AI 语音与转录 精选AI Agent技能库
AI 语音与转录分类下的高质量技能
Auto-Whisper Safe
一款高效利用内存的转录工具，通过自动音频分段技术，实现在内存受限的系统上运行 OpenAI Whisper。
OpenRouter 语音转录
一个强大的 CLI 工具，通过 OpenRouter API 使用最先进的大语言模型 (LLM) 转录音频文件。
ElevenLabs
一个用于编程化 AI 音频生成、语音管理和使用情况跟踪的多功能工具包。
OpenRouter Audio
一个多功能的 CLI 工具，通过 OpenRouter API 集成高质量的语音转文本和文本转语音功能。
使用 Dia TTS 生成对话音频
利用先进的角色标签和情感提示生成逼真的多角色对话音频，适用于专业制作。
通过 ComfyUI 实现 TTS (Qwen3)
一个利用 ComfyUI 和 Qwen3 模型生成高质量文本转语音音频的自动化工作流。
Qwen TTS (本地AI语音合成)
一个由 Qwen3-TTS 驱动的强大本地文本转语音引擎，用于生成具有情感和风格受控的音频。
Azure AI 语音转录 Python 版
一个功能强大的 Python SDK，用于集成 Azure AI 语音转文字功能，支持批量和实时转录。
播客生成
一个高性能技能，使用 Azure OpenAI GPT Realtime Mini 模型生成实时 AI 音频叙述和播客风格的内容。
Valtec 越南语 TTS
一款高性能、支持零样本语音克隆的本地越南语文本转语音引擎。
故事音乐助手
一个综合性的 AI 技能，用于生成整合了动态背景音乐和专业语音解说的多类型故事。
EchoForge Moss 语音
一个强大的 Openclaw Skills 文本转语音技能，利用 MOSS API 通过特定的语音 ID 或克隆的参考音频生成高保真音频。
Qwen3-TTS 语音设计
一种先进的文本转语音技能，利用自然语言描述和基于种子的音色固定来创建独特的自定义 AI 语音。
免费转录
一款基于 Whisper 的转录工具，提供 99 种语言的高精度语音转文本服务，并附赠初始免费额度。
Qwen3 TTS Instruct
一款基于阿里云百炼通义千问的高性能 AI 智能体文本转语音技能，具有先进的情感预设和实时流式传输功能。
ComfyUI TTS
一个专门的文本转语音工具，通过对接 ComfyUI 的 Qwen-TTS 服务来生成高质量音频文件。
qwen-asr
由 Qwen3-ASR 提供支持的本地语音转文字，无需云端依赖即可实现高性能转录。
mimo-tts
一个由 AI 驱动的文本转语音技能，利用小米 MiMo API 生成具有高级情感和风格控制的高质量 WAV 音频。
讯飞声音克隆 TTS
一个用于训练自定义声音模型并使用讯飞 API 生成高质量语音合成的综合工具。
voice-clone: 语音合成与克隆
一个强大的语音合成和语音克隆技能，支持多个专业引擎以生成自然音频。