SuperAPI AI 工具集

Skill 广场

找到适合任务的 Agent Skill,阅读介绍并复制安装命令。

更新于 11-17 00:07

通用与其它

53,899 个结果

quiz-me

quiz-me 是一个面向 AI 代理的测验生成工具,可将代理刚刚完成的工作(或用户指定的主题、文件、文档)转化为 3 到 5 道简短的测验题,帮助用户在交付过程中真正掌握关键知识。它默认基于当前会话的代码变更(git diff)或编辑过的文件,提炼出用户必须理解的 3 到 5 个核心要点,忽略无关细节。测验以一次一题的方式提问,题型混合预测、找 bug、选择和复述,并等待用户回答后再继续,不在问题中给出提示。评分时如实反馈:答对则简短确认并补充一个用户未提及的事实;部分正确则指出正确部分并填补缺口;答错则直接指出错误,给出正确答案并指向具体代码位置(文件:行)。最后给出得分、一个薄弱区域和一项具体行动建议,并可仅针对薄弱区域进行第二轮测验。适用于代码审查、知识巩固、 onboarding 等场景。

通用与其它5 次安装

ai-podcast-creation

AI Podcast Creation 是一个通过 inference.sh CLI(belt)创建 AI 播客与音频内容的技能。它整合了文本转语音(Kokoro TTS、DIA TTS、Chatterbox)、AI 音乐生成和媒体合并等工具,支持单人口播、多角色对话、完整播客流水线、文档转播客讨论、有声书章节以及背景音乐与音效增强等场景。使用时需先安装 belt CLI 并登录,再通过 belt app run 调用各模型生成语音、音乐并合并为完整音频。

通用与其它5 次安装

ai-voice-cloning

该技能通过 inference.sh CLI(belt)提供 AI 语音生成、文本转语音与语音合成能力,支持多种模型,包括 Inworld TTS-2(100+ 语言、情感与非语言引导、多种表达模式)、Inworld TTS 1.5 Max/Mini(低延迟)、ElevenLabs TTS 与变声器、Kokoro TTS、DIA、Chatterbox、Higgs、VibeVoice 等。用户可通过命令行传入文本、音色、语速等参数生成语音,并可与媒体合并、数字人动画等工具组合,用于配音、有声书、播客、电子学习、无障碍、IVR 与内容本地化等场景。

通用与其它5 次安装

elevenlabs-tts

ElevenLabs 文本转语音技能,通过 inference.sh CLI(belt)调用,提供 22 种以上高级语音和多语言支持。支持 eleven_multilingual_v2(最高质量、32 种语言)、eleven_turbo_v2_5(速度与质量平衡)、eleven_flash_v2_5(超低延迟)三种模型,并可通过 stability、similarity_boost、style、use_speaker_boost 参数调节语音表现。输出支持多种 MP3 与 PCM 格式,适用于配音、有声书、播客、在线课程、无障碍朗读、IVR 和视频旁白等场景。

通用与其它5 次安装

elevenlabs-voice-changer

ElevenLabs 声音变换技能,通过 inference.sh CLI(belt)将任意语音转换为另一种声音,同时保留原语音的说话内容与情感。该技能提供两个模型:多语言 STS v2(默认,支持 70 多种语言)和英语优化的 English STS v2,并提供 george、aria、daniel 等 22 个以上高质量音色。使用时需先安装并登录 belt,再以 belt app run elevenlabs/voice-changer 传入音频 URL 与目标音色即可,支持指定输出格式。适用于内容创作、配音替换、角色声音、隐私脱敏、多语言配音和声音原型测试等场景。实际音质效果、处理时长、收费与配额暂未提供。

通用与其它5 次安装

elevenlabs-voice-isolator

ElevenLabs Voice Isolator 是一个用于音频降噪与人声分离的 CLI 技能,通过 inference.sh CLI(belt)调用。它可以从音频中去除环境噪音、背景音乐、混响、风声、交通与人群噪音、电流嗡鸣等非人声成分,提取清晰人声。支持 WAV、MP3、FLAC、OGG、AAC 格式,单文件最大 500MB、最长 1 小时。适用于播客清理、采访降噪、音乐人声提取、视频对白处理、老录音修复、会议录音提清晰度以及语音克隆前的素材准备,并可与其他音频技能串联成工作流。

通用与其它5 次安装

ai-chat

该资料是 Windmill AI 聊天(copilot)功能的开发维护指引,重点面向全局模式的工具、提示词与上下文窗口管理。核心要求是任何影响上下文或行为的变化都必须先在 ai_evals 上做 A/B 基准测试,改动前后使用相同模型与用例对比。资料强调上下文纪律:每轮迭代都会重发系统提示词和全部工具 schema,因此每个工具和参数都是固定成本,应逐项论证并测量,能删则删;工具返回应最小化,避免回显模型已持有的内容。提示词与工具描述同样属于可基准测试的行为面,需当作真实改动来对待。

通用与其它5 次安装