软件下载帮助文档新闻资讯

Skill UI

浏览并发现 19345+ 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 Whisper ，共找到 13 条记录

默认排序最新上传最多下载

音频转录与会议纪要

audio-transcriber

sickn33/antigravity-awesome-skills

将录音转换为结构化 Markdown 文档，附带说话人、时间戳、字幕和会议摘要，适用于会议、访谈、课程等场景的快速记录。

音频转录与会议纪要

audio-transcriber

sickn33/antigravity-awesome-skills

将录音转换为结构化 Markdown 文档，附带说话人、时间戳、字幕和会议摘要，适用于会议、访谈、课程等场景的快速记录。

.NET版Azure OpenAI SDK

azure-ai-openai-dotnet

sickn33/antigravity-awesome-skills

这是一个用于.NET环境的Azure OpenAI客户端库。它提供了访问包括GPT-4o、嵌入、DALL-E和Whisper等多种OpenAI模型的接口。开发者可以使用它来构建复杂的聊天机器人、实现结构化JSON输出，或进行RAG（检索增强生成）等高级应用。

Deepgram 转录服务迁移指南

deepgram-migration-deep-dive

jeremylongshore/claude-code-plugins-plus-skills

本指南详细介绍了从多个主流语音转录服务提供商（如 AWS Transcribe、Google STT、Whisper 等）迁移到 Deepgram 的流程。它提供了全面的功能对标和适配器模式实现，帮助开发者平稳、可靠地切换转录服务，确保项目连续性和数据完整性。

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。

Speak API故障应急手册

speak-incident-runbook

jeremylongshore/claude-code-plugins-plus-skills

本工具提供了一套完整的Speak API故障应急流程手册。它指导用户如何应对API服务中断，包括故障分级、切换离线模式以及执行系统恢复步骤。适用于维护依赖实时AI服务的语言学习平台和DevOps运维场景。

语言学习平台迁移深度集成

speak-migration-deep-dive

jeremylongshore/claude-code-plugins-plus-skills

本指南提供了一份全面的语言学习平台迁移深度集成方案。内容涵盖导入学生学习进度、从传统语音API过渡到现代化架构，并详细介绍了使用SDK和集成OpenAI GPT-4o等服务的步骤。适用于复杂的平台运维管理和系统升级场景。

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。

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。

音频转录与摘要

audio-transcriber

sickn33/agentic-awesome-skills

将音频或视频文件转录为带时间戳的 Markdown 文本，并可选用 LLM 生成摘要，适用于会议记录、访谈整理和长音频总结。

Azure OpenAI .NET 开发套件

azure-ai-openai-dotnet

sickn33/agentic-awesome-skills

Azure OpenAI .NET 客户端库，用于访问 GPT-4、GPT-4o、嵌入、DALL-E 和 Whisper 等服务，支持聊天补全、流式响应、嵌入、图像生成、音频转写、结构化输出和助手功能。

Modellix 媒体生成

sickn33/agentic-awesome-skills

集成 Modellix API/CLI，用于异步 AI 图像、视频和语音生成或转录。通过官方 CLI 工作流（model run --wait、task download）生成图像、视频、语音，转录音频，并使用 Nano Banana、Seedance、Whisper 和 CosyVoice 等模型进行语音克隆。

语言