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
视频文字记录提取方法
一种智能的、平台无关的技能，可从在线视频中提取语音内容，并将其转换为结构化的、带时间戳的 markdown 文字记录和摘要。
Lingxi AI Note 录音查询
Lingxi AI Note 录音查询技能使 AI agent 能够查询、检索和分析销售及会议录音及其详细的转录洞察。
科大讯飞机器翻译 Skill
一个无任何第三方依赖的 Python skill，使用科大讯飞的机器翻译 API，在 70 多种语言对之间提供高度准确的翻译。
AI TTS 文本润色校对
一款高度精确的文本预处理引擎，专为 TTS 引擎精细化调整中文脚本，消除“AI感”语调和发音缺陷。
火山引擎 TTS 转 TOS 助手
一个集成助手，通过火山引擎 TTS 将文本合成音频，将文件上传至 TOS，并提供预签名 URL 以供即时分享。
腾讯 TTS
一款强大的文本转语音合成工具，利用腾讯云 API 从任何文本输入生成高保真音频文件。
Cloudflare Whisper Worker
一个高性能的音频转录技能，利用 Cloudflare Workers 和 Whisper 模型实现无缝的语音转文本转换。
Speech Denoise
一个专业级语音增强流水线，利用远程 L4 GPU 算力去除背景噪音并清洁音频/视频文件。
TTS Media Route Fix
一个专门的补丁工作流，用于修复生产环境中 OpenClaw 损坏的 tts.convert 音频 URL 并保护媒体路由行为。
SenseAudio 音频质量检测器
一款自动化的音频诊断工具，可识别噪音类型、计算质量分数并提供可操作的改进建议。
Speech Transcribe
一个高性能转录流水线，利用远程 L4 GPU 提供比标准 Whisper 实现快 3 倍的语音转文本处理速度。
Azure Transcription Pro
用于 Azure 转写的 Openclaw Skills 通过实时流式传输、说话人识别、批处理作业和可导出的输出来自动化企业级语音转文字。
azure-ai-transcription-py-free
用于 Azure AI Transcription 的 Openclaw Skills 将 Blob 托管的音频转换为批量转录文本，支持语言定位和基于密钥的安全身份验证。
Echosaw Media Intelligence
Echosaw 是一个全面的媒体智能平台，可将视频、音频和图像转换为结构化的 AI 生成报告和转录文本。
Jiminny
一种对话智能集成，使 AI Agent 能够访问和分析销售通话转录、摘要和用户绩效数据。
Audio Intel Batch (x402)
一种高容量音频转录技能，旨在以固定费用在单个批次中处理多达 500 个文件。
Audio Intel (x402)
使用先进的 Whisper AI 模型将任何音频文件转换为准确的、带有时间戳的文本。
Legion Loan Outreach Insight
一种自动化的对话智能技能，用于解析用户意图并从外呼音频转录中提取多维度洞察。
ElevenLabs 对话式集成
ElevenLabs 的全面集成方案，支持文本转语音、即时声音克隆以及双向对话式 AI 智能体的创建。
LiveKit 语音
使用 LiveKit WebRTC 为 AI 智能体管理实时音视频基础设施。