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
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。
Byted 语音合成
一款专业级的文本转语音技能，利用火山引擎豆包 AI 将文本转换为高质量、可定制的音频文件。
3Scribe
一个强大的 AI 代理集成，使用 3Scribe 和 Membrane 自动化音频转文本转录和字幕工作流。
豆包 TTS (Text-to-Speech)
一款由火山引擎（Volcengine）提供支持的高级文本转语音引擎，通过终端将富有表现力的 AI 语音集成到您的工作流中。
禅镜 TTS 语音克隆
一个强大的文本转语音技能，支持 AI 智能体克隆声音并精确控制合成双语语音。
juhe-speech-generate
一个高保真 AI 文本转语音技能，可将书面文本转换为可下载的音频文件，支持多种情感基调和方言。
Chanjing TTS 集成
一款专业级的文本转语音技能，集成了 Chanjing API，可通过细粒度的语音控制合成多语言音频。
语音转文字 (STT) 技能
一个离线语音转文字模块，可自动将语音消息转录为 AI Agent 可处理的文本。
Video Transcriber
一个强大的抖音视频批量转录工具，集成了自动化下载、音频提取和本地 AI 处理功能。
jpeng-video-transcriber
一个精简的实用工具，旨在自动化从视频文件中提取语音并将其转录为结构化的 JSON 数据。