294 个 · 按相关度排序
Convert articles, reports, or documentation into an English or Chinese podcast with two conversational hosts. Create a dialogue script, generate speech, and combine it into an MP3 with a readable transcript.
中文简介正在准备中。当前显示英语简介。
Generate multilingual narration with fish.audio, reuse a previously created voice model, and adjust emotion, pace, and volume. Start with a short voice sample before producing the full audio file.
中文简介正在准备中。当前显示英语简介。
Prepare voiceovers, background music, sound effects, transcripts, captions, and background cutouts for HyperFrames compositions. The skill guides audio provider selection, word timing, and caption styling, with local alternatives for several audio tasks.
中文简介正在准备中。当前显示英语简介。
Read text aloud or save it as a speech audio file using voices already installed on the computer. Works through local platform tools without an account or API key, with long text split into shorter passages.
中文简介正在准备中。当前显示英语简介。
文字转语音配音：把文案/脚本合成为 AI 语音口播、旁白、朗读音频。**配了 VOICE_PROVIDER 默认走闭源云 TTS（CosyVoice2 等，有情感、像真人），edge 仅无 key 时兜底**（edge 偏机械/AI 味）；同步输出分句 SRT 字幕、mp3/wav/m4a。合成后可与 BGM 混音或加到视频作旁白。当用户说“配音”“文字转语音”“TTS”“AI 配音”“口播语音”“旁白”“朗读”“把这段文字读出来”“生成语音”“语音合成”时使用。
中文简介正在准备中。当前显示原文说明。
Create audiobooks from web content or text files. Handles content fetching, text processing, and TTS conversion with automatic fallback between ElevenLabs, OpenAI TTS, and gTTS.
中文简介正在准备中。当前显示原文说明。
Für AVV und AGB Schnittstelle: ordnet Norm, Beweislast und Gegenargument; Ergebnis: Prüfprodukt mit Risiko und nächstem Schritt. Fachgebiet: AGB-Recht-Prüfer. Route: avv-und-agb-schnittstelle.
中文简介正在准备中。当前显示原文说明。
文本转语音工具 - 默认 MiniMax TTS，支持切换 Edge TTS 和 Kokoro TTS (v1.1-zh)
中文简介正在准备中。当前显示原文说明。
Generate speech audio from text using Qwen3 TTS, or clone a voice from reference audio. Triggered when the user wants to convert text to speech, generate audio, read text aloud, or clone/mimic a voice. Supports multiple speakers, English and Chinese, and emotion/style control.
中文简介正在准备中。当前显示原文说明。
Tạo một video MỚI cho series "so sánh / phân biệt kiến thức" của repo này — clip dọc TikTok/Reels/Shorts 30-40s, layout 3-zone cố định theo DESIGN.md, voiceover tiếng Việt sinh bằng VieNeu TTS (local), Edge TTS (miễn phí) hoặc Vbee TTS, dựng bằng HyperFrames. Dùng skill này khi người dùng nói "làm video so sánh X vs Y", "phân biệt X và Y", "thêm video mới vào series", "tạo video so sánh kiến thức", hoặc yêu cầu bất kỳ video nào theo đúng format sẵn có của repo (thư mục videos/<slug>/). KHÔNG dùng cho video ngoài format này (promo sản phẩm, video từ URL, slideshow, thêm phụ đề cho footage có sẵn).
中文简介正在准备中。当前显示原文说明。
Produce, direct, integrate, and quality-control ElevenLabs text-to-speech for narration, character performance, multilingual media, long-form voiceover, and streamed or batch AI-content audio. Use when selecting ElevenLabs models or voices; preparing spoken text; controlling pronunciation, pacing, emotion, and code-switching; using TTS APIs; cloning or designing a voice with consent; repairing artifacts; mastering deliverables; or evaluating generated speech. Excludes music, sound-effect generation, conversational-agent design, and general speech recognition except transcription used to verify TTS.
中文简介正在准备中。当前显示原文说明。
Produce speech and clone voices with Fish Audio — its hosted TTS API (S2.1-Pro / S2-Pro / S1 model lineup, REST + WebSocket streaming, instant and persistent voice cloning) and its open-weight OpenAudio S1-mini / Fish-Speech models for self-hosting. Use this skill when an agent must generate narration or dialogue through Fish Audio, choose between Fish Audio's hosted models and open weights, clone a voice from reference audio, author emotion/tone/special markers for expressive delivery, estimate cost from UTF-8 bytes, wire real-time streaming for a voice agent, decide whether self-hosting beats the API, or review Fish Audio TTS output for production. Do not use it to pick a different provider — it covers Fish Audio specifically.
中文简介正在准备中。当前显示原文说明。
语音转文字 (ASR) (语音转文字 (ASR / 语音识别 / Speech-to-Text) 应用工程 (从业者视角) — 选型、集成、优化语音转文字能力，尤其面向移动端、低成本、快速识别的场景。覆盖: (a) 引擎/API 地图 — 云端 API(OpenAI gpt-4o-transcribe / Whisper API、Deepgram、AssemblyAI、Google / Azure / AWS Transcribe、讯飞、字节火山、阿里、腾讯、百度) vs 开源模型(Whisper / faster-whisper / whisper.cpp / distil-whisper、NVIDIA NeMo Parakeet / Canary、阿里 FunASR / Paraformer / SenseVoice、Moonshine、Vosk、Kaldi / k2 / icefall) vs 端侧·移动 SDK(whisper.cpp + CoreML / Metal、iOS Speech framework、Android SpeechRecognizer、Picovoice、SenseVoice 端侧); (b) 准确率(WER / CER) × 延迟(RTF / 流式) × 成本 三角权衡与选型决策树; (c) 成本优化 playbook — 端侧免费 / 批量折扣 / VAD 裁静音 / 量化(int8 / ggml) / 蒸馏 / 自托管 break-even; (d) 移动端集成 — 端侧 vs 云、流式 vs 批量、断点检测(endpointing)、隐私 / 离线; (e) 后处理 — 标点 / 数字规整(ITN) / 说话人分离(diarization) / 时间戳。学派分歧: 云 API vs 端侧自托管、通用大模型(Whisper) vs 专用流式(RNN-T / Conformer)、闭源 API vs 开源、准确率派 vs 成本派、英文优先 vs 中文 ASR(FunASR / SenseVoice / 讯飞)。不含: 文字转语音(TTS / 语音合成，方向相反)、声纹识别 / 说话人验证为主业、语音 agent / 对话式 AI、ASR 模型训练科研深水区。) Master OS — automated mastery of 语音转文字 (ASR / 语音识别 / Speech-to-Text) 应用工程 (从业者视角) — 选型、集成、优化语音转文字能力，尤其面向移动端、低成本、快速识别的场景。覆盖: (a) 引擎/API 地图 — 云端 API(OpenAI gpt-4o-transcribe / Whisper API、Deepgram、AssemblyAI、Google / Azure / AWS Transcribe、讯飞、字节火山、阿里、腾讯、百度) vs 开源模型(Whisper / faster-whisper / whisper.cpp / distil-whisper、NVIDIA NeMo Parakeet / Canary、阿里 FunASR / Paraformer / SenseVoice、Moonshine、Vosk、Kaldi / k2 / icefall) vs 端侧·移动 SDK(whisper.cpp + CoreML / Metal、iOS Speech framework、Android SpeechRecognizer、Picovoice、SenseVoice 端侧); (b) 准确率(WER / CER) × 延迟(RTF / 流式) × 成本 三角权衡与选型决策树; (c) 成本优化 playbook — 端侧免费 / 批量折扣 / VAD 裁静音 / 量化(int8 / ggml) / 蒸馏 / 自托管 break-even; (d) 移动端集成 — 端侧 vs 云、流式 vs 批量、断点检测(endpointing)、隐私 / 离线; (e) 后处理 — 标点 / 数字规整(ITN) / 说话人分离(diarization) / 时间戳。学派分歧: 云 API vs 端侧自托管、通用大模型(Whisper) vs 专用流式(RNN-T / Conformer)、闭源 API vs 开源、准确率派 vs 成本派、英文优先 vs 中文 ASR(FunASR / SenseVoice / 讯飞)。不含: 文字转语音(TTS / 语音合成，方向相反)、声纹识别 / 说话人验证为主业、语音 agent / 对话式 AI、ASR 模型训练科研深水区。: top builders' mental models, tool stack, current workflows, jargon, and where to keep up. Trigger this skill when the user works on 语音转文字 (ASR / 语音识别 / Speech-to-Text) 应用工程 (从业者视角) — 选型、集成、优化语音转文字能力，尤其面向移动端、低成本、快速识别的场景。覆盖: (a) 引擎/API 地图 — 云端 API(OpenAI gpt-4o-transcribe / Whisper API、Deepgram、AssemblyAI、Google / Azure / AWS Transcribe、讯飞、字节火山、阿里、腾讯、百度) vs 开源模型(Whisper / faster-whisper / whisper.cpp / distil-whisper、NVIDIA NeMo Parakeet / Canary、阿里 FunASR / Paraformer / SenseVoice、Moonshine、Vosk、Kaldi / k2 / icefall) vs 端侧·移动 SDK(whisper.cpp + CoreML / Metal、iOS Speech framework、Android SpeechRecognizer、Picovoice、SenseVoice 端侧); (b) 准确率(WER / CER) × 延迟(RTF / 流式) × 成本 三角权衡与选型决策树; (c) 成本优化 playbook — 端侧免费 / 批量折扣 / VAD 裁静音 / 量化(int8 / ggml) / 蒸馏 / 自托管 break-even; (d) 移动端集成 — 端侧 vs 云、流式 vs 批量、断点检测(endpointing)、隐私 / 离线; (e) 后处理 — 标点 / 数字规整(ITN) / 说话人分离(diarization) / 时间戳。学派分歧: 云 API vs 端侧自托管、通用大模型(Whisper) vs 专用流式(RNN-T / Conformer)、闭源 API vs 开源、准确率派 vs 成本派、英文优先 vs 中文 ASR(FunASR / SenseVoice / 讯飞)。不含: 文字转语音(TTS / 语音合成，方向相反)、声纹识别 / 说话人验证为主业、语音 agent / 对话式 AI、ASR 模型训练科研深水区。 problems and wants industry-grade thinking, tool selection, or workflow guidance. 触发词：「语音转文字」「语音识别」「asr」「speech to text」「stt」
中文简介正在准备中。当前显示原文说明。
AI 短剧 (AI 微短剧) (AI 短剧 (AI 微短剧) (从业者视角) — 用 AIGC 工具（AI 视频生成 / AI 脚本 / AI 生图 / AI 配音 / 对口型 / 角色一致性）制作竖屏微短剧并变现的新兴行业。覆盖: (a) 创作工作流 — 选题→剧本/分镜→AI 生图→图生视频(首尾帧/运镜/参考)→配音/对口型→剪辑/调色→成片，其中角色/场景一致性是第一性难题; (b) 工具栈 — 视频生成(可灵 Kling / 即梦 Seedance / 海螺 Hailuo / Vidu / Runway Gen / OpenAI Sora / Pika / Luma / Pixverse)、脚本(LLM)、生图(Midjourney/SD/即梦)、配音(TTS)、对口型、剪辑(剪映/CapCut); (c) 商业/变现 — 国内付费投流(IAP + ROI + 平台分账, 抖音/快手/红果/微信小程序短剧)与海外订阅(ReelShort/DramaBox/ShortMax/GoodShort)两套打法、品牌定制、成本结构; (d) 合规 — 中国《人工智能生成合成内容标识办法》(2025-09 强制 AI 标识)、广电微短剧备案与分类分层审核、版权与肖像权。主战场 = 抖音/快手/视频号/B站 + 海外短剧 App。学派分歧: 纯 AI vs AI+实拍混合、国内投流 vs 海外订阅、视频工具派之争、「AI 短剧是真需求还是伪风口」。不含: 传统实拍短剧制作、通用影视编剧(已有 scriptwriting skill)、短视频信息流投放(已有 short-video-ads skill)、纯 AI 视频底层技术研发。) Master OS — automated mastery of AI 短剧 (AI 微短剧) (从业者视角) — 用 AIGC 工具（AI 视频生成 / AI 脚本 / AI 生图 / AI 配音 / 对口型 / 角色一致性）制作竖屏微短剧并变现的新兴行业。覆盖: (a) 创作工作流 — 选题→剧本/分镜→AI 生图→图生视频(首尾帧/运镜/参考)→配音/对口型→剪辑/调色→成片，其中角色/场景一致性是第一性难题; (b) 工具栈 — 视频生成(可灵 Kling / 即梦 Seedance / 海螺 Hailuo / Vidu / Runway Gen / OpenAI Sora / Pika / Luma / Pixverse)、脚本(LLM)、生图(Midjourney/SD/即梦)、配音(TTS)、对口型、剪辑(剪映/CapCut); (c) 商业/变现 — 国内付费投流(IAP + ROI + 平台分账, 抖音/快手/红果/微信小程序短剧)与海外订阅(ReelShort/DramaBox/ShortMax/GoodShort)两套打法、品牌定制、成本结构; (d) 合规 — 中国《人工智能生成合成内容标识办法》(2025-09 强制 AI 标识)、广电微短剧备案与分类分层审核、版权与肖像权。主战场 = 抖音/快手/视频号/B站 + 海外短剧 App。学派分歧: 纯 AI vs AI+实拍混合、国内投流 vs 海外订阅、视频工具派之争、「AI 短剧是真需求还是伪风口」。不含: 传统实拍短剧制作、通用影视编剧(已有 scriptwriting skill)、短视频信息流投放(已有 short-video-ads skill)、纯 AI 视频底层技术研发。: top builders' mental models, tool stack, current workflows, jargon, and where to keep up. Trigger this skill when the user works on AI 短剧 (AI 微短剧) (从业者视角) — 用 AIGC 工具（AI 视频生成 / AI 脚本 / AI 生图 / AI 配音 / 对口型 / 角色一致性）制作竖屏微短剧并变现的新兴行业。覆盖: (a) 创作工作流 — 选题→剧本/分镜→AI 生图→图生视频(首尾帧/运镜/参考)→配音/对口型→剪辑/调色→成片，其中角色/场景一致性是第一性难题; (b) 工具栈 — 视频生成(可灵 Kling / 即梦 Seedance / 海螺 Hailuo / Vidu / Runway Gen / OpenAI Sora / Pika / Luma / Pixverse)、脚本(LLM)、生图(Midjourney/SD/即梦)、配音(TTS)、对口型、剪辑(剪映/CapCut); (c) 商业/变现 — 国内付费投流(IAP + ROI + 平台分账, 抖音/快手/红果/微信小程序短剧)与海外订阅(ReelShort/DramaBox/ShortMax/GoodShort)两套打法、品牌定制、成本结构; (d) 合规 — 中国《人工智能生成合成内容标识办法》(2025-09 强制 AI 标识)、广电微短剧备案与分类分层审核、版权与肖像权。主战场 = 抖音/快手/视频号/B站 + 海外短剧 App。学派分歧: 纯 AI vs AI+实拍混合、国内投流 vs 海外订阅、视频工具派之争、「AI 短剧是真需求还是伪风口」。不含: 传统实拍短剧制作、通用影视编剧(已有 scriptwriting skill)、短视频信息流投放(已有 short-video-ads skill)、纯 AI 视频底层技术研发。 problems and wants industry-grade thinking, tool selection, or workflow guidance. 触发词：「ai 短剧」「ai 微短剧」「ai short drama」「ai 短剧制作」「ai 短剧工作流」
中文简介正在准备中。当前显示原文说明。
Multi-platform Chinese & multilingual TTS text-to-speech via Edge/Doubao/CosyVoice/Qwen3/StepFun/GLM-TTS/Azure/Tencent/Baidu/MiniMax/Xunfei plus ElevenLabs/OpenAI/Google/Atlas Cloud — 15 backends, word-level timestamps, [PAUSE:x] pause markers, pinyin pronunciation overrides
中文简介正在准备中。当前显示原文说明。
AI 口播配音：用免费的 edge-tts（微软 Edge 在线语音）为带货短视频逐句生成配音，自动去首尾静音、统计每句时长、缓存复用，可选音色/语速/音调，并给出口播稿改写规则。Use when the user needs a voice-over, 配音, 口播, 旁白, TTS, text-to-speech, AI 主播声音, or wants to turn a script into audio for 抖音 / TikTok / 视频号 videos.
中文简介正在准备中。当前显示原文说明。
Automate on-target verification of a program's logic by driving its RTT console with rttsh - write Lua scripts that exercise commands and assert responses, output and timing on real hardware. Use when asked to verify target-side behavior on board, build board-level checks for firmware features, or automate hardware test runs.
中文简介正在准备中。当前显示原文说明。
AI voice cloner v2 — ElevenLabs, XTTS, voice conversion, prosody, licensing
中文简介正在准备中。当前显示原文说明。
Create HTML-based videos with animated titles, synchronized captions, text-to-speech narration, scene transitions, and visuals that react to music. Define timing and layout, then check for overflowing content, readable contrast, and animation choreography.
中文简介正在准备中。当前显示英语简介。
Turn a topic into a scripted podcast, audio briefing, or narrated summary delivered as an MP3. Support one or several speakers, generate cover art, and manage recurring episodes or publication to an RSS podcast feed.
中文简介正在准备中。当前显示英语简介。
Guide OpenMontage workflows that use the official Kling API for video and image generation, speech, avatar videos, and lip sync. Covers authentication, reference inputs, task status handling, errors, and cost estimates for paid requests.
中文简介正在准备中。当前显示英语简介。
Find, generate, and prepare media for HyperFrames projects, saving assets locally with records for reuse. Covers images, music, voiceovers, transcription, captions, background removal, media edits, and visual treatments such as color correction or retro styling.
中文简介正在准备中。当前显示英语简介。
Use the MiniMax API from the command line to generate chat responses and turn text into speech. Select models and voices, adjust speech settings, and save audio files for further use.
中文简介正在准备中。当前显示英语简介。
Create multilingual voice-over audio from scripts supplied for each language using the paid Beatra service. Guides voice selection for each market, pronunciation and timing pilots, and delivery organized by language and segment for review.
中文简介正在准备中。当前显示英语简介。