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
TTS: 高保真文本转语音
一个全面的文本转语音引擎，可将书面内容转换为多个全球服务商提供的高质量 MP3 音频。
Fun-Denoise
Fun-Denoise 是一款专业级 AI 音频降噪服务，由阿里巴巴通义实验室算法提供支持，旨在从背景噪音中分离出纯净的人声。
Edge-TTS Skill
一款高性能文本转语音引擎，利用 Microsoft Edge 神经网络语音生成自然流畅的音频，并提供深度自定义选项。
Kai Realtime Voice
一个高性能的 Openclaw 技能，使用 MiniMax WebSocket API 实现实时、低延迟的语音生成。
Fun-ASR
一个专业级语音识别技能，通过 DashScope API 利用阿里巴巴 FunASR 模型实现高精度音频转录。
CosyVoice 语音合成器
一款先进的 AI 语音合成工具，可将文本转换为自然、动人的人类声音，支持多种中国方言和角色形象。
Subtitle Translator
一个用于字幕翻译模式、调试和实现最佳实践的本地高性能参考工具。
OpenClaw Whisper Voice
一个集成 OpenAI Whisper 和 ffmpeg 到 OpenClaw Gateway 宿主机的本地高性能转录技能。
Any2Speech AI 语音生成器
Any2Speech 是一个高保真语音世界模型，超越了简单的 TTS，能够生成具有表现力的多发言人音频和高质量的语音克隆。
dasheng-audio-tag
一种先进的音频打标服务，旨在识别和分类音频文件中的环境声音。
OpenClaw TTS Voice Switch
一个专为 OpenClaw 设计的技能，可自动执行 ElevenLabs 语音切换、配置更新和网关重启，实现无缝的文本转语音管理。
Ifly Hyper TTS
一种高保真文本转语音技能，利用讯飞超逼真 AI 模型生成具有精确韵律控制的人类化音频。
Smart TTS
一个智能文本转语音引擎，自动轮换模型和语音配置，以确保音频生成成功。
Audio Script Writer
一款专业的转换工具，可将稠密的医学和科学文本转换为播客、视频和有声读物的结构化脚本。
qwen-asr: 离线中文 ASR
一个高性能、纯 C 实现的离线中文及中英混合语音转文本工具。
LinkedIn AI 吐槽生成器
一种自动化技能，可抓取 LinkedIn 个人资料，并针对职业 AI 替代话题生成幽默、犀利的音频吐槽。
TopMediai TTS Skill
一个专业级的文本转语音集成，为您的 AI 代理工作流带来高保真语音生成和语音克隆功能。
Cast (Typecast TTS CLI)
一个专业级的 Typecast AI 命令行界面，可实现具有细粒度情感和韵律控制的多语言文本转语音。
Coze Voice Generation
一款利用 Coze SDK 进行专业音频处理的高性能文本转语音（TTS）和自动语音识别（ASR）工具。
SenseAudio Clone Wizard
一个全面的引导式工作流，通过管理录制标准、音频质量分析和首次运行合成，协助用户创建高质量的语音克隆。