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
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。
Voice Transcriber Toolkit
一个强大的音频转录、批量处理和字幕生成工具包，使用高性能的 Whisper 和 Vosk 引擎。
Jarvis Voice Persona
一个本地文本转语音技能，为 Openclaw 智能体提供具有高速播放和样式化视觉转录的标志性金属语音。
zc_douyin_xiazai_txt
一个本地媒体处理工具，用于下载无水印 Douyin 视频，并使用 ffmpeg 和 Whisper 将其转写为文本。
MiniMax TTS
一种先进的文本转语音技能，利用 MiniMax API 跨多种语言和声音生成自然、高质量的音频。
抖音视频下载与 Whisper 字幕提取工具
一款专为 Windows 设计的工具，用于下载无水印抖音视频，并利用本地 Whisper 模型和 LLM 分段技术生成结构化字幕。
Faster Whisper
OpenAI Whisper 的高性能 CTranslate2 重新实现版，提供超快速的本地转录、说话人识别和高级字幕生成。
sag-hardened
一款为 AI agents 设计的高保真文本转语音技能，将 ElevenLabs 强大的模型与简洁的 macOS 风格 CLI 界面相结合。
OpenAI Whisper Hardened
一个专注于隐私的本地语音转文本技能，利用 Whisper CLI 进行安全转录，无需依赖 API。
Local Whisper STT
一个为 Openclaw Skills 生态系统设计的私密、高精度离线语音转文字引擎。