AiTest123.comAI 评测与可信度检测平台
拖动滑块完成拼图，通过后发送验证码
独立第三方 AI 评测平台 · 只用实测数据
通用语音识别：转写、分段、标点与关键词。按需组合，不必全装。
本专题共收录 196 个技能，以前端设计（78）、效率（28）、内容创作（22）这些方向为主。其中 177 个给出可执行安装命令，8 个标明许可证。
demo112
用于辅助音频、音乐、语音转写、语音合成或声音素材处理。它适合让 Agent 生成配乐说明、整理音频流程、调用语音工具或处理播客和视频配音素材。使用时需要确认输入音频来源、输出格式、时长和模型限制；涉及人声克隆、版权音乐或公开发布时，应先核对授权和合规边界。
适用于 OpenClaw 适合 OpenClaw 用户查找和安装 Skill 时、用户想查找某类 Agent Skill 时、需要根据任务场景推荐可安装能力包时
okaris
用于辅助音频、音乐、语音转写、语音合成或声音素材处理。它适合让 Agent 生成配乐说明、整理音频流程、调用语音工具或处理播客和视频配音素材。使用时需要确认输入音频来源、输出格式、时长和模型限制；涉及人声克隆、版权音乐或公开发布时，应先核对授权和合规边界。
适用于 OpenClaw 适合 OpenClaw 用户查找和安装 Skill 时、用户想查找某类 Agent Skill 时、需要根据任务场景推荐可安装能力包时
gykdly
用于辅助音频、音乐、语音转写、语音合成或声音素材处理。它适合让 Agent 生成配乐说明、整理音频流程、调用语音工具或处理播客和视频配音素材。使用时需要确认输入音频来源、输出格式、时长和模型限制；涉及人声克隆、版权音乐或公开发布时，应先核对授权和合规边界。
适用于 OpenClaw 适合 OpenClaw 用户查找和安装 Skill 时、用户想查找某类 Agent Skill 时、需要根据任务场景推荐可安装能力包时
nice1234-h
用于辅助音频、音乐、语音转写、语音合成或声音素材处理。它适合让 Agent 生成配乐说明、整理音频流程、调用语音工具或处理播客和视频配音素材。使用时需要确认输入音频来源、输出格式、时长和模型限制；涉及人声克隆、版权音乐或公开发布时，应先核对授权和合规边界。
适用于 OpenClaw 适合 OpenClaw 用户查找和安装 Skill 时、用户想查找某类 Agent Skill 时、需要根据任务场景推荐可安装能力包时
zktufo
用于辅助音频、音乐、语音转写、语音合成或声音素材处理。它适合让 Agent 生成配乐说明、整理音频流程、调用语音工具或处理播客和视频配音素材。使用时需要确认输入音频来源、输出格式、时长和模型限制；涉及人声克隆、版权音乐或公开发布时，应先核对授权和合规边界。
适用于 OpenClaw 适合 OpenClaw 用户查找和安装 Skill 时、用户想查找某类 Agent Skill 时、需要根据任务场景推荐可安装能力包时
sarvamai
用于辅助音频、音乐、语音转写、语音合成或声音素材处理。它适合让 Agent 生成配乐说明、整理音频流程、调用语音工具或处理播客和视频配音素材。使用时需要确认输入音频来源、输出格式、时长和模型限制；涉及人声克隆、版权音乐或公开发布时，应先核对授权和合规边界。
适用于 Codex、Claude、Cursor、Gemini CLI 适合 用户想查找某类 Agent Skill 时、需要根据任务场景推荐可安装能力包时、需要对比不同来源的安装命令和来源信息时
elevenlabs
用于辅助音频、音乐、语音转写、语音合成或声音素材处理。它适合让 Agent 生成配乐说明、整理音频流程、调用语音工具或处理播客和视频配音素材。使用时需要确认输入音频来源、输出格式、时长和模型限制；涉及人声克隆、版权音乐或公开发布时，应先核对授权和合规边界。
适用于 Codex、Claude、Cursor、Gemini CLI 适合 用户想查找某类 Agent Skill 时、需要根据任务场景推荐可安装能力包时、需要对比不同来源的安装命令和来源信息时
inference-sh
用于辅助音频、音乐、语音转写、语音合成或声音素材处理。它适合让 Agent 生成配乐说明、整理音频流程、调用语音工具或处理播客和视频配音素材。使用时需要确认输入音频来源、输出格式、时长和模型限制；涉及人声克隆、版权音乐或公开发布时，应先核对授权和合规边界。
适用于 Codex、Claude、Cursor、Gemini CLI 适合 用户想查找某类 Agent Skill 时、需要根据任务场景推荐可安装能力包时、需要对比不同来源的安装命令和来源信息时
calesthio
用于辅助音频、音乐、语音转写、语音合成或声音素材处理。它适合让 Agent 生成配乐说明、整理音频流程、调用语音工具或处理播客和视频配音素材。使用时需要确认输入音频来源、输出格式、时长和模型限制；涉及人声克隆、版权音乐或公开发布时，应先核对授权和合规边界。
适用于 Codex、Claude、Cursor、Gemini CLI 适合 用户想查找某类 Agent Skill 时、需要根据任务场景推荐可安装能力包时、需要对比不同来源的安装命令和来源信息时
martinholovsky
用于辅助音频、音乐、语音转写、语音合成或声音素材处理。它适合让 Agent 生成配乐说明、整理音频流程、调用语音工具或处理播客和视频配音素材。使用时需要确认输入音频来源、输出格式、时长和模型限制；涉及人声克隆、版权音乐或公开发布时，应先核对授权和合规边界。
适用于 Codex、Claude、Cursor、Gemini CLI 适合 用户想查找某类 Agent Skill 时、需要根据任务场景推荐可安装能力包时、需要对比不同来源的安装命令和来源信息时
inference-sh
用于辅助音频、音乐、语音转写、语音合成或声音素材处理。它适合让 Agent 生成配乐说明、整理音频流程、调用语音工具或处理播客和视频配音素材。使用时需要确认输入音频来源、输出格式、时长和模型限制；涉及人声克隆、版权音乐或公开发布时，应先核对授权和合规边界。
适用于 Codex、Claude、Cursor、Gemini CLI 适合 用户想查找某类 Agent Skill 时、需要根据任务场景推荐可安装能力包时、需要对比不同来源的安装命令和来源信息时
未标注作者
用于辅助音频、音乐、语音转写、语音合成或声音素材处理。它适合让 Agent 生成配乐说明、整理音频流程、调用语音工具或处理播客和视频配音素材。使用时需要确认输入音频来源、输出格式、时长和模型限制；涉及人声克隆、版权音乐或公开发布时，应先核对授权和合规边界。
适用于 本地 Agent 适合 用户想查找某类 Agent Skill 时、需要根据任务场景推荐可安装能力包时、需要对比不同来源的安装命令和来源信息时
dpearson2699
用于辅助音频、音乐、语音转写、语音合成或声音素材处理。它适合让 Agent 生成配乐说明、整理音频流程、调用语音工具或处理播客和视频配音素材。使用时需要确认输入音频来源、输出格式、时长和模型限制；涉及人声克隆、版权音乐或公开发布时，应先核对授权和合规边界。
适用于 Codex、Claude、Cursor、Gemini CLI 适合 用户想查找某类 Agent Skill 时、需要根据任务场景推荐可安装能力包时、需要对比不同来源的安装命令和来源信息时
inference-sh
用于辅助音频、音乐、语音转写、语音合成或声音素材处理。它适合让 Agent 生成配乐说明、整理音频流程、调用语音工具或处理播客和视频配音素材。使用时需要确认输入音频来源、输出格式、时长和模型限制；涉及人声克隆、版权音乐或公开发布时，应先核对授权和合规边界。
适用于 Codex、Claude、Cursor、Gemini CLI 适合 用户想查找某类 Agent Skill 时、需要根据任务场景推荐可安装能力包时、需要对比不同来源的安装命令和来源信息时
connorads
用于辅助音频、音乐、语音转写、语音合成或声音素材处理。它适合让 Agent 生成配乐说明、整理音频流程、调用语音工具或处理播客和视频配音素材。使用时需要确认输入音频来源、输出格式、时长和模型限制；涉及人声克隆、版权音乐或公开发布时，应先核对授权和合规边界。
适用于 Codex、Claude、Cursor、Gemini CLI 适合 用户想查找某类 Agent Skill 时、需要根据任务场景推荐可安装能力包时、需要对比不同来源的安装命令和来源信息时
davidortinau
用于辅助音频、音乐、语音转写、语音合成或声音素材处理。它适合让 Agent 生成配乐说明、整理音频流程、调用语音工具或处理播客和视频配音素材。使用时需要确认输入音频来源、输出格式、时长和模型限制；涉及人声克隆、版权音乐或公开发布时，应先核对授权和合规边界。
适用于 Codex、Claude、Cursor、Gemini CLI 适合 用户想查找某类 Agent Skill 时、需要根据任务场景推荐可安装能力包时、需要对比不同来源的安装命令和来源信息时
skill-zero
用于辅助音频、音乐、语音转写、语音合成或声音素材处理。它适合让 Agent 生成配乐说明、整理音频流程、调用语音工具或处理播客和视频配音素材。使用时需要确认输入音频来源、输出格式、时长和模型限制；涉及人声克隆、版权音乐或公开发布时，应先核对授权和合规边界。
适用于 Codex、Claude、Cursor、Gemini CLI 适合 用户想查找某类 Agent Skill 时、需要根据任务场景推荐可安装能力包时、需要对比不同来源的安装命令和来源信息时
inf-sh
用于辅助音频、音乐、语音转写、语音合成或声音素材处理。它适合让 Agent 生成配乐说明、整理音频流程、调用语音工具或处理播客和视频配音素材。使用时需要确认输入音频来源、输出格式、时长和模型限制；涉及人声克隆、版权音乐或公开发布时，应先核对授权和合规边界。
适用于 Codex、Claude、Cursor、Gemini CLI 适合 用户想查找某类 Agent Skill 时、需要根据任务场景推荐可安装能力包时、需要对比不同来源的安装命令和来源信息时
infsh-skills
用于辅助音频、音乐、语音转写、语音合成或声音素材处理。它适合让 Agent 生成配乐说明、整理音频流程、调用语音工具或处理播客和视频配音素材。使用时需要确认输入音频来源、输出格式、时长和模型限制；涉及人声克隆、版权音乐或公开发布时，应先核对授权和合规边界。
适用于 Codex、Claude、Cursor、Gemini CLI 适合 用户想查找某类 Agent Skill 时、需要根据任务场景推荐可安装能力包时、需要对比不同来源的安装命令和来源信息时
未标注作者
用于辅助音频、音乐、语音转写、语音合成或声音素材处理。它适合让 Agent 生成配乐说明、整理音频流程、调用语音工具或处理播客和视频配音素材。使用时需要确认输入音频来源、输出格式、时长和模型限制；涉及人声克隆、版权音乐或公开发布时，应先核对授权和合规边界。
适用于 本地 Agent 适合 用户想查找某类 Agent Skill 时、需要根据任务场景推荐可安装能力包时、需要对比不同来源的安装命令和来源信息时
未标注作者
用于辅助音频、音乐、语音转写、语音合成或声音素材处理。它适合让 Agent 生成配乐说明、整理音频流程、调用语音工具或处理播客和视频配音素材。使用时需要确认输入音频来源、输出格式、时长和模型限制；涉及人声克隆、版权音乐或公开发布时，应先核对授权和合规边界。
适用于 本地 Agent 适合 用户想查找某类 Agent Skill 时、需要根据任务场景推荐可安装能力包时、需要对比不同来源的安装命令和来源信息时
clawhub_08jacky04
本地 Whisper 智能语音转文字，无需 API 密钥，完全私密，适用于音频文件和语音消息转录。
clawhub_abill6688
视频智能切片工具：从长视频中按主题切出3-5分钟（最长8分钟）的独立短视频，适用于自媒体、演讲、课程、会议等场景。完整流程：关键帧采样→视觉定位→Whisper音频转写→内容分析→ffmpeg精准切割，支持中文语音识别（Whisper + MPS加速）。
clawhub_agentpmt
语音转文字（带说话人）：通过 file_id 或公开 URL 将音频转录为文字，支持 15、30、60 分钟三档转录时长，适用于...
共 196 个与「语音转文字」相关的 Agent Skills，覆盖最多的是 前端设计（78）、效率（28）、内容创作（22）、研究检索（18）。通用语音识别：转写、分段、标点与关键词。按需组合，不必全装。其中 177 个给出可执行安装命令，8 个标明许可证，1 个经过本站核验。
点开任意技能进详情页，复制里面的安装命令（多数是一条 npx 命令，也可以从客户端自带的技能市场装），装完在客户端里问一句「你有哪些技能」确认。装之前先看权限级别与许可证状态：标「执行命令」或「写入文件」的，先在测试项目里试。
这个专题里 2 个技能是只读的，1 个会写文件或执行命令，宿主分布上以 Gemini CLI 13 个、Cursor 13 个、Codex 13 个 为主。权限越靠右风险越高，涉及执行命令、读写本地文件的技能优先在隔离环境里跑；许可证不明确的技能个人试用通常没问题，但别直接用在对外服务里。
分类页按能力归属分大类（写作、开发、效率…），一个分类下什么场景都有；专题页按「你要做的这件事」把相关的技能凑成一套，「语音转文字」就是这一类。想按能力逛回 AI Skills 大全（/skills），想换个场景回 Skills 专题总入口（/skills/topic）。
技能内容以作者仓库为准；分类、权限级别与许可证状态的中文说明为中文整理，数据日期 2026-10-11 21:56:06。
