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
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。
vwu.ai TTS Models
为 vwu.ai 文本转语音模型提供的专业集成，提供高清晰度和性能优化的音频合成。
STT Simple: 本地语音转文字
一个由 OpenAI Whisper 提供支持的本地语音转文字工具，专为 AI 智能体的私密、多语言转录及会话隔离而设计。
Voice Clone
一款由 CosyVoice v3.5 Plus 模型和 AI Artist API 驱动的专业级 AI 语音克隆与文本转语音引擎。
MiniMax Speech Skill
一个强大的音频生成工具，使用 MiniMax speech-2.8-hd 模型进行高保真文本转语音和专业声音克隆。
Gipformer ASR
一个高性能的越南语语音转文本技能，利用 Gipformer-RNNT 进行高效的长音频转录。
Moark-TTS Gitee AI 套件
一个为 Gitee AI 提供的全面文本转语音（TTS）和语音特征提取技能，支持超过 15 种最先进的语音模型。
Aliyun Speech Transcriber
一个强大的 AI 插件，利用 Aliyun DashScope 服务将公开访问的音频或视频 URL 转录为文本和 JSON。
本地语音转文字 (Whisper)
一个注重隐私、零成本的本地语音转文字技能，由 faster-whisper 驱动，实现即时音频转录。
ChatTTS 语音生成器
一款本地 AI 驱动的文本转语音引擎，针对对话真实感进行了优化，支持情感触发和稳定的语音生成。
AI 文本转语音 (TTS) 语音生成器
一款由 MiniMax 提供支持的尖端 AI 驱动语音合成工具，用于高质量多语言音频生成和语音克隆。
SenseAudio Voice Picker
一个智能推荐引擎，将特定的情感语调和场景映射到理想的 SenseAudio 语音 ID。