認証・プロジェクト・モデルの準備状況を確認する。

Returns: ready: 音声生成の準備が整っているか auth: 認証状態（valid / expired / needs_reauth） client_configured: OAuthクライアント(ID/SECRET)が設定済みか project_id: 解決されたプロジェクトID model / default_voice / out_dir: 現在の既定値 message: 状態の説明と次のアクション

ブラウザで Google に再ログインしてトークンを取り直す。

ブラウザが自動で開き、Google のログイン画面が表示されます。 認可を完了すると新しいトークンが保存されます。 認証エラー（401等）や Refresh Token 失効時に実行してください。

利用可能な TTS モデル・別名・プリビルトボイス・出力設定の一覧を返す。

使える声の一覧を返す（自分の保存ボイス → プリビルトボイスの順）。

Args: language_code: 言語で絞り込み（例: ja-JP, en-US）。 gender: 性別で絞り込み（female / male / neutral）。 voice_type: 種類で絞り込み（prebuilt / prompted / replicated）。 prompted はボイスデザインで作った声。 search: キーワード検索（例: warm, calm）。 page_size: 1 ページの件数（既定 50、最大 1000）。 page_token: 次ページ取得用のトークン（前回の next_page_token）。 project_id: プロジェクトID上書き（任意）。

Returns: voices: API から取得した声の一覧（id / display_name / type など） next_page_token: 続きがある場合のトークン designed_voices_local: この MCP がボイスデザインで作った声（説明文 → voice_id）

どんな声にしたいかを自然文で説明して、新しい声を作る（ボイスデザイン）。試聴用サンプルも保存する。

作った声は voice_id（voice_...）でプロジェクトに保存され、generate_speech の voice に 渡して何度でも使える（generate_speech に同じ条件の voice_description を渡した場合も この声が使われる）。呼ぶたびに新しい声を作るので、気に入るまで説明を変えて試せる。

Args: description: 声の説明（年齢・性別・声質・話し方の雰囲気・なまりなど、恒常的な特徴を 1〜2 文で）。 例: "穏やかで落ち着いた 40 代男性のナレーター。低めで温かみのある声" 例: "A crisp, energetic sports announcer in her 30s with a slight Midwestern accent." display_name: 声の表示名（任意。省略時は説明文の先頭）。 gender: 性別（任意。female / male / neutral）。 language_code: 主に話す言語（任意。BCP-47。例: ja-JP, en-US）。 pitch: 声の高さ（任意。low / medium / high）。 accent: なまり・アクセント（任意。例: "Kansai", "British"）。 base_voice: リミックス元の声（任意）。プリビルト名（例: Puck）または voice_... を指定すると、 description は「その声からどう変えるか」の指示として扱われる。 model: 使用モデル（任意。gemini-3.8-flash-tts / gemini-3.8-flash-lite-tts）。 sample_out_path: 試聴サンプル（WAV）の保存先（任意）。省略時は GEMINI_TTS_OUT_DIR。 project_id: プロジェクトID上書き（任意）。

Returns: voice_id / display_name / sample（試聴サンプルの保存先）/ model / expire_time

用途・場面（scene）から、合う声と話し方を考える（音声は作らない・プレビュー用）。

generate_speech に同じ scene を渡すと、ここで考えたプランがそのまま使われる （プランはキャッシュされ、同じ scene なら毎回同じ声になる）。 気に入らなければ replan=True で考え直すか、voice_description / style を直接指定する。

Args: scene: 音声を使う場面・用途・聞き手など（例: "AWS のイベントでのプレゼン。会場は数百人のエンジニア"）。 text: 読み上げる予定の文章（任意。言語判定や雰囲気の参考にする）。 gender: 話者の性別を固定したい場合（任意。female / male / neutral）。 language_code: 言語を固定したい場合（任意。例: ja-JP）。 model: 読み上げに使う TTS モデル（任意。キャッシュの区別に使う）。 enhance_text: True なら text に間（ 等）を入れた版も返す（言葉は変えない）。 replan: True ならキャッシュを使わずに考え直す。 project_id: プロジェクトID上書き（任意）。

Returns: voice_description（声の設計）/ style（話し方）/ gender / language_code / rationale（理由）/ cached（キャッシュ再利用か）/ enhanced_text（enhance_text=True のとき）

文章を、指定した声（または場面に合う声）で読み上げた音声（WAV）を生成する。

声の決め方（上ほど優先。どれも無ければ既定のプリビルトボイス）:

1. voice_description: どんな声にしたいかを自然文で説明する（ボイスデザイン）。 初回はその説明から声を作成して保存し、2 回目以降は同じ説明なら同じ声を再利用する。 例: "明るく元気な 20 代女性。少し早口でハキハキした声"

2. voice: プリビルトボイス名（例: Kore, Puck, Zephyr。list_voices / list_models で確認） または design_voice で作った voice_id（voice_...）。 voice と voice_description の両方なら、voice を元に説明どおりに変えた声を作る（リミックス）。

3. scene: 用途・場面（例: "AWS のイベントでのプレゼン"）。場面に合う声と話し方を自動で考える。 プランはキャッシュされ、同じ scene なら何度呼んでも同じ声・話し方になる（スライドごとに 分けて生成しても声が揃う）。voice / voice_description / style を指定した部分はそちらが優先。

Args: text: 読み上げる文章（言語は自動判定）。強調したい語を大文字にする、句読点や「…」で間を作る、 などのタグ（英語表記）を文中に 入れると一瞬の笑い・ため息・間を表現できる。 scene: 音声を使う場面・用途・聞き手（任意）。例: "AWS のイベントでのプレゼン。聴衆はエンジニア数百人"。 voice_description: どんな声にしたいかの説明（年齢・性別・声質・雰囲気など恒常的な特徴）。 voice: プリビルトボイス名、または voice_... の ID。 style: 話し方の指示（任意。感情・速さ・抑揚・声量など、その場の話し方）。 例: "嬉しそうに、ややゆっくり" / "whispered urgently"。本文には混ぜずにここへ書く （本文に書くと読み上げられてしまう）。短い方が効果的。scene より優先。 enhance_text: True なら本文に間・息継ぎのタグ（ 等）を自動で入れてから読み上げる （言葉は変えない。変わってしまった場合は元の文章のまま読む）。 out_path: 出力先ファイルパス（.wav）。省略時は GEMINI_TTS_OUT_DIR に自動命名で保存。 gender: 話者の性別（任意。female / male / neutral。声を作るとき・scene のプランに使う）。 language_code: 主言語（任意。例: ja-JP。声を作るとき・scene のプランに使う）。 model: 使用モデル（任意）。gemini-3.8-flash-tts（既定）/ gemini-3.8-flash-lite-tts（速い・安い）。 環境変数 GEMINI_TTS_MODEL 設定時はこの引数は無視。 sample_rate: サンプルレート（24000（既定）/ 16000 / 8000）。 replan: True なら scene のプランをキャッシュせずに考え直す（声も変わる）。 project_id: プロジェクトID上書き（任意。クォータ帰属用）。

Returns: success / out_path / files / duration_sec / voice / voice_source / voice_id / style / scene_plan（scene 指定時: 声の設計・話し方・理由）/ text_used（enhance_text 時）/ model / project_id voice_id（voice_...）を次回 voice に渡すと、同じ声で読み上げられる。

design_voice / generate_speech で作った保存ボイス（voice_...）を削除する。

保存ボイスはプロジェクトあたり 200 件まで（最終使用から 1 年で期限切れ）。 不要になった声を削除して枠を空けるときに使う。ローカルキャッシュからも削除する。

Args: voice_id: 削除する声の ID（voice_...）。 project_id: プロジェクトID上書き（任意）。