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
Jarvis Video STT
一款基于 Faster-Whisper 的高性能批量视频转写工具，可实现无缝的语音转文本转换。
Xiaomi MiMo TTS
一种先进的文本转语音技能，可将文本转换为自然的人声，并对情感、方言和歌唱风格进行精细控制。
QQ Bot 语音转文字
一种用于 QQ Bot 的自动化语音转文字技能，可解码 Silk V3 音频并使用 OpenAI Whisper 进行转录。
Audio SRT Workflow
一个综合工具包，使用 faster-whisper 和 ffmpeg 从音频文件生成、对齐和验证 SRT 字幕。
Sherpa ONNX Local TTS
一个高性能的私有文本转语音引擎，完全离线运行，使用 sherpa-onnx 运行时和 Piper 语音模型。
Azure Speech TTS
一个全面的文本转语音集成，使用 Azure 的神经语音将纯文本或 SSML 转换为高保真音频文件。
AssemblyAI Transcribe
一款强大的转录与语音智能技能，为 AI agents 提供结构化、高保真的音频数据及 LLM 就绪的导出内容。
Douyin Transcriber
一个本地转录模块，使用 Whisper ASR 和 Docker 将媒体文件转换为文本。
WhisperX 语音识别
一款高性能本地语音识别技能，提供闪电般的离线转录，并具备单词级精确度。
Deepgram ASR (Nova-3)
一款利用 Deepgram Nova-3 实现高精度多语言转录的极速、高性价比语音转文字技能。
kokoro-tts-amx
一款针对 Intel CPU 优化的高性能本地文本转语音引擎，使用 Kokoro-82M 和 AMX-BF16 加速。
KittenTTS 技能
一个轻量级的本地文本转语音引擎技能，用于生成具有可自定义音色的音频响应，并实现无缝的消息集成。
Bolna (oo-bolna)
一个强大的 CLI 驱动技能，用于控制和监控 Bolna 语音智能体，分析原始执行日志，并通过 OOMOL 连接器安全地管理工作空间遥测数据。
ElevenReader
一种强大的文本转语音集成，允许 AI 代理直接与 ElevenReader 和 ElevenLabs 语音模型进行交互。
Klangio AI 音频转录与分析
一种基于 AI 的音频转录与分析 Skill，可自动执行节拍跟踪、和弦识别、源分离和吉他扫弦检测。
Deepgram 集成
通过安全的 OOMOL 运行器，使用 AI 辅助的 CLI 直接管理 Deepgram 项目、模型、密钥和余额。
Edge TTS 中文语音合成
一种高保真文本转语音工具，利用神经网络语音技术将普通话中文内容转换为自然流畅的音频文件。
文本转粤语语音 (Cantonese TTS)
一款 AI 驱动的文本转语音工具，将中文书面文本翻译为本地化粤语，并生成带有多种情感基调的自然语音。
Retell AI
一个与 Retell AI 无缝对接的 AI 代理技能，允许您获取、列出并检查对话式语音代理、通话、电话号码和语音。
iFLYTEK Speed Transcription
一种超高速语音转写技能，可在几秒钟内将长达 5 小时的音频转换为高精度的文字，支持多种语言和方言。