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
Podcastifier
利用先进的语音合成技术和自动化音频处理，自动将书面时事通讯和电子邮件转换为高质量的音频播客。
YouTube 摘要
一款专门用于提取和总结 YouTube 转录文本的工具，旨在节省视频内容消耗的时间。
火山引擎 AI 语音 TTS
一个强大的 AI 技能，利用火山引擎音频服务将文本合成为自然语音。
发音教练
一款由 AI 驱动的语音指导技能，利用 Azure 语音服务提供音素级发音分析和可操作的反馈。
视频观察员 (Video Watcher)
一个专门用于通过编程方式获取并读取 YouTube 和 Bilibili 视频字幕的工具，旨在实现 AI 驱动的分析。
dz-podcast：双播 AI 播客生成器
一个全自动流水线，用于生成、合成每日双人 AI 播客并发布至 S3 和 RSS。
Jarvis TTS (文本转语音)
一款专为 macOS 设计的高性能文本转语音引擎，利用 Microsoft edge-tts 提供类人神经语音输出。
YouTube 语音摘要器
在一分钟内将任何 YouTube 视频转换为专业的高质量语音摘要音频文件。
Fish Audio S1 语音合成技能
将文本转换为高质量 AI 语音，并自动将音频文件同步到您的私有 NextCloud 存储中。
MLX Audio Server
一个基于 macOS MLX 框架的高性能 STT 和 TTS 本地 24/7 OpenAI 兼容 API 服务器。
mlx-stt
一个高性能、本地化的语音转文本解决方案，利用 MLX 和开源模型专为 Apple Silicon 优化。
MLX TTS
一款专为 macOS 设计的高性能本地语音合成引擎，利用 Apple Silicon 和 MLX 实现快速、私密的音频合成。
Qwen3-TTS MLX
一款专为 Apple Silicon 优化的高性能本地文本转语音引擎，支持声音克隆和自然语言语音设计。
Whisper 本地 API
一款专注于隐私、本地且兼容 OpenAI 的 Whisper ASR 引擎，旨在为您自己的硬件提供高精度的语音转文字转录。
ElevenLabs Scribe V2 语音转文本
一款高性能语音转文本技能，利用 ElevenLabs Scribe V2 实现准确的转录、说话人分离和音频事件检测。
视频分析工具
一个强大的工具，可供 AI 智能体在本地下载、转录和分析来自 1,000 多个平台的视频。
音视频转文字
一款功能强大的转写工具，使用 OpenAI Whisper 将各种音频和视频格式转换为文本、字幕或结构化的 JSON 数据。
音频处理与转录
一套全面的 AI 智能体音频工具包，利用 FFmpeg 和 Whisper 等行业标准工具处理、规范化和转录音频文件。
小夜语音系统
一款强大的混合文本转语音引擎，结合了用于中文处理的 macOS 原生本地处理技术，以及用于全球语言的高质量云端 Edge-TTS。
Sound FX (ElevenLabs)
一个高性能实用工具，利用 ElevenLabs API 根据文本提示词生成自定义音效。