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
字节跳动语音转文字 (ASR)
一款由字节跳动大模型 ASR 驱动的高性能自动语音识别技能，提供比本地模型更快速、更准确的转录服务。
BaiduOCR-LocalFallback
BaiduOCR-LocalFallback 提供了对超过 115 个百度 OCR API 的访问，并集成了使用 EasyOCR 的本地备选机制，以确保服务不间断。
Transcribe
一个专业级的转录技能，可将音频和视频文件转换为结构化文本和 JSON 格式，并支持可选的说话人角色识别。
deepL-translate
一个专为 AI 智能体和开发者设计的工具，使用官方 DeepL API 执行高质量翻译、文档处理和术语表管理。
YouTube Channel Monitor (AssemblyAI)
一款轻量级的 YouTube 频道监控和转录工具，利用 AssemblyAI 进行基于云端的视频摘要，无需本地依赖。
抖音快速转录
一款高性能本地工具，用于从抖音视频中提取文字脚本，无任何 API 费用。
StageWhisper Assistant
一个自动化助手，用于处理并执行从实时 StageWhisper 通话转录中生成的后续任务。
Castmagic
一个高性能集成，用于将音频和视频内容自动化再利用为节目笔记、摘要和社交媒体资产。
Videomp3word 结构化知识引擎
一个专业的 MCP 服务器，可将远程媒体 URL 转换为深度、结构化的知识产物，如摘要、问答和行动项。
Video Content Watcher
一个由 AI 驱动的技能，可从 YouTube、Bilibili 和本地视频中提取音频、转录语音并生成全面的 Markdown 报告。
Rev AI Skill
Rev skill 使 AI 代理能够通过 Membrane 框架无缝管理音频和视频转录、演讲者识别和字幕工作流。
Bland AI
一个用于管理 Bland AI 电话呼叫、对话路径和自动化语音工作流的综合集成。
MeetingClaw
MeetingClaw 是一款智能会议助手，利用先进的语音识别技术将原始音频转化为结构化、可执行的会议纪要。
书籍摘要播客生成器
将书籍内容转换为专业的单人旁白播客脚本，包含核心见解和实用要点。
语音播报
一个动态的文本转语音控制技能，使 AI 代理能够根据用户命令或自动触发器朗读回复。
截图 OCR 工具
一款专门的 OCR 工具，旨在从屏幕截图中提取并结构化文本，并对教育和考试内容提供优化支持。
Video2txt: AI 驱动的多媒体转录
一个将本地视频或音频文件转录为带时间戳的 SRT 字幕和纯文本文件的效率工具。
Melo
Melo 为 AI 代理提供了一个强大的界面，通过 Membrane 集成来管理音频转录和项目相关任务。
AI 智能体的 Maestra 集成
一个强大的集成方案，使 AI 智能体能够通过安全、免凭据的工作流管理 Maestra 的自动转录和字幕服务。
Podwise Podcast Copilot
一个强大的播客智能工具，可搜索转录文本、总结剧集，并将音频或视频转换为结构化的 AI 洞察。