, Fenrir, Aoede, etc.)

平台分布

Codex

39.08%

按下载量换算149

Claude

31.32%

按下载量换算119

Cursor

17.08%

按下载量换算65

Gemini CLI

10.2%

按下载量换算39

安全审计

Gen Agent Trust Hub

通过

Socket

通过

Snyk

未通过

权限和风险

接触敏感数据

该 Skill 可能接触密钥、Token、环境变量或敏感配置，应进入高风险复核队列，默认不自动发布。

安装前确认

本站仅展示第三方公开信息，不托管安装包，不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。来源安全扫描存在提醒或未通过项，安装前请自行复核。目前只有一个公开来源，建议同时核对源仓库。

继续浏览同类 Skills

更多待分类 Skills（11,209）返回 Skills 目录

上一个 Skill

speech-to-text（语音转文字）

infsh-skills/skills

下一个 Skill

speed（speed 命令行）

sickn33/antigravity-awesome-skills

speed 用于处理 GitHub 仓库、Issue、Pull Request 和代码协作信息，适合在 Codex、Claude、Cursor、Gemini CLI 中需要围绕仓库状态、代码变更或协作事项进行整理时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态，以及是否会触发联网、命令执行或文件读写。