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
Local Piper TTS 多语言安全版
一个安全、完全离线的文本转语音引擎，由 Piper 提供支持，具有自动语言检测和按需语音模型管理功能。
Telnyx 文本转语音
一个强大的 AI 代理技能，利用 Telnyx TTS API 将文本转换为自然流畅的音频文件。
语音转文本
一个注重隐私的离线语音转文本技能，利用 Vosk 引擎进行本地音频转录。
Whisper Transcriber
一款强大的离线语音转文字工具，利用 whisper.cpp 实现多种格式的高速本地音频转录。
MiniMax Speech 2.8 TTS
一个强大的 CLI 工具，用于管理 MiniMax Speech 2.8 文本转音频请求和语音目录查询。
Local Llama TTS
一个高性能的本地文本转语音技能，利用 llama-tts 和 OuteTTS-1.0-0.6B 模型进行离线音频生成。
本地 Whisper (cpp)
一个高性能的本地语音转文字技能，利用 whisper.cpp 实现快速、私密且具有 GPU 加速功能的音频转录。
豆包开放 TTS
这是一款高保真文本转语音引擎，利用火山引擎 API 将文本转换为具有广泛音色自定义功能的专业级音频。
ASR: 本地语音转文字转录
一个为 AI agent 设计的本地离线语音转文字转录工具，支持多语言和 AI 驱动的文本精炼。
Whisper ASR 本地语音转文字
一个强大的本地语音识别技能，可将来自飞书和 Telegram 等平台的音频消息转换为文字，无需外部 API。
mp4-to-srt
一个自动化的 CLI 工具，利用 Whisper AI 将视频转录为高质量的 SRT 字幕文件，并内置繁体中文支持。
Whisper (CLI) 本地语音转文字
一个强大的本地语音转文字引擎，使用 OpenAI 的 Whisper 模型转录音频，无需外部 API key。
winmsg-tts: 本地 Windows 文本转语音
一款利用窗口消息实时朗读 AI 响应的本地 Windows TTS 引擎，实现零 Token 成本。
久马免费声音克隆
一个由 AI 驱动的声音克隆和语音合成技能，利用久马 AI API 从文本生成高质量音频。
Coze ASR
一个利用 Coze API 将 MP3、WAV 和 OGG 音频文件转录为结构化 JSON 文本的自动语音识别工具。
Coze 文本转语音 (TTS)
一个强大的 CLI 工具，利用 Coze API 和 Openclaw Skills 架构将文本转换为自然听感的语音。
MiMo TTS & ASR
一款专业级语音工具包，提供高保真文本转语音（TTS）、语音克隆和自动语音识别（ASR），并具备强大的缓存和故障转移机制。
OpenClaw ASR
一款先进的转录与终端日志解析工具，旨在将媒体和会话录制转换为结构化的 AI 就绪数据。
FunASR 本地语音识别
一个针对内存优化的本地语音识别技能，利用阿里巴巴达摩院的 FunASR 实现高精度的多语言转录。
Xeon TTS
Xeon TTS 为 OpenClaw 提供高性能、本地化的语音克隆和情感语音合成，采用经过 OpenVINO 优化的 Qwen3-TTS 模型。