Loading...
Loading...
共找到 35 个 Skills
为向后兼容而保留的已废弃旧版TalkToMePy TTS Skill。建议使用[gaelic-ghost/a11y-skills](https://github.com/gaelic-ghost/a11y-skills)中的后续语音工作流。
文本转语音与语音旁白功能。触发指令包括：“朗读这段”、“配音”、“TTS”、“语音合成”、“text to speech”、“read this aloud”、“convert to speech”、“voice narration”、“read aloud”。
基于ElevenLabs和系统语音的文本转语音合成
借助Model Studio DashScope Qwen TTS（qwen3-tts-flash）生成类人语音音频。适用于文本转语音、为短剧/新闻视频制作语音台词，或是为DashScope编写TTS请求/响应字段文档的场景。
使用ElevenLabs Dubbing API（dubbing_v2）将音视频配制成其他语言，同时保留原说话人的音色。适用于将视频、播客或录音翻译成其他语言、本地化媒体内容、审核或修正配音文稿与译文、以及编辑后重新生成配音的场景。
使用阿里云DashScope API和LingMou生成AI视频与语音。具备七大功能——(1) LivePortrait数字人分身（图片+音频→视频，两步流程），(2) EMO数字人分身，(3) AA/AnimateAnyone全身动画（三步流程），(4) T2I文本生成图片（万相2.x，默认模型wan2.2-t2i-flash），(5) I2V图片生成视频（万相2.x，默认模型wan2.7-i2v-flash，支持T2I→I2V流水线），(6) Qwen TTS语音合成（根据场景自动选择模型/音色，默认模型qwen3-tts-vd-realtime-2026-01-15），(7) LingMou数字人模板视频，支持随机模板、公共模板复制及脚本确认。适用于用户需要数字人分身、肖像动画、全身动画、文本转图片、文本转视频或语音合成的场景。
使用OpenRouter的文本转语音（TTS）API从文本生成语音音频。当用户要求合成语音、为文本添加旁白、制作配音、生成有声书片段、朗读文本、将文本转换为音频文件，或者提到TTS、text-to-speech、语音合成时，可使用此工具。
默认使用Azure TTS，或在配置后使用Gemini 3.1 Flash TTS，为视频生成音画同步的专业旁白配音。当用户想要为任何视频文件添加旁白、配音、解说或语音配音时，即可使用此技能——即使用户仅说“给这个视频加音频”或“制作带旁白的版本”。当用户有需要添加音轨的屏幕录制、演示、教程或演示视频时，也会触发此技能。触发条件包括用户提出中文请求，如“视频配音”、“给视频加旁白”、“录屏解说”、“视频加语音”、“视频添加声音”、“生成视频旁白”、“自动配音”、“视频解说词”。
使用 ListenHub API 将文本转换为语音（TTS）。支持三种模式：快速合成（/v1/tts）、 多角色脚本（/v1/speech）、长文本流式合成（/v1/flow-speech/episodes）。 音色未指定时自动获取音色列表供用户选择，默认使用 chat-girl-105-cn（晓曼）。 Use when user says: "tts", "text to speech", "语音合成", "文字转语音", "朗读", "生成语音", "生成音频", "转音频", "text to audio"
通过Google Cloud Text-to-Speech API实现文本转语音合成——支持MP3输出、可配置语言与语音、语音列表功能。
使用MOSS-TTS-Nano的专业技能指南，这是一款拥有0.1B参数、支持多语言实时语音合成（TTS）的模型，可在CPU上运行并支持语音克隆功能。