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 10-27 00:15

通用与其它

53,365 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,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147 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147 次安装