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
音频处理
一套基于 Whisper 和 Librosa 的音频摄取、分析、转换和生成的综合工具集。
VibeVoice TTS
一个高性能的本地文本转语音引擎，专门针对西班牙语语音合成和移动即时通讯进行了优化。
ElevenLabs 语音与转录
一款由 ElevenLabs 驱动的双用途语音解决方案，提供高保真文本转语音合成和精准的语音转文本转录。
Qwen3-TTS 本地推理
一个高性能的本地 Python 引擎，利用 Qwen3-TTS 生成语音、设计声音和克隆音频，无需外部 API 依赖。
Whisper Transcribe
一款多功能的语音转文本工具，利用 OpenAI Whisper 将音频和视频文件转录为多种字幕和文本格式。
voiceclaw-jp
一个为 OpenClaw 设计的语音优先界面，支持通过唤醒词、流式 LLM 响应和 VOICEVOX 文本转语音实现实时语音对话。
SiliconFlow TTS 生成
一个利用 SiliconFlow API 和 CosyVoice2 模型实现逼真语音合成的高性能文本转语音技能。
TogetherAI TTS
一种高性能的文本转语音集成，利用 TogetherAI API 和 MiniMax 模型实现逼真的音频合成。
Groq Whisper API
通过简化的 curl 接口利用 Groq 专用 ASR 模型实现高速音频转录。
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。