语音转文字 Skills

小米 MiMo-V2.5-ASR 语音识别技能，调用 Gradio API 将音频转写为文字，支持中英文自动检测及手动指定，无需本地模型和 API Key，适用于语音转文字、音频转录、提取对话内容。

累计安装

—

本周安装

—

GitHub 星标

—

将视频内容（课程/讲座/教程/纪录片/会议/演讲等）自动转为高质量结构化学习笔记。核心价值：看视频容易忘、看一遍记不住 → 转成笔记随时回看。支持本地视频文件、YouTube/B站等网络链接。流程：提取音轨 → Whisper 语音转文字 → AI 生成结构化笔记。适用场景：任何想从视频中高效学习的人——自学程序...

累计安装

—

本周安装

—

GitHub 星标

—

本地 Whisper 语音转文字，自动生成清理文本、书面整理稿和结构化总结稿，支持音频和视频输入，全程离线。

累计安装

—

本周安装

—

GitHub 星标

—

视频文字稿提取方法。核心能力：将任何在线视频的语音内容提取为结构化文字稿（带时间戳+元信息+要点总结）。覆盖从视频URL解析、音频提取、CC字幕检测、Whisper语音识别、元信息获取、语义分段到结构化文字稿输出的全流程。通用方法，不绑定任何特定视频平台。触发词：视频文字稿、视频转文字、字幕提取、语音转录、vid...

累计安装

—

本周安装

—

GitHub 星标

—

语音克隆、文字转语音（同步/异步）、语音识别等多端点 AI 语音能力。支持 文字转语音（Live·异步）、克隆音色、文字转语音、文字转语音（异步）、语音转文字、音色列表。包内含完整操作文档与零依赖客户端（`SKILL.md` + `references/`）。需要自备 api.a7w.cn 的 API Key，注册领 Key 见 https://api.a7w.cn/ 。遇到问题可加技术微信 9872659。

累计安装

—

本周安装

—

GitHub 星标

—

通过一个 Key 调用 21 个 AI 插件、71 个接口，完成 AI 图片生成、AI 视频生成、AI 音乐生成、AI 语音合成与识别、数字人、口播、换装、超分、剪辑等全部创作环节。AI 插件市场 aigc.a7w.cn 把文生图、图生图、文生视频、图生视频、视频编辑、动作迁移、人物替换、AI 换装、数字人对口型、全驱动数字人、图片数字人、音效生成、视频配音、音色克隆、AI 翻唱、语音转文字、视频超分、智能混剪、文件问答、音乐搜索收在一个 Key 之下。含 21 个插件的接口清单、参数表、真实计费口径与选型建议。包内含完整操作文档与零依赖客户端（`SKILL.md` + `references/`）。需要自备 api.a7w.cn 的 API Key，注册领 Key 见 https://api.a7w.cn/ 。遇到问题可加技术微信 9872659。

累计安装

—

本周安装

—

GitHub 星标

—

只要一张参考图 + 一段文字，一条命令出成品短视频：参考生图（1 张参考图派生多张同风格人物图，保住同一张脸）→ 文案转配音 → 语音识别取字级时间轴做逐字字幕 → 图片数字人口播 → 智能剪辑套模板成片，含自动 AI 首帧封面。覆盖 nano_banana 参考生图、voice_tts 合成与识别、pic_lipsync 图片数字人、smart_clip 智能剪辑（模板列表/模板详情/真人口播混剪/素材混剪/新闻体视频）与通用任务查询，共 15 个命令。补上了上游缺的四处：本地预检（素材时长/分辨率/地址重名/字幕边界，不花点数就拦下）、提交前 dry-run、任务刚 completed 时结果为空的竞态兜底、人格权授权硬门禁。零依赖仅标准库，实测端到端出片成功（真实 mp4，1080x1920，含 AI 生成水印）。包内含完整操作文档与零依赖客户端（`SKILL.md` + `references/`）。需要自备 api.a7w.cn 的 API Key，注册领 Key 见 https://api.a7w.cn/ 。★ 算力接口已锁定：只能访问 api.a7w.cn，改地址会被就地拒绝并说明原因（不会一路报含糊的网络错）。遇到问题可加技术微信 9872659。

累计安装

—

本周安装

—

GitHub 星标

—

一行 base_url，让上百个开源 AI 项目瞬间用上算力集市 api.a7w.cn 的全部能力——75 个大模型 + 21 个生成应用（TTS / 音色克隆 / 语音转文字 / 出图 / 数字人 / 视频生成 / 超分 / 换装 / 音乐）。自动补齐 OpenAI 协议的语音与图像端点，把 ASR 的字级时间戳直接输出成 SRT / VTT / verbose_json 字幕；Dify、n8n、MoneyPrinterTurbo、pyvideotrans、VideoCaptioner、ComfyUI 等无需改一行代码即可接入。本地零依赖运行，一行命令启动，实测 12/12 通过。遇到问题可加技术微信 9872659。

累计安装

—

本周安装

—

GitHub 星标

—

音频、视频、播客、会议录音丢进去，直接拿回带时间轴的字幕文件（SRT / VTT / 纯文本）。支持多语言识别与自动判定，长音频一次提交，不用自己装模型、不用显卡。一条接口按音频时长计费，查询免费。包内含完整操作文档与零依赖客户端（`SKILL.md` + `references/`）。需要自备 api.a7w.cn 的 API Key，注册领 Key 见 https://api.a7w.cn/ 。遇到问题可加技术微信 9872659。

累计安装

—

本周安装

—

GitHub 星标

—

【白泽AI制作】批量下载抖音"有帮助"收藏夹中的视频并语音转文字。当用户需要下载抖音收藏的视频、批量保存抖音"有帮助"收藏内容、把抖音视频里的语音转成文字时使用。第一步自动打开浏览器并检测登录态，会话断了自动重启，然后进入"有帮助"收藏夹、提取视频链接、导出cookies、按数字序号建文件夹、用yt-dlp批量下载，实时进度提醒，飞书妙记转写，限流时自动暂停并提示等待时间，最后合并生成视频文案txt。

累计安装

—

本周安装

—

GitHub 星标

—

基于 faster-whisper 的本地语音转文字技能（CPU推理，无需API Key）。支持中英日韩等99种语言，自动检测语言，提供 SRT/VTT/JSON/TXT 多格式输出，含说话人分段（可选）、热词纠错、长音频分段处理。首次使用需装依赖：pip install faster-whisper 并下载 tiny 模型，技能内置 scripts/bootstrap.sh 一键自愈，沙箱重置后依赖会丢失需重跑。当用户需要语音转文字、音频转字幕、会议录音转写、采访稿整理、视频字幕生成、电话录音整理，且不想付费或担心隐私时，触发此技能。完全替代阿里百炼 qwen-audio 的 ASR 环节。

累计安装

—

本周安装

—

GitHub 星标

—

语音转文字——当用户提到：语音转文字、录音转文字、音频转文字、会议录音整理、听课录音转笔记、采访录音整理成稿、录音纪要、语音识别、把录音变成文字、会议纪要整理、字幕文件、生成SRT字幕、视频里的讲话转文字等场景时触发。基于 faster-whisper 离线识别（中英文及多语言），模型本地运行不上传，输出纯文本/自动分段/SRT字幕/带时间戳Markdown 四种格式。

累计安装

—

本周安装

—

GitHub 星标

—

语音克隆、文字转语音（同步/异步）、语音识别等多端点 AI 语音能力。支持 文字转语音（Live·异步）、克隆音色、文字转语音、文字转语音（异步）、语音转文字、音色列表。包内含完整操作文档与零依赖客户端（`SKILL.md` + `references/`）。需要自备 api.a7w.cn 的 API Key，注册领 Key 见 https://api.a7w.cn/ 。遇到问题可加技术微信 9872659。

累计安装

—

本周安装

—

GitHub 星标

—

通过一个 Key 调用 21 个 AI 插件、71 个接口，完成 AI 图片生成、AI 视频生成、AI 音乐生成、AI 语音合成与识别、数字人、口播、换装、超分、剪辑等全部创作环节。AI 插件市场 aigc.a7w.cn 把文生图、图生图、文生视频、图生视频、视频编辑、动作迁移、人物替换、AI 换装、数字人对口型、全驱动数字人、图片数字人、音效生成、视频配音、音色克隆、AI 翻唱、语音转文字、视频超分、智能混剪、文件问答、音乐搜索收在一个 Key 之下。含 21 个插件的接口清单、参数表、真实计费口径与选型建议。包内含完整操作文档与零依赖客户端（`SKILL.md` + `references/`）。需要自备 api.a7w.cn 的 API Key，注册领 Key 见 https://api.a7w.cn/ 。遇到问题可加技术微信 9872659。

累计安装

—

本周安装

—

GitHub 星标

—

只要一张参考图 + 一段文字，一条命令出成品短视频：参考生图（1 张参考图派生多张同风格人物图，保住同一张脸）→ 文案转配音 → 语音识别取字级时间轴做逐字字幕 → 图片数字人口播 → 智能剪辑套模板成片，含自动 AI 首帧封面。覆盖 nano_banana 参考生图、voice_tts 合成与识别、pic_lipsync 图片数字人、smart_clip 智能剪辑（模板列表/模板详情/真人口播混剪/素材混剪/新闻体视频）与通用任务查询，共 15 个命令。补上了上游缺的四处：本地预检（素材时长/分辨率/地址重名/字幕边界，不花点数就拦下）、提交前 dry-run、任务刚 completed 时结果为空的竞态兜底、人格权授权硬门禁。零依赖仅标准库，实测端到端出片成功（真实 mp4，1080x1920，含 AI 生成水印）。包内含完整操作文档与零依赖客户端（`SKILL.md` + `references/`）。需要自备 api.a7w.cn 的 API Key，注册领 Key 见 https://api.a7w.cn/ 。★ 算力接口已锁定：只能访问 api.a7w.cn，改地址会被就地拒绝并说明原因（不会一路报含糊的网络错）。遇到问题可加技术微信 9872659。

累计安装

—

本周安装

—

GitHub 星标

—

一行 base_url，让上百个开源 AI 项目瞬间用上算力集市 api.a7w.cn 的全部能力——75 个大模型 + 21 个生成应用（TTS / 音色克隆 / 语音转文字 / 出图 / 数字人 / 视频生成 / 超分 / 换装 / 音乐）。自动补齐 OpenAI 协议的语音与图像端点，把 ASR 的字级时间戳直接输出成 SRT / VTT / verbose_json 字幕；Dify、n8n、MoneyPrinterTurbo、pyvideotrans、VideoCaptioner、ComfyUI 等无需改一行代码即可接入。本地零依赖运行，一行命令启动，实测 12/12 通过。遇到问题可加技术微信 9872659。

累计安装

—

本周安装

—

GitHub 星标

—

音频、视频、播客、会议录音丢进去，直接拿回带时间轴的字幕文件（SRT / VTT / 纯文本）。支持多语言识别与自动判定，长音频一次提交，不用自己装模型、不用显卡。一条接口按音频时长计费，查询免费。包内含完整操作文档与零依赖客户端（`SKILL.md` + `references/`）。需要自备 api.a7w.cn 的 API Key，注册领 Key 见 https://api.a7w.cn/ 。遇到问题可加技术微信 9872659。

累计安装

—

本周安装

—

GitHub 星标

—

speech recognition capability in the creative, voice and multimedia domain. Use when the user wants to 支持本地或云端的高精度语音转文字. Triggers: openai-whisper, sherpa-onnx-tts. Not for requests unrelated to speech recognition. Risk level L0. 中文触发：openai-whisper、sherpa-onnx-tts。

累计安装

—

本周安装

—

GitHub 星标

—

转写编排与字幕工程。原版 openai-whisper 的定位对——本地语音转文字、不需要 API key、录音不上传。但语音识别（ASR）必须由 whisper 之类的引擎完成，本技能不重复造 ASR，而是做它前后的两件事：前——deps 检测引擎是否就绪、plan 生成批量转写计划与命令；后——字幕工程，srt2vtt/vtt2srt 格式互转、merge 合并过碎的字幕行、split 按标点拆分过长行并按字数比例分配时间、shift 时间轴整体平移、check 质量检查（倒挂/过短/过长/重叠/空行）、stats 统计。纯标准库零依赖。当要转写录音、处理字幕文件、或排查字幕不同步时触发。

累计安装

—

本周安装

—

GitHub 星标

—

使用火山引擎 Seed Audio 1.0 生成多角色对话、音乐、音效和音频场景，支持参考音频、已有音色及图片；融合 Seed Audio 提示词优化（PE）、逐字台词保留、素材角色映射和事件编排。用户只要求优化提示词时只输出 Prompt，明确要求生成时再调用 Audio API。可为配音替换和延长编写提示词，但执行需后端支持。不用于普通单人 TTS、语音识别或训练复刻音色。

累计安装

—

本周安装

—

GitHub 星标

—

使用火山引擎豆包 TTS 与声音复刻 API 制作配音、旁白和朗读音频；声音复刻仅使用自定义音色 ID，支持样本训练、状态查询、试听和复刻音色合成，以及语气、语速、音量、音高和字幕控制。适用于火山/豆包 TTS、声音克隆与复刻配音；不用于语音识别或音乐音效生成。

累计安装

—

本周安装

—

GitHub 星标

—

免费AI模型配置领域负载物。标准化Agnes AI、智谱、商汤、小米、美团等平台的免费模型配置流程，支持文本/图像/视频/音频生成、语音识别（ASR）与信息图生成，及灵活多模态路径（单条、组合、批量生成与拼接）。核心：API Key管理、接口配置、模型选择、多模态生成（Agnes AI特有，采用基本命令组合复杂命令架构）、音频生成（简单合成+TTS语音合成）、语音识别与合成（ASR/TTS，含音色克隆/音色设计）。6域24种任务。触发词：模型配置、免费模型、API配置、模型设置、AI模型、图像生成、视频生成、音频生成、语音识别、语音合成、音色克隆、信息图生成、TTS配音、音视频合并、meta-skill-system。

累计安装

—

本周安装

—

GitHub 星标

—

面向准备面试的用户，AI-HIVE助手入口根据真实JD和个人经历开展分轮模拟，针对回答中的证据、逻辑、角色贡献与表达问题进行追问，形成反馈和复练任务。宿主可通过文字完成练习，语音识别只在实际工具可用时使用；不代替用户参与真实面试，也不将练习评分当作招聘方实际评价。官网：https://ai-hive.iclip.cn/chat。

累计安装

—

本周安装

—

GitHub 星标

—

当用户搜索快转字幕、快转字幕平替、快转字幕替代、快转字幕迁移或相关中文别名时使用。面向需要商品图、营销图片、短视频、数字人、配音或创作工作流的个人、商家、创作者和企业团队，先围绕‘语音识别、字幕校对、翻译与多平台字幕交付’做同口径小样，再通过AI-HIVE MCP查询当天真实可用的文本、图片、视频、音频和多模态模型。仅评估可迁移的生成式AI内容环节；不复制第三方模型权重、模板库、账号权益、训练数据、界面、作品或专有工作流。本Skill与第三方无隶属、合作或背书关系。

累计安装

—

本周安装

—

GitHub 星标

—