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
医学文录听写
一种专门的临床自动化工具，可将非结构化的医学听写转换为格式专业、术语规范的 SOAP 病历。
MiniMax TTS Plus
为 Openclaw 增强的文字转语音技能，允许每个智能体拥有唯一的语音身份，并为 Telegram 和飞书提供原生语音消息。
Bilibili 视频字幕与音频提取器
一个强大的工具，采用智能三级回退策略从 Bilibili 视频中提取字幕并转录音频。
Subtitle-Extractor
一款专业级工具，用于从全球视频平台和本地媒体文件提取原生字幕或生成 AI 转录。
Edge TTS Cantonese Voice
一个专门的文本转语音引擎，可将粤语文本转换为适用于流行消息平台的自然语音便条。
英语口语练习助手
一款 AI 驱动的语言学习助手，提供实时英语口语练习、发音分析和自动化的每日词汇推送。
Jiuma 免费声音克隆（旧版）
一个用于 AI 驱动的声音克隆和音频合成工具的旧版 Openclaw Skills 条目。
Whisper-Piper 语音流水线
一个专为隐私优先的语音助手设计的全本地、高性能语音转文本和文本转语音 HTTP 服务器。
RuRussian MCP Server
一种专业的 AI 导师技能，赋予机器人深度俄语语言分析、词汇掌握和自动化学习材料生成能力。
Xiaomi MiMo Voice TTS
一个基于先进 AI 的文本转语音 skill，利用 Xiaomi MiMo V2 API 为开发者创建自然、富有表现力的语音。
视频字幕翻译
一个高性能 AI 工具，用于使用 WeryAI API 翻译现有 HTTPS 视频中的字幕。
WeryAI Podcast Generator
一个通过官方 WeryAI API 生成、查询和交付多人 AI 播客的综合工具。
飞书 ASR (Whisper)
一个隐私优先的语音识别技能，使用 OpenAI Whisper 模型在本地转录飞书语音消息。
Audio Cog
Audio Cog 是一个由 CellCog 驱动的高性能 AI 音频生成技能，可创建专业的配音、旁白和原创背景音乐。
fun-voice-type
一款 macOS 语音输入插件，利用阿里巴巴 FunASR 实现实时语音转文字，并将多语言翻译直接输入到任何输入框中。
飞书语音对话
一个全面的语音交互技能，为飞书生态系统内的 AI 智能体增加高精度语音识别和自然语音合成功能。
免费 TTS & Voice Cloning
一个 100% 免费、隐私优先、针对 Apple Silicon 硬件优化的本地文本转语音和 Voice Cloning 技能。
Video to SRT
一个本地、低成本的字幕工作流，用于将媒体文件转录为带时间戳的 SRT 格式。
大圣音频生成器
由小米和上海交通大学开发的高级 AI 技能，可根据结构化文本描述生成完整的音频环境。
禅镜 TTS 声音克隆
一个复杂的 AI 驱动文本转语音技能，支持使用公共音频 URL 进行自定义声音克隆。