用途：该技能用于实现音频生成与转写工作流，基于 google-genai 和 google-cloud-speech SDK。
主要能力：文本转语音（TTS）涵盖 Gemini-TTS、Chirp 3 HD 与即时自定义语音；语音转文本（STT）涵盖 Chirp 3 转写、说话人分离（Diarization）与流式识别。参考资料还包含可用语音（如 Aoede、Puck）与语言、Gemini-TTS 的风格/口音/语速提示指南，以及 SDK 源码深入检查。
使用方式：先安装并导入 SDK，例如 from google import genai、from google.genai import types，STT 使用 from google.cloud import speech_v2，并创建 client = genai.Client()。生成语音时调用 client.models.generate_content，指定模型如 gemini-2.5-flash-preview-tts，在 config 中设置 response_modalities=["AUDIO"] 与 speech_config（含 voice_config 和 prebuilt_voice_config 的 voice_name，如 'Kore'）。转写音频使用 speech_v2 的 recognize 等方法，完整设置见 stt.md。
适用场景：需要批量或交互式语音合成、多说话人语音、自定义音色，以及音频转写、说话人区分和实时流式识别的应用。
限制：资料未提供具体收费、价格、平台支持范围、配额或效果指标；部分模型为预览版，实际可用性与语言支持需以官方文档为准。