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 11-19 00:15

通用与其它

53,932 个结果

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: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,15 种语言)、ElevenLabs TTS(22+ 音色、32 种语言)、ElevenLabs Voice Changer(转换已有录音),以及 Kokoro、DIA、Chatterbox、Higgs、VibeVoice 等。可生成旁白、有声书、播客、视频配音、多角色对话等,并支持与视频合并、生成数字人说话视频。

通用与其它1 次安装

elevenlabs-dubbing

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。

通用与其它1 次安装

elevenlabs-stt

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。

通用与其它1 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。

通用与其它1 次安装

elevenlabs-voice-changer

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。

通用与其它1 次安装

elevenlabs-voice-isolator

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。

通用与其它1 次安装

speech-to-text

该技能通过 inference.sh CLI(belt)调用语音转文字模型,将音频转写为文本。可用模型包括 ElevenLabs Scribe v2(声称 98%+ 准确率、支持说话人分离、90+ 语言)、Fast Whisper V3(快速转写)与 Whisper V3 Large(最高准确率)。使用前需安装并登录 belt CLI。可通过参数获取带时间戳的分段结果、将非英语音频翻译为英语,或先提取视频音轨再转写,进而配合字幕应用为视频生成字幕。输出为 JSON,含完整文本、时间戳分段(如请求)与检测到的语言。Whisper 支持 99+ 语言。适用会议记录、播客转写、视频字幕、语音笔记、访谈与研究转写、无障碍等场景。

通用与其它1 次安装

text-to-speech

这是一个通过 inference.sh CLI(belt)将文本转换为自然语音的技能,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。用户可通过命令行运行不同模型生成语音,Inworld TTS-2 支持用方括号进行情感、音量、语速及非语言声音的实时控制,并提供 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。该技能适用于配音、有声书、播客、无障碍、IVR、视频旁白、游戏 NPC、对话式 AI 及虚拟形象视频等场景,还可与视频生成模型结合制作说话头像视频。

通用与其它1 次安装

ponytail-gain

Ponytail Gain 是一个一次性展示的记分板技能,用于呈现 ponytail 的实测影响:更少代码、更低成本、更快速度。数据来自已发布的基准中位数(5 个日常任务:邮箱校验器、防抖、CSV 求和、倒计时器、限流器;3 个模型:Haiku、Sonnet、Opus),属于实测结果,而非根据当前仓库计算。记分板以纯 ASCII 条形图渲染,条长表示实测范围,标签给出精确数值:代码行数降至 6–20%(下降 80–94%)、成本降至 23–53%(下降 47–77%)、速度提升 3–6 倍。该技能为一次性显示,不改变模式、不写标志文件、不持久化任何内容。它明确区分基准中位数与单个仓库的真实数据,不会打印针对某个仓库的节省数字,因为未构建的版本从未被写出,实时仓库中不存在可减去的真实基线;唯一的单仓库真实数据来自 /ponytail-debt(计数账本),本卡片会指向该处而非编造数字。

通用与其它1 次安装

bundle-skills

bundle-skills 是 skillless 项目中的一个技能,用于帮助用户创建、更新或规划技能包(skill bundle)CSV 文件。技能包以 CSV 形式存放在 lists/ 目录下,由 skillless CLI 消费。该技能可将类似 /bundle-skills frontend 的松散请求,转化为经过审查、安全且排序稳定的 CSV 技能包。CSV 表头固定为 repo,skill_name,agents,其中 repo 为 GitHub owner/repo 或受支持的 URL,skill_name 为空表示安装该仓库全部技能,agents 为空格分隔的智能体列表(常见为 opencode claude-code codex)。工作流程包括:解析用户意图并拆分子组、在深入搜索前确认范围、发现候选技能、应用质量门槛(默认推荐 2,000+ 安装量,并参考 Gen、Socket、Snyk 审计结果)、在编辑前报告候选、检查已有 CSV、写入或更新 CSV、最后验证。该技能强调不覆盖已有技能包、不擅自安装技能、不信任单一搜索输出进行风险报告,并在缺少审计数据时视为风险未知。

通用与其它1 次安装