SuperAPI AI 工具集
合作ENAI 行业资讯收藏

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 11-13 00:15

通用与其它

53,799 个结果

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23 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23 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23 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23 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23 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23 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23 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23 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23 次安装

writing-great-skills

该技能是一份关于如何编写和编辑技能（skill）的参考指南，核心原则是让技能具备可预测性——智能体每次运行都遵循相同流程。内容涵盖技能调用方式（模型调用与用户调用）、描述撰写、信息层级（步骤与参考）、渐进式披露、技能拆分粒度、精简原则、引导词的使用，以及常见失败模式（如过早完成、重复、沉积、蔓延、空操作、否定式表述）的诊断与应对。

通用与其它23 次安装