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
代理化呼叫技能
一个全面的工具包，使 AI 代理能够通过 Twilio 集成自主处理外呼和入呼电话。
对讲机语音交互
一种语音优先的自动化技能，利用本地转录和文本转语音引擎，实现实时的 WhatsApp 音频对话。
对讲机
一个专为 WhatsApp 设计的本地语音对语音自动化技能，可将接收到的音频转换为文字，并以合成语音进行回复。
WeVoiceReply
一个自动化的音频流水线，可将 AI 文本转化为自然语音消息，并通媒体协议直接推送到用户。
Speack2u
一种自适应文本转语音 (TTS) 配置技能，能够根据用户语音偏好和交流风格进行学习和进化。
ElevenLabs Voice Agent
一个用于通过 Twilio 电话集成构建、管理和优化对话式 AI 语音代理的综合技能。
Podcastfy (Clawdbot)
一个强大的 AI 技能，利用 Gemini 和 Edge TTS 将网页内容、PDF 和文章转换为自然流畅的音频对话。
微信语音解析
一个专为 clawbot 设计的技能，用于解码微信 SILK 音频文件并使用本地 Whisper 模型将其转录为文本。
gemini-stt
一个零依赖的语音转文本技能，利用 SkillBoss API Hub 将音频文件转录为高质量文本。
TTS Responder
一种 AI 代理技能，利用本地神经合成技术将文本回复转换为 Telegram 的高质量 OGG 语音消息。
openai-whisper
一个由 OpenAI Whisper 和 SkillBoss API Hub 驱动的 API 驱动型语音转文字和翻译技能。
Voice Agent
一个自主语音层，可克隆用户声音以生成高质量音频内容，并通过 ElevenLabs 和 Twilio 管理实时电话呼叫。
Douyin Content Tracker
一个专业的自动化流水线，用于抓取抖音创作者视频、提取高质量音频，并使用 OpenAI Whisper 生成精确的文本转录。
Media Processor
一款用于视频转码、编辑和语音转文本转录的企业级多媒体处理工具。
Web Video Transcribe Docx
一个优先考虑离线的作业流程，用于提取 Web 媒体并生成高质量的中文转录稿及 Word 文档。
Subtitle Generator Extension Chrome
一种 AI 驱动的视频处理技能，可利用云端 GPU 渲染生成、同步并将精确的字幕嵌入视频文件。
byted-kickart-subtitle-extractor
一个自动化的 AI 工具，可从 MP4 或 MOV 视频中提取嵌入的字幕，并将其转换为标准的 SRT 和 JSON 格式。
OpenClaw 语音 STT & TTS
一个全栈语音集成方案，使 AI 代理能够转录输入的音频并以高质量的合成语音进行回复。
edge-tts-uvx
一款利用 Microsoft Edge 神经语音技术的高保真文本转语音引擎，用于生成自然流畅的音频。
本地语音转文字 (Parakeet / Whisper)
一款高性能本地语音转文字工具，利用 Parakeet 和 Whisper 后端实现超快速、离线的音频转录。