task-alignment
任务对齐技能:从用户粗略想法出发进行对齐对话,共同决定是直接在会话中处理,还是固化为可独立派发的任务;若转为任务则写出四份文档。
找到适合任务的 Agent Skill,阅读介绍并复制安装命令。
更新于 11-19 00:15
53,925 个结果
任务对齐技能:从用户粗略想法出发进行对齐对话,共同决定是直接在会话中处理,还是固化为可独立派发的任务;若转为任务则写出四份文档。
用于在 WhatsApp closer agentkit 中连接、更换或轮换凭据的技能,支持在 meta、zernio 和 demo 三个提供方之间切换,并按 blueprint 文档引导完成凭据配置与状态记录。
probar 是 whatsapp-closer-agentkit 中的终端聊天模拟器,用于在无需凭据的情况下对“cerrador”运行测试用例,并检查步骤、草稿模式与可用时段等结果。
revisar 是 whatsapp-closer-agentkit 中的审计门禁技能,用于在发布前运行审计脚本并报告缺失项。
seguir 是 whatsapp-closer-agentkit 中的恢复流程技能,用于从 .wca-estado.json 记录的半成品构建状态继续工作:读取状态、与磁盘校验后,从当前阶段接着执行。
Veil 是面向 Minecraft 1.21.1+ 模组(Fabric 与 NeoForge)的渲染库,为 Java 版 Minecraft 带来游戏引擎级图形能力:完整 GLSL 着色器管线、JSON 驱动的帧缓冲与后处理、延迟光照、数据驱动粒子与特效、程序化骨骼动画及自定义渲染类型。
zbook 是一个通过命令行或自然语言从 Z-Library 搜索并下载电子书的技能,基于 Z-Library eapi 搜索与 Playwright 无头浏览器绕过 Cloudflare 下载,只需 Z-Library 账号,无需 Telegram bot 或额外 API key。
Halo CLI 的站点运维技能,用于通过命令行管理 Halo 站点的主题、插件、附件、备份和瞬间(moments)内容,支持 --json 输出与 --profile 指定配置。
这是一个用于自我调整状态的技能(Skill),当你在工作中陷入困境、反复循环或感到沮丧时使用。它通过一组肯定语句帮助你重置思路,重新回到事实基础上,并采取一个干净、明确的小步骤。适用于同一修复尝试三次以上、重构时忘记目标、调试中理论互相矛盾、连续犯错、频繁道歉、输出变长却更不确定、感到恐惧而非好奇等场景。核心做法是:在下一次工具调用前阅读肯定语句,然后陈述已验证的事实、指出未检查的假设、执行一个最小测试步骤,再继续正常工作。
AI Content Pipeline 是一个用于构建多步骤 AI 内容创作流水线的技能,通过 inference.sh CLI(belt)把图像、视频、音频和文本生成能力串联起来。用户可以用它组合出图像生成、图生视频、语音合成、数字人、音视频合成等自动化工作流,例如先生成图像再动画化并添加旁白或配乐。文档提供了图像→视频→音频、脚本→语音→数字人、研究→内容→发布等多种流水线模式,以及 YouTube 短视频、数字人讲解、产品演示、博客转视频等完整示例。使用前需安装 belt CLI 并登录,然后通过 belt app run 依次调用不同模型应用并保存中间结果。该技能适合需要批量或自动化制作多媒体内容的场景,但需注意每一步的输入输出依赖与分辨率匹配。
该技能用于通过 inference.sh 命令行工具(belt CLI)生成 AI 音乐与歌曲,支持 ElevenLabs Music、Diffrythm、Tencent Song Generation 等模型。可生成器乐、带人声的完整歌曲,也可用于视频背景音乐、播客片头、游戏配乐等场景。使用前需安装 belt CLI 并登录,通过 belt app run 传入提示词或 JSON 输入文件调用模型。资料中未提供具体价格、生成质量、时长限制以外的参数等细节。
这是一个使用 inference.sh 流水线从零生成多人对话类播客视频的技能,覆盖角色图片生成、逐轮 TTS 音频、头像动画视频与最终拼接。支持真人、3D 吉祥物、插画角色及混合阵容。适用场景包括制作播客、talking head 视频、样片或宣传对话等多人出镜视频内容。
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工具,支持单声道旁白、多声道对话、完整播客流水线、NotebookLM 风格文档讨论、有声书章节以及背景音乐和音效增强等场景。用户可通过 belt 命令行调用各模型生成脚本、语音和音乐,再用 media-merger 合并为完整音频。
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、情绪与非语言引导、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,并可将多段音频或语音与视频合并,适用于配音、有声书、播客、电子学习、无障碍、IVR 与内容本地化等场景。
ElevenLabs Dialogue 是一个通过 inference.sh CLI(belt)调用 ElevenLabs 多说话人对话生成能力的技能,可在单个音频文件中生成由不同声音演绎的对话。它支持 22 种以上音色,并允许在文本中用方括号添加语气指令(如 [excitedly]、[whispering])来控制表达方式。适用于播客、有声书、教学讲解、产品演示、客服培训等需要多角色对白的场景。
ElevenLabs 自动配音工具,通过 inference.sh CLI(belt)将音频或视频翻译并配音成 29 种语言,同时保留原说话人的声音特征。支持自动识别多个说话人、匹配原始语音节奏,输入格式包括 MP3、MP4、WAV、MOV。使用前需安装 belt CLI 并登录,通过命令行传入音频地址和目标语言即可运行。适用于内容创作者、在线教育、营销、播客、企业培训和影视分发等本地化场景。
ElevenLabs 语音转文字技能,通过 inference.sh CLI(belt)调用 Scribe 模型完成高精度转录。支持 Scribe v2(默认,最新最高精度)与 Scribe v1(稳定版),宣称 98%+ 转录准确率,覆盖 90+ 种语言并支持自动检测。主要能力包括说话人识别(diarize)、音频事件标注(笑声、掌声、音乐等非语音事件)、指定语言代码,以及强制对齐(forced alignment)获取词级与字符级时间戳。适用于会议记录、播客转录、视频字幕、访谈研究、无障碍访问与口型同步等场景。使用前需安装 belt CLI 并登录,通过 belt app run 命令传入音频 URL 与参数调用。
ElevenLabs 文本转语音技能,通过 inference.sh CLI(belt)调用,提供 22+ 种高级音色、多语言支持与语音参数调节。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。可调节 stability、similarity_boost、style、use_speaker_boost 等参数,并支持多种 MP3 与 PCM 输出格式。适用于配音、有声书、播客、在线课程、无障碍朗读、IVR 及视频旁白等场景。
ElevenLabs Voice Changer 是一个通过 inference.sh CLI(belt)调用的语音转换技能,可将任意语音转换为另一种声音,同时保留原始语音的内容与情感。它提供 Multilingual STS v2(默认,支持 70 多种语言)和 English STS v2(英语优化)两个模型,并支持与 ElevenLabs TTS 相同的 22 种以上高级音色(如 george、aria、alice、brian 等)。使用前需安装 belt CLI 并登录,通过 belt app run elevenlabs/voice-changer 命令传入音频 URL 与目标音色即可完成转换,还可指定输出格式。适用于内容创作、配音替换、角色配音、隐私匿名化、多语言配音等场景。
ElevenLabs Voice Isolator 是一个通过 inference.sh CLI(belt)调用的音频处理技能,用于从音频中去除背景噪声并分离人声。它支持 WAV、MP3、FLAC、OGG、AAC 等格式,单文件最大 500MB、最长 1 小时。可去除环境噪声、背景音乐、混响回声、风声、交通与人群噪声、电流嗡鸣等非人声声音,适用于播客清理、采访降噪、音乐人声提取、视频对白处理、旧录音修复、会议录音优化以及语音克隆前的素材清理等场景。
这是一个通过 inference.sh CLI(belt)调用语音转文字模型的技能,可将音频转写为文本。支持 ElevenLabs Scribe v2(准确率 98%+、支持说话人分离、90+ 语言)、Fast Whisper V3(快速转写)和 Whisper V3 Large(最高准确率)等模型。可输出完整文本、带时间戳的分段和检测到的语言,并支持翻译为英文、从视频提取音频后转写、生成视频字幕等工作流。适用于会议记录、播客转写、字幕制作、语音笔记、访谈整理和无障碍访问等场景。
该技能通过 inference.sh CLI(belt)将文本转换为自然语音,支持多种 TTS 模型,包括 Inworld TTS-2、Inworld TTS 1.5 Max/Mini、ElevenLabs TTS、DIA TTS、Kokoro TTS、Chatterbox、Higgs Audio 和 VibeVoice。Inworld TTS-2 支持 100 多种语言,并可通过 [方括号] 在文本中内联控制情绪、音量、语速和非语言声音,提供 STABLE、BALANCED、CREATIVE 三种交付模式;Inworld TTS 1.5 Max 延迟低于 200ms,Mini 约 120ms,适合实时对话场景。可用于配音、有声书、播客、无障碍、IVR、视频旁白、游戏 NPC 语音和对话式 AI 等场景,也可与视频生成模型组合制作数字人视频。
从工作飞书账号读取文档,由 AI 分析主题后整理保存到 Obsidian,并生成索引文件,适用于离职前整理、定期备份或按主题归档项目资料。
GEO Content Optimizer 是一个面向生成式引擎优化(GEO)的内容优化技能,用于让内容更容易被 AI 引用。它提供 8 个 GEO 维度的评分框架、40 分制 GEO 评分、快速优化清单和结构化输出模板,适用于撰写或改写希望被 AI 回答引用的文章。