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
字幕翻译技能
一款用于提取、转录并将音频/视频内容翻译为双语 SRT 字幕的专业自动化工具。
Audiobook Skill
一个全面的本地流水线，利用智能 AI 选角和 StepFun TTS 技术将原始文本转换为多角色有声书。
jarvis-vocal
一种神经文本转语音（TTS）技能，为您的 AI 智能体和 Android 设备带来逼真、电影级的 J.A.R.V.I.S. 语音。
MiniMax TTS 文字转语音
一个专业级的文字转语音技能，利用 MiniMax 先进的 AI 模型从文本生成高保真音频。
xia-zhuan-audio
一个由 FFmpeg 和 Whisper AI 驱动的综合音视频处理工具包，用于格式转换、音频提取和自动化转录。
Groq Whisper
一款极速的云端转录工具，利用 Groq 的 whisper-large-v3 模型在几秒钟内将音频转换为文本。
Xiaomi MiMo TTS Proxy
一个本地代理服务，通过集成的 FFmpeg 转码功能，将 OpenAI TTS API 请求转换为 Xiaomi MiMo 平台调用。
MAI Transcribe
通过 Azure AI Speech 集成的 Microsoft MAI-Transcribe-1 模型实现高精度音频转录。
MAI-Voice-1
一项通过 Azure AI Speech REST API 使用 Microsoft MAI-Voice-1 模型生成高保真语音的专业技能。
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。