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
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。
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。