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
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。
Faster Whisper 本地服务
一个高性能的本地语音转文本微服务，为 AI 驱动的语音工作流提供私密、离线的转录服务。
Deepgram CLI 技能
一个强大的命令行界面，可利用 Deepgram 的 AI 模型转录本地音频文件、远程 URL 和实时麦克风输入。
Whisper STT
一个使用 OpenAI Whisper 的本地高性能语音转文字引擎，提供免费且私密的音频转录服务。
OpenAI TTS
一个精简的 CLI 工具，通过 OpenAI Audio Speech API 从文本生成高质量语音。
ElevenLabs AI 音频技能
一套全面的工具集，用于将 ElevenLabs 先进的文本转语音、音效和音乐生成功能集成到您的 AI 工作流中。
Clawdbot 专用 AgentVibes local-gen-tts
一种低延迟的远程文本转语音集成，允许 Clawdbot 通过运行 AgentVibes 的本地设备发声。
Step ASR
一款高性能音频转录工具，利用 StepFun 流式 API 将中英文语音转换为文本。
Venice Transcribe
一个强大的命令行工具，使用 Venice AI 高精度 Whisper 模型将音频文件转录为文本。
Pocket TTS: 本地离线文本转语音
一款完全本地化、基于 CPU 的文本转语音引擎，无需互联网依赖即可提供高质量音频生成和声音克隆。
OpenAI Whisper API 转录
一个利用 OpenAI Whisper API 通过 Openclaw Skills 实现高精度音频转录的命令行实用程序。
语音回复
一项专门的技能，使 AI 智能体能够跨流行社交平台自动将文本回复转换为语音音频消息。