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 11-20 00:12

通用与其它

54,042 个结果

create-audio

Create Audio 是一个基于命令行的文本转语音(TTS)工具,可通过脚本将文本生成 WAV 音频文件。它支持 13 个 TTS 提供方,涵盖本地模型与云端 API:本地包括 Pocket TTS(默认,CPU 运行,英文)和 7 个针对 Apple Silicon 优化的 MLX-Audio 模型(Kokoro、CSM、Dia、OuteTTS、Spark、Chatterbox、Soprano),以及 4 个开源 Coqui TTS 模型(XTTS v2、VITS、YourTTS、Bark);云端提供方为 ElevenLabs。工具支持内置音色选择、通过参考 WAV 文件进行声音克隆、多语言合成、语速控制、通过 stdin/stdout 与其他工具串联,以及以 JSON 传入提供方专属参数。输出统一为 WAV 格式(单声道、16 位 PCM)。适用于生成配音、多角色内容、多语言音频和自定义音色品牌化等场景。

通用与其它1 次安装

whisper-transcription

该技能基于 OpenAI Whisper 模型,将音频和视频文件转录为文本。适用于播客转博客、视频字幕生成、访谈引语提取、音视频内容检索及外语内容翻译等场景。提供命令行脚本,支持单文件转录、批量转录、翻译、时间戳提取,并可输出 txt、srt、vtt、json、tsv 等格式的文件。内置模型选择指引,按速度、准确率与显存需求区分 tiny、base、small、medium、large 五档。依赖 openai-whisper、torch、ffmpeg-python 及系统 ffmpeg,支持 GPU 加速和长文件自动分块。

通用与其它1 次安装