下载

Skill UI

浏览并发现 9785+ 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

搜索语音转文本，共找到 12 条记录

默认排序最新上传最多下载

Azure AI语音转录服务SDK

azure-ai-transcription-py

sickn33/antigravity-awesome-skills

这是一个基于Python的Azure AI语音转写SDK。它支持实时流式和批处理两种模式的语音转文本功能。该工具可以实现带时间戳和说话人区分（Diarization）的转录，适用于自动化会议记录、播客内容处理、视频字幕生成等专业场景。

Azure AI语音转录服务SDK

azure-ai-transcription-py

sickn33/antigravity-awesome-skills

这是一个基于Python的Azure AI语音转写SDK。它支持实时流式和批处理两种模式的语音转文本功能。该工具可以实现带时间戳和说话人区分（Diarization）的转录，适用于自动化会议记录、播客内容处理、视频字幕生成等专业场景。

Azure语音转文本API

azure-speech-to-text-rest-py

sickn33/antigravity-awesome-skills

这是一个使用Python和REST API实现的Azure语音转文本功能。它允许用户通过HTTP请求，对时长不超过60秒的音频文件进行语音识别转录。该工具无需依赖官方SDK，适用于需要快速集成语音识别功能的开发场景，并支持分块传输以降低延迟。

Deepgram SDK安装与认证

deepgram-install-auth

jeremylongshore/claude-code-plugins-plus-skills

本技能提供了针对Node.js和Python环境的Deepgram SDK的完整安装和配置指南。内容涵盖了安全的环境变量API密钥管理、客户端初始化以及连接验证。适用于需要将Deepgram强大的语音转文本（STT）和文本转语音（TTS）功能集成到新项目中的开发者。

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。

实时音频叙述生成

podcast-generation

sickn33/antigravity-awesome-skills

通过 Azure OpenAI 的 Realtime Mini 接口，将文本提示实时转为 PCM 音频、转换为 WAV 并以 base64 形式返给前端播放，支持虚拟主播语音选项和字幕输出，适用于播客或音频故事生成。

ElevenLabs TTS与声音克隆工作流

elevenlabs-core-workflow-a

jeremylongshore/claude-code-plugins-plus-skills

本流程实现了基于ElevenLabs的文本转语音（TTS）和声音克隆功能。用户可以利用该流程生成高质量、可控的语音内容，包括高级音色和风格调节。它支持从音频样本进行即时声音克隆，并提供WebSocket流式传输，适用于构建实时聊天机器人、直播或需要低延迟音频的应用场景。

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。

Wispr Flow语音转文本API调优

wispr-cost-tuning

jeremylongshore/claude-code-plugins-plus-skills

该技能提供使用Wispr Flow进行语音转文本API集成的成本优化和技术指南。内容涵盖WebSocket流式传输、REST API使用、上下文理解（如编程代码）和错误处理的最佳实践，帮助开发者构建高级语音应用。

1

语言