GTTS

Géminis de texto a voz

Transforme el contenido escrito en discurso utilizando Google AI (Gemini) para la generación de texto y la recuperación de información basada en Internet.

---

Tabla de contenido

1. Cómo funciona
2. Nota del proyecto
3. Instalación del proyecto
4. Ejemplos de proyectos
5. Colaboradores

---

❓ Cómo funciona

Este proyecto se basa en un ejemplo en Test/App.ts. Realiza los siguientes pasos:

1. Obtiene una entrada de voz
2. Envía una solicitud a la API de Google Géminis para recibir una respuesta generada por IA
3. Convierte automáticamente la respuesta al habla utilizando la tecnología de texto a voz (TTS)
4. Reproduce el audio generado

---

? Nota del proyecto

Este proyecto ha sido probado en Linux (Ubuntu 24.04 LTS x86_64). Los usuarios de Windows pueden instalar Sox a través de SourceForge. La información específica de MacOS no está disponible actualmente.

Tarea	Prioridad	Estado
Implementar chat de Géminis	Alto	✅ Completado
Desarrollar el reconocimiento de voz	Alto	✅ Completado
Implementar la detección de lenguaje de audio	Alto	✅ Completado
Implementar la detección de idiomas de texto	Medio	✅ Completado
Implementar un reproductor de audio	Bajo	✅ Completado
Definir enums	Bajo	✅ Completado
Integrar la depuración	Bajo	✅ Completado

---

? Instalación del proyecto

Antes de usar este repositorio, asegúrese de que las siguientes dependencias estén instaladas en su sistema:

Linux

• SOX : sudo apt-get install sox
• Libsox-fmt-all : sudo apt-get install libsox-fmt-all
• Ffmpeg : sudo apt install ffmpeg

Windows

• SOX : Descargar desde SourceForge
• FFMPEG : choco install ffmpeg (usando Chocolatey) o descargar desde el sitio web oficial

Macosa

Las instrucciones de instalación específicas de MacOS no están disponibles en este momento.

Para instalar el paquete, use uno de los siguientes comandos basado en su administrador de paquetes preferido:

 # npm
$ npm install git+https://github.com/Stawa/GTTS.git --legacy-peer-deps
# Bun
$ bun install git+https://github.com/Stawa/GTTS.git --trust

---

? Ejemplos de proyectos

Antes de sumergirse en los ejemplos, asegúrese de tener las siguientes claves y credenciales de API:

• Key de la API de Google Gemini ( lib.GoogleGemini )
  • Obtener de Google Cloud Console
• Tiktok SessionID ( lib.TextToSpeech )
  • Extracto de las cookies de navegador Tiktok después de iniciar sesión
• Clave de API de Google Speech ( lib.VoiceRecognition.fetchTranscriptGoogle )
  • Generar a partir de las credenciales de la consola de la nube de Google
• Clave de API Deepgram ( lib.VoiceRecognition.fetchTranscriptDeepgram )
  • Crear una cuenta y obtener de Deepgram Console
• Clave de la API de Edenai ( lib.SummarizeText )
  • Regístrese y recupere del tablero de Edenai

Asegúrese de almacenar estas claves API de forma segura y nunca comprometerlas con el control de versiones. Considere usar variables de entorno o un sistema de gestión de claves seguro.

Aquí hay un ejemplo conciso que demuestra cómo generar una respuesta utilizando la API de Google Gemini:

 import { GoogleGemini } from "@stawa/gtts" ;
import dotenv from "dotenv" ;
dotenv . config ( ) ;

const gemini = new GoogleGemini ( {
  apiKey : process . env . GEMINI_API_KEY ,
  model : "gemini-1.5-flash" ,
  enableLogging : true ,
} ) ;

async function main ( ) {
  try {
    const question = "When was Facebook launched?" ;
    console . log ( `Question: ${ question } ` ) ;

    const response = await gemini . chat ( question ) ;
    console . log ( `Gemini's response: ${ response } ` ) ;
  } catch ( error ) {
    console . error ( "An error occurred:" , error ) ;
  }
}

main ( ) ;

---

Colaboradores

Apreciamos las contribuciones de todos nuestros colaboradores. El esfuerzo de cada persona ayuda a mejorar este proyecto. ¡Un agradecimiento especial a todos nuestros contribuyentes que han ayudado a dar forma a este proyecto!

---