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
Maylo 语音助手
一个适用于 macOS 的自给自足、离线优先的语音助手栈，具有本地语音转文本功能和赛博朋克风格的仪表板。
神族语音效果
一个专门的后处理工具，使用 SoX 和 FFmpeg 为音频文件应用灵能卡拉（Khala）效果。
Discord本地STT与TTS安装程序
一款专为macOS设计的安装程序，用于安装discord-local-stt-tts插件，为Discord语音助手实现私密的本地语音识别与合成。
中文 TTS 与飞书语音集成
一个高保真文本转语音引擎，用于生成自然的中文语音消息并直接通过飞书发送。
Pywayne TTS
一个多功能的文本转语音引擎，利用本地或云端服务将文本转换为高质量的 Opus 或 MP3 音频文件。
音频指挥官
一个中心化的调度器，能够智能地将音频生成请求路由到专业的音乐、音效或 TTS 模型。
AudioMind
AudioMind 是一款全能型 AI 播客制作套件，只需一个命令即可自动完成剧本编写、配音、音乐生成和音频混音。
SFX 生成器
一个强大的 AI 技能，利用 ElevenLabs API 通过文本提示词生成自定义音效。
飞书语音克隆 TTS 插件
一款自动化插件，利用火山引擎 TTS 将文本转换为自然语音，并将音频消息直接发送到飞书聊天中。
自托管 Whisper API
一个专注于隐私的本地语音转文字解决方案，利用 Kubernetes 上的 OpenAI Whisper 模型实现快速的音频转录和翻译。
音频增强器
一款专业级 AI 工具，用于为播客、视频和通话消除背景噪音并增强音频清晰度。
有声读物生成器
一款专业级文本转语音引擎，旨在利用自然的人工智能语音将书籍和文档转化为沉浸式有声读物。
语音消息
一个专门用于通过 edge-tts 和 ffmpeg 将文本转换为各聊天平台原生语音气泡的技能。
语音 UI
一个自我演进的语音助手 UI，允许您使用自然语言语音命令修改其自身的源代码和外观。
Deepdub TTS
一个专门用于将文本转换为专业级语音音频的技能，采用 Deepdub API，并针对 Telegram 兼容的媒体附件进行了格式化。
WhisperKit CLI
一个针对 Apple 神经网络引擎优化的高性能 CLI，用于设备端 Whisper 转录和 Qwen3-TTS 合成。
飞书语音交互技能
一个高性能的飞书语音交互技能，可自动执行语音转文本、AI 响应生成和文本转语音工作流。
飞书 Whisper + TTS 语音交互
一种高精度语音交互技能，结合了 Faster-Whisper 识别和 TTS，用于飞书内部的自然语音响应。
Qwen Audio Lab
一款适用于 macOS 和阿里云 Qwen 的混合文本转语音与语音克隆工具，提供专业音频配音。
Speech Isolate
一个专业级的人声分离和语音增强流水线，使用远程 L4 GPU 将语音从背景音乐中分离出来。