下载

Skill UI

浏览并发现 9126+ 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 36 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 API 错误排查指南

deepgram-common-errors

jeremylongshore/claude-code-plugins-plus-skills

本指南全面收录了Deepgram API的常见错误代码（HTTP/WebSocket），提供了从API密钥验证、音频格式优化到代码重试机制的排障流程。是开发人员进行语音转文本（STT）服务集成的必备参考资料。

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 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。

Deepgram SDK 生产最佳实践

deepgram-sdk-patterns

jeremylongshore/claude-code-plugins-plus-skills

为使用 TypeScript 和 Python 集成 Deepgram 提供了生产级别的代码模式和最佳实践。本指南涵盖了单例客户端管理、Aura 文本转语音合成，以及复杂的音频智能流程（如摘要、话题和情感分析）。适用于任何需要构建健壮、标准化的 Deepgram 集成系统，或进行代码重构和版本升级的开发者。

ElevenLabs 语音自动化

elevenlabs-automation

ComposioHQ/awesome-claude-skills

通过 Composio MCP 一键驱动 ElevenLabs 文本转语音工作流：生成语音、查看音色/模型、核对订阅额度、流式播放并重取历史音频。

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。

智能会议转录与总结

twinmind-hello-world

jeremylongshore/claude-code-plugins-plus-skills

本技能用于录制和处理各类会议（如Zoom/Meet/Teams）或语音备忘录。它能生成带有时间戳的完整转录文本，并利用高级AI自动提取结构化的会议摘要、可执行任务清单（包含负责人和截止日期）和关键讨论点，帮助用户高效记录和跟进项目进展。

语言