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
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。
Podcast Agent
一个自动化的 AI 智能体，利用神经网络文本转语音技术将网页文章转换为专业的双人主持播客节目。
OpenClaw 飞书离线语音对话
一个专为 OpenClaw 和飞书设计的完全离线语音交互技能，利用本地 Whisper 和 Qwen3-TTS 模型实现安全的语音转文本和文本转语音。
ScoreDetect
ScoreDetect 允许开发人员使用 Openclaw Skills 从音频录音中自动提取并数字化乐谱。
Vidu Speech Generate
一个专业的 AI 音频生成技能，提供多语言的高保定文本转语音和语音克隆功能。
基于 Qwen3-ASR 的本地 STT (Speech-to-Text)
一个为 AI 智能体提供的高性能本地语音转文本服务，利用 Qwen3-ASR 模型和 MLX 硬件加速。
LuxTTS
LuxTTS 是一个为 OpenClaw 设计的高性能本地文本转语音引擎，支持声音克隆并以 150 倍实时速度运行。
Kai YouTube
一个专门为 AI agents 设计的技能，使用 yt-dlp 和 Whisper 观看、下载 YouTube 视频并将其转录为可搜索的文本。
Keevx Video Translation Skill
一个使用 Keevx API 将视频自动翻译并配音成多种语言的自动化工具。
视频翻译器
一款高性能 AI 智能体技能，可通过 URL 或文件上传进行实时视频翻译、配音和字幕生成。
表达教练 (Expression Coach)
一款语音优先的 AI 教练，通过即兴练习、场景模拟和详细的演讲分析来提高口语雄辩力。
SenseAudio 口语发音教练
一款 AI 驱动的发音教练，可评估您的语音并提供针对性练习，以掌握流利的外语。