mop-skills/skills/text-to-audio/SKILL.md

name, description

name	description
text-to-audio	Transformiert Quelltexte, Recherchen, Dossiers, Artikel oder Notizen in ein hochwertiges Audio-Dossier. Erstellt standardmäßig ein Solo-Briefing mit natürlicher Stimme (Google Gemini 3.1 Flash TTS). Schaltet nur dann auf einen Zwei-Sprecher-Dialog um, wenn der Begriff "Podcast" explizit genannt wird.

🎙️ Text-to-Audio Dossier & Podcast Producer

Dieser Skill transformiert beliebige Quelltexte (Recherchen, Restaurant-Infos, Artikel, Notizen, Reports) in ein professionelles Audio-Dossier mit Google Gemini 3.1 Flash TTS.

---

🧭 Kern-Regeln für das Format

1. Standard-Modus: Solo-Monolog (DEFAULT)

• Immer Standard für: Audio-Dossiers, Audio-Briefings, Zusammenfassungen, "Lies mir das vor", "Erstelle ein Audio zu X", tägliche News.
• Ein einzelner, charismatischer Sprecher: Kein künstlicher Dialog, keine erfundenen Zwischenfragen. Ein flüssiger, strukturierter, gut erzählter Vortrag.
• Vorausgewählte Stimmen:
  • Deutsch: Puck (lebendig, warm, dynamisch) oder Charon (tief, ruhig, sachlich).
  • Englisch: Zephyr (natürlich, ausgewogen, klar).

2. Dialog-Modus: Nur bei explizitem "Podcast"-Wunsch

• NUR verwenden, wenn: Der User explizit das Wort "Podcast" (oder "Zwei Moderatoren", "Dialog") verwendet!
• Zwei Sprecher (Host & Co-Host):
  • Host: Puck (moderiert an, leitet durch die Themen).
  • Co-Host / Expertin: Aoede (bringt Details, Einschätzungen und Praxisbeispiele).

---

⏱️ Zieldauer & Pacing (~130 Wörter / Minute)

Ermittle die gewünschte Dauer oder nutze den Standard:

• Kurz-Dossier (2m): ca. 250–300 Wörter.
• Standard-Dossier (3m–4m, Default): ca. 400–550 Wörter.
• Ausführlicher Deep Dive (5m–8m): ca. 650–1.000 Wörter.

Redaktionelles Skripting

• Wichtigkeit vor Quantität: Kernaussagen und Aha-Momente priorisieren, Füllmaterial und Wiederholungen streichen.
• Für das Ohr schreiben: Keine Markdown-Artefakte (Sterne, Listen, rohe URLs, Tabellen). Klare akustische Übergänge nutzen.

---

🛠️ Ausführung & Synthese

Nutze das Skript scripts/text_to_audio.py (bzw. /home/node/mop-skills/mop-skills/skills/text-to-audio/scripts/text_to_audio.py im Cluster).

A. Solo-Modus (Standard)

Schreibe das Skript am besten in eine Datei, um Shell-Escaping-Probleme zu vermeiden:

# 1. Skript in Datei schreiben
cat << 'TXT_EOF' > /tmp/dossier_script.txt
Dein aufbereitetes Skript ohne Markdown-Artefakte...
TXT_EOF

# 2. Synthese starten (läuft parallel & fällt bei Gemini-Timeouts automatisch auf MiniMax zurück)
python3 /home/node/mop-skills/mop-skills/skills/text-to-audio/scripts/text_to_audio.py \
  --file /tmp/dossier_script.txt \
  --voice Puck \
  --lang de \
  --title "Titel des Dossiers" \
  --output /tmp/audio-dossier.mp3

B. Dialog-Modus (NUR wenn "Podcast" explizit verlangt)

cat << 'JSON_EOF' > /tmp/podcast_dialog.json
[
  {"speaker": "host", "text": "Willkommen zum Podcast. Heute sprechen wir über..."},
  {"speaker": "cohost", "text": "Hi! Ja, das Thema ist super spannend, weil..."}
]
JSON_EOF

python3 /home/node/mop-skills/mop-skills/skills/text-to-audio/scripts/text_to_audio.py \
  --dialog-file /tmp/podcast_dialog.json \
  --lang de \
  --title "Podcast Titel" \
  --output /tmp/audio-dossier.mp3

---

📱 Auslieferung an den User

Das Skript gibt am Ende MEDIA:/tmp/...mp3 aus. Antworte in Telegram:

Hier ist dein Audio-Dossier zu **[Thema]** ([Dauer] Min.):

MEDIA:/tmp/audio-dossier.mp3