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
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。
Chanjing TTS
一款专业级的文本转语音技能，对接 Chanjing API 以生成高保真音频，支持多种语言和方言。
MLX-STT: 本地 Whisper 语音转文本
一个高性能、本地的语音转文本引擎，由 mlx-audio 和 Whisper 模型驱动，专为 Apple Silicon 硬件优化。
mlx-tts
一个专注于隐私、专为 Apple Silicon 优化的本地文本转语音引擎，不需要外部 API keys。
Voice TTS
使用 Microsoft edge-tts 在 Feishu、Telegram 和 Discord 上生成并发送高质量的中文 AI 语音消息。
Persona Voice
一个通过 SenseAudio TTS 和 ASR 为飞书 (Feishu) 和 Lark 生成角色化语音回复的 AI Agent 技能。
SenseAudio 语音翻译器
一种场景感知的语音翻译技能，利用 ASR、LLM 和 TTS 技术，在几秒钟内将中文语音转换为自然的各种外语音频。
中文语音技能
一款专业级文本转语音技能，利用 Microsoft Edge TTS 为 AI 代理生成自然的中文语音响应。
SenseAudio 字幕生成器
一个强大的工具，用于从视频中提取音频，并生成带有精确字级时间戳的同步、多格式字幕文件。
SenseAudio Video Narrator
一款功能强大的 AI 旁白工具，可为视频内容制作生成同步音轨和带时间戳的配音。