Google Tts

Use when the user asks for text-to-speech narration or voiceover, accessibility reads, audio prompts, or batch speech generation via the OpenAI Audio API; run the bundled CLI (`scripts/text_to_speech.py`) with built-in voices and require `OPENAI_API_KEY` for live calls. Custom voice creation is out of scope.

Local text-to-speech via sherpa-onnx (offline, no cloud)

ElevenLabs text-to-speech with 22+ premium voices, multilingual support, and voice tuning via inference.sh CLI. Models: eleven_multilingual_v2 (highest quality), eleven_turbo_v2_5 (low latency), eleven_flash_v2_5 (ultra-fast). Capabilities: text-to-speech, voice selection, stability/style control, 32 languages. Use for: voiceovers, audiobooks, video narration, podcasts, accessibility, IVR. Triggers: elevenlabs, eleven labs, elevenlabs tts, premium tts, professional voice, ai voice, high quality tts, multilingual tts, eleven labs voice, voice generation, natural speech, realistic voice, voice over, speech synthesis

Verwenden Sie diese Fähigkeit, wann immer der Benutzer Text in Sprache umwandeln, Audio aus Text generieren oder Voiceovers erstellen möchte. Auslöser sind: jede Erwähnung von 'TTS', 'Text to Speech', 'sprechen', 'sagen', 'Stimme', 'laut vorlesen', 'Audio-Narration', 'Voiceover', 'Synchronisation' oder Anfragen, geschriebene Inhalte in gesprochene Audios umzuwandeln. Verwenden Sie es auch, wenn Sie EPUB/PDF/SRT/Artikel in Audio konvertieren, Stimmen aus Referenz-Audios klonen, Emotionen oder Geschwindigkeit in der Sprache steuern, Sprache an Zeitpläne von Untertiteln anpassen oder sprach-zugeordnete Audio pro Segment produzieren.

Verwenden Sie diese Fähigkeit immer dann, wenn der Benutzer möchte, dass die Sprache menschlicher, begleitender oder emotional ausdrucksstärker klingt. Auslöser sind: jegliche Erwähnung von 'sprechen wie', 'reden wie', 'begleitende Stimme', 'tröste mich', 'muntere mich auf', 'klingt menschlicher', 'Guten-Nacht-Stimme', 'Guten-Morgen-Stimme' oder Aufforderungen, Füllgeräusche, Emotionen oder Persönlichkeit hinzuzufügen. Verwenden Sie dies auch, wenn der Benutzer die Stimme eines bestimmten Charakters nachahmen, Sprechstil-Voreinstellungen anwenden (Gutenacht, Morgen, Komfort, Feier, Chatten), emotionale Parameter wie Wärme oder Zärtlichkeit abstimmen oder die TTS-Ausgabe wie eine echte Person klingen lassen möchte. Wenn der Benutzer nach einer 'Sprachnachricht', 'Begleit-Audio' oder 'Charakterstimme' fragt oder eine Sprache wünscht, die seufzt, lacht, zögert oder aufrichtig warm klingt, verwenden Sie diese Fähigkeit. Verwenden Sie dies NICHT für einfache Text-zu-Sprache ohne Persönlichkeit, Musikgenerierung, Soundeffekte oder allgemeine Codierungsaufgaben, die nichts mit ausdrucksstarker Sprache zu tun haben.

Generate AI-powered podcast-style audio narratives using Azure OpenAI's GPT Realtime Mini model via WebSocket. Use when building text-to-speech features, audio narrative generation, podcast creation from content, or integrating with Azure OpenAI Realtime API for real audio output. Covers full-stack implementation from React frontend to Python FastAPI backend with WebSocket streaming.