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
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。
xfyun-tts
一个高保真文本转语音技能，利用科大讯飞超拟真 WebSocket API 生成富有表现力、类人的音频。
Xiaomi MiMo-V2-TTS Skill
一款为 Openclaw Skills 设计的高级文本转语音引擎，支持情感化、方言丰富且具有旋律感的语音合成。
OpenAI Whisper (CLI)
一款高性能的本地语音转文字引擎，无需互联网连接或 API 密钥即可转录音频文件。
Whisper CLI
一个本地、高性能的语音转文本技能，利用 OpenAI 的 Whisper 进行私密且具有成本效益的音频转录。
Doubao TTS
一款专业级文本转语音技能，利用火山引擎 Doubao 大模型进行高保真音频合成和声音克隆。
Bilibili Transcriber
一个专业的 Bilibili 视频处理智能体，可将音频转录为文本并生成高质量的结构化总结。
Audio Rename 技能
一个旨在通过将中文和特殊字符转换为简单的英文名称来清理音频文件名的实用程序，以便更好地与 AI 处理工具兼容。
视频编辑自动化
一个自动化的流水线，用于将谈话类视频转录、分割并添加字幕，使其成为精美的素材。
Auto-Talk-TTS
一个异步文本转语音包装器，使用 Microsoft Edge 神经网络语音自动为每个 AI Agent 的响应发音。