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
阿里云通义听悟实时语音识别
一款基于阿里云百炼平台 Qwen ASR 模型，实现实时、低延迟语音识别的高性能 AI 技能。
Vapi (oo-vapi)
一个通过统一命令行界面构建、管理和测试 Vapi 语音助手、电话号码及通话分析的自动化工具。
AiVOOV
一个强大的文本转语音生成集成，允许 AI 代理生成超逼真的音频，并直接通过 CLI 列出可用语音。
Gladia Audio Intelligence
一个强大的技能集成，用于配置和执行 Gladia 的高级音频智能功能套件，包括说话人日志（speaker diarization）、翻译和自动摘要。
小说转有声书
一款利用 AI 驱动的技能，可将小说文本转换为带有定制背景音乐的高品质多角色有声书。
OpenClaw ASR Bailian (云端语音转文字)
一款用于 OpenClaw 的云端语音转文字转录技能，利用阿里云百炼 Paraformer 和 Fun-ASR 引擎。
ElevenLabs 语音管道
一个用于 ElevenLabs 的高级语音生成管道，具有批量生成、即时语音克隆、多语言 TTS 和 Telegram 语音消息集成功能。
Xiaomi MiMo V2.5 TTS
一种高级文本转语音集成，利用 Xiaomi MiMo V2.5 模型进行自然语音生成、基于提示词的语音设计以及音频样本克隆。
Audio Transcribe ZH
一个基于 FunASR Paraformer 的优化版离线中文语音转文字脚本，用于实现快速转录。
ClawdBites: Instagram 食谱提取器
一个复杂的提取引擎，通过标题解析、本地音频转录和视觉分析，将 Instagram Reels 转换为结构化的食谱。
视频字幕
一款用于在本地生成、美化以及将专业级字幕嵌入视频内容的综合 AI 工具。
视频转文本
一款优先本地处理的 AI 转录工具，无需外部 API 即可从媒体文件生成文本转录和 SRT 字幕。
视频翻译
一个自动化工作流，用于翻译视频语音并将原始音频替换为高保真、同步的配音音频。
视频转录工具
一个全面的自动化工作流，用于使用 Openclaw Skills 提取 Bilibili 和 YouTube 视频的现有字幕或生成新的转录文本。
Video to Text AI Free
一款高性能 AI 工具，可自动进行视频转录并导出带有文本叠加的精美 1080p MP4 文件。
MiniMax 多模态技能
为 MiniMax 用户提供的综合多模态技能，用于执行高保真语音合成、语音克隆和高级图像生成。
ReelTalk
一种视频处理技能，利用 AI 驱动的转录和 OCR 将 URL 转换为可搜索的文本摘要。
Audio Subtitle
一个 AI 驱动的视频处理技能，可自动生成字幕并利用云端 GPU 加速将其烧录到 1080p MP4 文件中。
免费 AI 自动字幕生成器
一款基于云端 AI 的工具，可在几秒钟内自动生成、同步并由云端将字幕内嵌至视频中，无需本地处理。
视频字幕翻译与压制
一套用于将日语视频内容进行转录、翻译并压制中文硬字幕的全方位自动化工作流。