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
新闻摘要语音
一个跨平台的自动化工具，聚合全球 RSS 订阅源的新闻并生成合成语音摘要。
video-to-text
一个免费的、由 API 驱动的技能，用于将视频和音频文件转换为纯文本或 SRT 字幕，无需本地下载。
Smallest AI - 超快速语音套件
一个高性能语音处理技能，提供闪电般的文本转语音和准确的语音转文本，支持 30 多种语言。
LMNT
一个强大的集成工具，用于通过 Membrane 生态系统管理从语音合成到资产管理的 LMNT Speech AI 工作流。
阿里云外呼机器人
一个强大的自动化技能，连接到阿里云外呼机器人，用于管理大规模语音通话活动和实时任务跟踪。
SenseAudio Polyphone TTS
一个专业工具，通过自定义词典应用精确的拼音标注，解决 TTS 中中文多音字的发音错误问题。
SenseVoice Transcribe
一种高性能转录技能，使用 SenseVoice-Small 和 FSMN-VAD 将音频转换为带有时间戳的文本，具有卓越的准确性且无幻觉。
Deepgram Voice Workflow
一个全面的端到端语音自动化技能，使用 Deepgram 处理语音转文本和文本转语音工作流。
MOSI Studio Audio Suite
一个专为 AI 智能体优化的全面音频工具包，涵盖语音转文本、文本转语音及语音克隆功能。
语音转文本转录插件
一个轻量级的 AI 代理插件，利用公共 Hugging Face Whisper 端点将本地音频文件转录并翻译为结构化文本。
YouTube ASR Summarize
一个通过自动语音识别和帧提取来总结缺失字幕的 YouTube 视频的本地工具。
Crazyrouter STT
一款高性能的语音转文本工具，通过 Crazyrouter API 使用 OpenAI Whisper 转录和翻译音频或视频文件。
抖音视频处理器
一个用于从抖音（TikTok China）分享链接中提取无水印视频链接、下载内容和转录语音的综合工具。
Qwen ASR
一个无需配置的语音转文本工具，使用 Qwen ASR 模型转录多种音频格式。
Crazyrouter TTS
一个由 Crazyrouter API 驱动的高效文本转语音引擎，可从任何文本输入生成自然的、类似人类的音频。
MS Speech Synth
一款强大的文本转语音引擎，可将长文本和 Markdown 转换为高质量 MP3 音频，集成背景音乐并具备智能速率限制。
语音翻译
一个专业级的音频处理技能，用于通过本地或 LLM 辅助工作流对语音内容进行转录、翻译和合成。
秒哒语音转文字
一款高性能的语音转文字工具，可将音频文件转换为准确的文本或结构化 JSON 数据。
Xiaomi MiMo V2 TTS
一款高性能文本转语音引擎，具有情感表达、多方言支持和为 AI 智能体提供的角色扮演能力。
Voice Huayan
一个用于 Windows 的本地文本转语音引擎，使用 Piper huayan-medium 模型提供高质量的中文音频播放。