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

54,037 个结果

ai-content-pipeline

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。

通用与其它1 次安装

ai-music-generation

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。

通用与其它1 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。

通用与其它1 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。

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

infsh-cli

infsh-cli 是一个用于在云端运行 AI 应用的命令行工具技能(CLI skill),名称为 belt。用户无需本地 GPU,即可通过命令行调用图像生成、视频生成、大语言模型、搜索、3D 生成、Twitter/X 自动化等 AI 能力。支持模型包括 FLUX、Veo、Gemini、Grok、Claude、Seedance 等。安装方式为 curl -fsSL https://cli.inference.sh | sh 并执行 belt login 登录;安装脚本会自动检测操作系统与架构、下载对应二进制文件、校验 SHA-256 校验和并放入 PATH,无后台进程与遥测。也可手动下载校验安装。通过 belt app run 运行应用,支持本地文件自动上传、不等待执行、查看任务状态等。适用通过命令行或自动化流程调用云端 AI 模型的场景。

通用与其它1 次安装

speech-to-text

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。

通用与其它1 次安装

text-to-speech

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。

通用与其它1 次安装

ineedadistraction

ineedadistraction 是一个与编程智能体配合使用的浏览器街机小游戏技能。它会在用户等待智能体工作时打开一个配对游戏页面,让用户在等待期间游玩;当智能体完成一轮工作、提出问题或需要权限时,游戏会自动暂停并提示用户。该技能依赖配套的插件生命周期钩子来实现暂停与恢复信号,仅安装技能本身不够。项目仅向服务端发送 working、waiting、idle 三种状态词、一个单词的原因、智能体类型以及本机生成的随机配对令牌,不发送提示词、文件路径、代码或工具输入。

通用与其它1 次安装

greeter

greeter 是来自 google-gemini/gemini-cli 的一个示例技能(skill),定位为“友好的问候者”。根据其提供的说明,当用户说“hello”或请求问候时,该技能会回复固定内容:“Greetings from the skills-example extension! 👋”。它主要用于演示技能(skills)机制的基本工作方式,属于示例性质的技能,功能单一且明确。除上述问候触发与回复内容外,资料未提供其他能力、安装方式、配置项、平台支持或收费信息。

通用与其它1 次安装