软件下载帮助文档新闻资讯

Skill UI

浏览并发现 16569+ 精选技能

全部编程开发人工智能设计创意产品商业数据科学市场营销职场通用效率工具硬件工程语言学习

搜索语音合成，共找到 10 条记录

默认排序最新上传最多下载

Azure 实时语音AI开发SDK

azure-ai-voicelive-py

sickn33/antigravity-awesome-skills

该SDK用于构建实时、双向的语音AI应用，通过WebSocket支持实时的语音流媒体通信。它允许开发者将麦克风音频输入模型，并接收合成语音输出。适用于开发智能语音助手、交互式语音系统和呼叫中心解决方案。

文本语音音频处理

sickn33/antigravity-awesome-skills

本技能利用fal.ai模型提供双向音频处理能力。它支持文本转语音（TTS），将文字转换为自然语音；以及语音转文本（STT），将语音准确转录为文字。适用于需要处理音频输入分析或合成语音输出的场景，如语音助手、内容数字化或多语言应用。

Groq多模态工作流：语音、图像、语音合成

groq-core-workflow-b

jeremylongshore/claude-code-plugins-plus-skills

该工作流是基于Groq的综合多模态解决方案，超越了基础的聊天补全功能。它支持超快速的音频转录（Whisper），利用视觉模型进行图像理解，以及高质量的文本转语音合成。适用于实时内容处理、多媒体分析和自动化内容生成等场景。

高级音频处理与语音合成

elevenlabs-core-workflow-b

jeremylongshore/claude-code-plugins-plus-skills

本工作流提供了一套全面的专业音频处理解决方案。它集成了语音到语音转换（变声器）、文本生成音效、音频降噪隔离和语音转文字转录等多个高级功能。适用于内容创作、播客制作、音频编辑等需要高质量声音处理的场景。

ElevenLabs成本优化与配额监控

elevenlabs-cost-tuning

jeremylongshore/claude-code-plugins-plus-skills

本技能旨在帮助用户优化 ElevenLabs 语音合成（TTS）的运行成本。它提供了一套完整的流程，包括基于成本的模型选择、通过优化文本内容来减少计费字符数，以及实现实时的配额使用监控和预算预警。适用于构建高并发、对成本敏感的语音应用。

ElevenLabs TTS云端部署指南

elevenlabs-deploy-integration

jeremylongshore/claude-code-plugins-plus-skills

本技能提供将 ElevenLabs TTS 应用部署到主流云平台（如 Vercel, Fly.io, Cloud Run）的完整指南。内容涵盖了服务器无服务器部署、容器化部署、密钥安全管理、以及实现实时流媒体音频流的最佳实践，适用于构建生产级的语音合成应用。

ElevenLabs语音合成API指南

elevenlabs-hello-world

jeremylongshore/claude-code-plugins-plus-skills

本技能提供了一份完整的ElevenLabs语音合成API使用指南。内容涵盖使用TypeScript、Python和cURL等多种方式，实现文本到语音的高质量转换。用户可以学习如何精细控制语音参数、选择不同模型（如低延迟流式传输），适用于各类需要高质量语音内容生成的应用开发。

ElevenLabs API认证与配置

elevenlabs-install-auth

jeremylongshore/claude-code-plugins-plus-skills

本指南详细介绍了如何在Node.js和Python环境中安装并配置ElevenLabs SDK。内容涵盖了如何使用环境变量设置API密钥、初始化客户端连接，并通过列出可用音色等方式进行连接验证。适用于所有需要集成高级文本转语音（TTS）或语音合成功能的开发场景。

语音克隆与合成语音生成

voice-clone-lab

opensquilla/opensquilla

本技能用于根据本地音频样本创建和注册可复用的克隆音色，供后续的文本转语音（TTS）使用。它严格遵循“先获取同意”的工作流，要求用户提供明确的授权、详细的说话人元数据和版权证明。功能旨在确保生成的语音ID在内容创作中使用是安全、可溯源且完全符合法律规定的。

国际语音学会议投稿定位指南

brycewang-stanford/Awesome-Journal-Skills

本技能旨在指导作者如何为国际语音学会议（INTERSPEECH）进行策略性定位。它涵盖了语音识别、合成、韵律学、口语对话和音音频语言建模等核心领域。本工具帮助您将期刊或预印本风格的稿件，重塑为符合顶级计算机会议要求的叙事，特别强调必须具备音频特有的评估、数据集和错误分析。

1

语言