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
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。
听写音频生成器
一个自动化工具，可将英语单词列表转换为带有重复和定时停顿的专业听写音轨。
sag
一个精简的 CLI 工具，通过类 macOS 的 say 接口将 ElevenLabs 生成式文本转语音功能引入 AI 工作流。
sherpa-onnx-tts
一款基于 sherpa-onnx 的本地离线文本转语音引擎，无需云端依赖即可实现高性能语音生成。
MiniMax 语音合成
一款由 MiniMax 模型驱动的高保真 AI 文本转语音引擎，用于生成多种语言的自然语音音频。
deAPI Audio
一个用于去中心化文本转语音、语音克隆和转录的高性能音频工具包。
Mambo TTS
一个高性能的 Openclaw 文本转语音技能，基于 Edge TTS 提供生动的、预配置的中文语音配置文件。
Podcastfy Skill
一个强大的程序化工具，可将多模态内容转换为高质量的 AI 生成音频对话。
SeedTTS 2.0
由火山引擎提供支持的专业级文本转语音引擎，提供 34 种独特的音色，具备先进的情感表达和多格式输出能力。
Podcast Gen
一个自动化的播客生成器，可抓取最新新闻，编写适合口语的脚本，并使用语义语音匹配合成高质量音频。
Whisper GPU Audio Transcriber
一个本地 GPU 加速工具，使用 OpenAI Whisper 模型将音频文件转换为 SRT 字幕，无需订阅费用。
ElevenLabs AI 语音集成
一个强大的 ElevenLabs 集成方案，使 AI 代理能够通过安全的 CLI 工作流生成逼真的语音、管理自定义语音并处理音频历史记录。