Loading...
Loading...
共找到 112 个 Skills
HyperFrames 合成内容的资源预处理工具——包含文本转语音旁白（Kokoro）、音视频转录（Whisper）、以及用于透明叠加层的背景移除（u2net）功能。适用于从文本生成配音、转录语音生成字幕、移除视频/图片背景以制作透明叠加层、选择TTS语音或Whisper模型，或者将这些功能串联使用（文本转语音→转录→生成字幕）。每个命令首次运行时会自动下载对应的模型。
ElevenLabs文本转语音服务，拥有22+种优质语音、多语言支持，可通过inference.sh CLI进行语音调优。模型包括：eleven_multilingual_v2（最高音质）、eleven_turbo_v2_5（低延迟）、eleven_flash_v2_5（超快速）。功能：文本转语音、语音选择、稳定性/风格控制、支持32种语言。适用场景：旁白配音、有声书、视频解说、播客、无障碍服务、交互式语音应答（IVR）。触发词：elevenlabs、eleven labs、elevenlabs tts、premium tts、professional voice、ai voice、high quality tts、multilingual tts、eleven labs voice、voice generation、natural speech、realistic voice、voice over、speech synthesis
通过inference.sh CLI，使用DIA TTS、Kokoro、Chatterbox等工具将文本转换为自然语音。 模型：DIA TTS（对话式）、Kokoro TTS、Chatterbox、Higgs Audio、VibeVoice（播客专用）。 功能：文本转语音、语音克隆、多说话人对话、播客生成、富有表现力的语音。 适用场景：配音、有声书、播客、无障碍服务、视频旁白、IVR、语音助手。 相关关键词：文本转语音、TTS、语音生成、AI语音、语音合成、配音、生成语音、AI旁白、语音克隆、文本转音频、ElevenLabs替代方案、语音AI、AI配音、语音生成器、自然语音
通过inference.sh CLI实现AI语音生成、文本转语音（TTS）与语音合成。支持模型：Kokoro TTS、DIA、Chatterbox、Higgs、VibeVoice，可生成自然语音。功能特性：多音色、情感表达、口音模拟、长文本旁白、对话生成。适用场景：配音、有声书、播客、视频旁白、无障碍服务。相关关键词：语音克隆、tts、文本转语音、AI语音、语音生成、语音合成、配音、旁白、语音合成、AI旁白、ElevenLabs替代方案、自然语音、逼真语音、语音AI
借助文本转语音、音乐生成及音频编辑功能创建AI驱动的播客。工具包括：Kokoro TTS、DIA TTS、Chatterbox、AI音乐生成工具、媒体合并工具。核心功能：多角色语音对话、背景音乐添加、片头/片尾制作、完整播客剧集生成。适用场景：播客制作、有声书、语音内容、音频新闻通讯。关联关键词：播客、AI播客、文本转语音播客、音频内容、旁白、AI有声书、多语音、对话AI、NotebookLM替代方案、音频生成、播客自动化、AI旁白、语音内容、音频新闻通讯、播客制作工具
通过inference.sh CLI实现AI语音生成、文本转语音（text-to-speech）及语音合成。支持模型包括：Inworld TTS-2（支持100+种语言，可调控情绪/非语言表达）、Inworld TTS 1.5（超低延迟）、ElevenLabs（22+种优质语音，32种语言），以及Kokoro TTS、DIA、Chatterbox、Higgs、VibeVoice，均可生成自然语音。功能特性：多语音选择、情绪调控、口音模拟、长篇旁白、对话生成、语音转换、交付模式控制、角色语音。适用场景：配音、有声书、播客、视频旁白、无障碍服务、游戏NPC语音、虚拟形象音频、UGC内容。相关触发词：语音克隆、tts、text to speech、ai voice、语音生成、语音合成、配音、旁白、语音合成、ai narrator、elevenlabs、eleven labs、自然语音、逼真语音、voice ai、变声器、inworld、inworld tts、角色语音、npc voice
借助Fish Audio生成AI文本转语音音频，并通过AceDataCloud API浏览公共参考语音。适用于制作旁白/解说音频（TTS）、合成多语言语音或从模型库中选择Fish参考语音的场景。
使用Kokoro TTS实现文本转语音的专业技能，涵盖语音合成、音频生成、性能优化以及为JARVIS语音助手安全处理生成的音频。
通过WebSocket使用Azure OpenAI的GPT Realtime Mini模型生成由AI驱动的播客风格音频叙事。适用于构建文本转语音功能、音频叙事生成、从内容创建播客，或与Azure OpenAI Realtime API集成以实现实时音频输出。涵盖了从React前端到Python FastAPI后端的全栈实现，支持WebSocket流式传输。
当用户请求通过OpenAI Audio API进行文本转语音旁白、配音、无障碍朗读、音频提示或批量语音生成时使用；使用内置语音运行捆绑的CLI（`scripts/text_to_speech.py`），实时调用需要`OPENAI_API_KEY`。自定义语音创建不在本技能范围内。
通过fal.ai MCP实现统一媒体生成——支持图片、视频和音频。涵盖文本转图片（Nano Banana）、文本/图片转视频（Seedance、Kling、Veo 3）、文本转语音（CSM-1B）以及视频转音频（ThinkSound）。当用户需要用AI生成图片、视频或音频时使用。
借助fal.ai音频模型实现文本转语音（TTS）与语音转文本（STT）功能。当用户提出“将文本转换为语音”“转录音频”“生成语音”“语音转文本”“TTS”“STT”或类似音频相关需求时使用。