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
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。
asr-claw
一款高性能语音识别 CLI，为 Openclaw Skills 库中的 AI 智能体提供无缝的音频转录功能。
MOSS-TTSD 多角色对话合成
一种高保真文本转语音技能，可将多角色对话合成为单一、无缝且语音转换自然的音频文件。
Newtranx CLI 视频翻译器
一个基于终端的工具，可通过 Newtranx API 翻译 MP4 视频和播客，具备说话人识别和字幕导出功能。
Smart-Speak 多语言 TTS
一个先进的文本转语音引擎，能够智能处理越南语、中文和英文混合文本，并支持自动拼音转汉字。
使用 Qwen3-TTS 的本地 TTS
一个注重隐私的离线文本转语音引擎，使用 Qwen3-TTS 模型实现逼真的声音克隆和高保真语音合成。
Video Transcript
一个用于提取、清洗并将视频字幕翻译为可读文本转录的自动化工具。
阿里云 Qwen ASR（非实时）
一种高性能转写技能，利用阿里云 Qwen 模型将录制的音频转换为准确的文本和结构化转录内容。
阿里云 CosyVoice 声音克隆
一个专业的 AI 集成，用于使用阿里云 Model Studio CosyVoice 模型注册和克隆自定义声音。
iFlytek ASR
一个高性能转录技能，利用 iFlytek API 将本地音频文件和 YouTube 视频转换为精确的文本转录内容。
bibi
BibiGPT 的命令行界面，直接在终端生成视频、音频和播客的 AI 总结。
edge-tts-unlimited
一个免费、高质量的文本转语音引擎，利用 Microsoft Edge 神经语音实现无 API 限制的无限音频生成。