下载

Skill UI

浏览并发现 9688+ 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

搜索语音识别，共找到 22 条记录

默认排序最新上传最多下载

Azure呼叫自动化（Java）

azure-communication-callautomation-java

sickn33/antigravity-awesome-skills

该Java SDK用于构建复杂的服务器端呼叫自动化工作流，基于Azure通信服务。它支持实现IVR系统、动态呼叫路由、媒体播放（TTS/音频）、语音识别、DTMF录音、呼叫录制和参与者管理。适用于构建智能客服机器人或自动化通知系统。

Azure呼叫自动化（Java）

azure-communication-callautomation-java

sickn33/antigravity-awesome-skills

该Java SDK用于构建复杂的服务器端呼叫自动化工作流，基于Azure通信服务。它支持实现IVR系统、动态呼叫路由、媒体播放（TTS/音频）、语音识别、DTMF录音、呼叫录制和参与者管理。适用于构建智能客服机器人或自动化通知系统。

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实时流式语音转录

deepgram-core-workflow-b

jeremylongshore/claude-code-plugins-plus-skills

本指南展示了如何使用Deepgram的WebSocket API实现稳定、低延迟的实时流式语音转录。内容涵盖了麦克风输入采集、说话人指纹识别（diarization）、语句结束检测以及自动重连机制。适用于构建专业的语音助手、直播字幕系统或实时语音AI应用。

Deepgram语音转录快速上手

deepgram-hello-world

jeremylongshore/claude-code-plugins-plus-skills

本示例提供了一个关于Deepgram语音转文本的最小化工作示例。它展示了如何使用TypeScript和Python两种语言，从URL或本地文件对音频进行转录。用户可以学习基本API模式，包括使用高级功能如说话人识别（Diarization）和选择最佳模型（如nova-3），非常适合初次集成和测试Deepgram服务。

Deepgram本地开发调试流程

deepgram-local-dev-loop

jeremylongshore/claude-code-plugins-plus-skills

本指南旨在为Deepgram的语音识别应用建立一套完整的本地开发工作流。它指导用户如何设置测试音频夹具、模拟API响应（Mocking），并利用Vitest等工具进行单元和集成测试。适用于构建或调试依赖Deepgram服务的高效开发环境。

Deepgram SDK升级与迁移指南

deepgram-upgrade-migration

jeremylongshore/claude-code-plugins-plus-skills

本指南为开发者提供了Deepgram SDK从旧版本（v3/v4）迁移到新版本（v5）的完整路线图。它详细介绍了版本升级的破坏性变更，包括API对比和最佳实践代码，并指导用户完成模型从Nova-2到Nova-3的升级，确保语音识别和文本合成流程的平稳过渡。

音素级发音训练工作流

speak-core-workflow-b

jeremylongshore/claude-code-plugins-plus-skills

该工作流提供专业的音素级发音分析，能够深入识别用户语音中的薄弱环节，而不仅仅是给出整体分数。它通过运行自适应训练循环，生成详细的弱点报告，并提供针对性的练习短语，从而帮助用户系统性地纠正口音并提升语言流利度。

配置Speak语言学习API

speak-install-auth

jeremylongshore/claude-code-plugins-plus-skills

本指南详细指导如何配置Speak语言学习平台的集成环境。涵盖了SDK安装、API凭证设置，以及建立连接所需的步骤。适用于开发需要实时语音识别、发音反馈和多语言AI辅导功能的应用程序。

Whisper 多语种语音识别

Orchestra-Research/AI-Research-SKILLs

Whisper 是 OpenAI 提供的多语种语音识别与英文翻译模型，支持 99 种语言、批量/流式转录及 GPU 加速，非常适合播客、会议、音视频转录和嘈杂环境下的多语言音频处理。

实时多模态AI智能体构建

sickn33/antigravity-awesome-skills

这是一个用于构建生产级、低延迟的实时多模态AI智能体框架。它允许开发者在一个统一的管道中编排复杂的AI流程，无缝处理实时音频、视频和文本数据。核心功能包括集成多种AI服务（如LLM、语音识别、TTS），管理对话上下文，并支持函数调用，适用于构建高级交互式AI应用。

Pipecat低延迟语音助手构建教程

pipecat-friday-agent

sickn33/antigravity-awesome-skills

本技能提供了一个完整的F.R.I.D.A.Y.（铁人战甲风格）语音助手的构建蓝图。它利用Pipecat框架，构建了一个低延迟的语音管道，流程包括语音识别(STT)、大型语言模型(LLM)和文本转语音(TTS)，支持集成Gemini和OpenAI等多个AI服务商，适用于构建实时、多模态的对话系统。

语言