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
YouTube 转录器
一款高性能命令行工具，利用现有字幕或 OpenAI Whisper AI 自动转录 YouTube 视频。
Kokoro TTS
一个高性能的本地文本转语音技能，可通过简单的 CLI 命令生成逼真的 AI 语音。
speakturbo-tts
一款高性能文本转语音引擎，为 AI 智能体提供 90 毫秒超快延迟的语音响应。
sam-tts
一款为 AI 智能体设计的复古机器人文本转语音引擎，重现了标志性的 Commodore 64 SAM 语音。
OpenClaw Voice
一个为 AI 智能体打造的 CLI 驱动语音界面，利用 Whisper 进行转录并使用 ElevenLabs 进行高质量语音合成。
Inworld TTS
一种高性能文本转语音技能，使用 Inworld.ai API 将文本转换为自然流畅的音频。
百炼 TTS
一款高性能文本转语音技能，利用阿里云百炼通过命令行工具生成自然的 AI 语音。
MiniMax 多人对话语音合成
一种先进的 AI 技能，用于通过智能语音匹配和高保真语音合成生成自然的多角色对话。
ElevenLabs CLI
一个支持文本转语音、转录和语音克隆的 ElevenLabs AI 音频平台综合命令行界面。
Chichi Speech
一个基于 FastAPI 的 Qwen3 文本转语音 REST 服务，专门针对一致性声音克隆和高速音频合成进行了优化。
YouTube 视频转录
一款高性能转录工具，可智能切换 YouTube 字幕和本地 AI Whisper 模型，以实现最高准确度。
音频处理技能
一个全面的音频处理工具集，用于通过 AI 驱动的精确度对音频文件进行转录、生成和转换。
SAPI5 TTS (Windows)
一款高性能、无需 GPU 的 Windows 文本转语音技能，利用内置 SAPI5 和神经语音实现即时音频生成。
Pocket-TTS
Pocket-TTS 是一款轻量级、经过 CPU 优化的文本转语音引擎，支持实时流式传输和语音克隆，无需 GPU。
视频转文字
一个 AI 驱动的转录引擎，可将视频文件中的对话转换为准确的文本文件并导出编辑后的视频。
ElevenLabs 电话呼叫
一个复杂的工具，用于集成 ElevenLabs 对话式 AI 代理和 Twilio 拨打 AI 驱动的外呼电话。
eSpeak-ng TTS 技能
一个轻量级的文本转语音 (TTS) 工具，使 AI 智能体能够使用 eSpeak-ng 引擎将文本生成语音。
YouTube 转录生成器 (VLM Run)
一个自动化工具，利用 VLM Run Orion 视觉 AI 下载 YouTube 内容并生成高质量转录（可选时间戳）。
Hotbutter Voice Skill
一个托管的中继技能，通过基于浏览器的语音转文字和文字转语音界面，实现与代理的语音驱动交互。
ElevenLabs Pro
一个高性能的 ElevenLabs 文本转语音技能，提供先进的声音选择和音频生成功能。