-
语音邮件无障碍发送技能
2026年9月30日 30 32 16
技能概述 voice-email 是一款面向办公效率领域的邮件处理技能，当前版本为 1.0.2。它专为无障碍辅助场景设计，允许用户通过自然语音指令完成电子邮件的编写与发送，极大降低肢体不便或视觉障碍用户的操作门槛。 该技能以语音识别（Deepgram）为核心，结合 Gmail 客户端（gogcli）与 Telegram...
-
语音通话欺诈检测数据集
2025年9月3日 30 80 6
语音通话欺诈检测数据集_Voice_Call_Fraud_Detection_Dataset 数据来源：互联网公开数据 标签：语音识别, 欺诈检测, 语音数据, 文本转录, 语音分析, 自然语言处理, 机器学习, 声纹识别 数据概述： 该数据集包含来自模拟语音通话的数据，记录了语音文件及其对应的文本转录，旨在用于欺诈检测相关的研究与应用。主要特征如下：...
-
语音转文字识别技能
2026年10月17日 30 52 15
技能概述 STT Recognizer 是一款面向设计媒体领域音频处理子域的 Speech-to-Text 工具，当前版本为 1.0.8。它支持本地 GPU/CPU 推理以及 OpenAI 兼容 API 云端转写，可在 Linux、Windows 与 macOS 多平台使用。\n该技能基于 Whisper 系列模型及 faster‑whisper...
-
语音转文字持续优化学习技能
2026年9月21日 30 24 19
技能概述 Listen 是一款面向设计媒体领域中音频处理子领域的 AI 技能，当前版本为 1.0.0。它专注于语音转文字（STT）的转录质量提升，通过持续学习用户修正来优化识别结果，使转录准确度随时间推移不断提高。...
-
语音转录至Notion知识库技能
2026年10月17日 30 64 34
技能概述 Voice2notion 是一款面向知识管理子领域——笔记整理与文档问答的 AI 技能，当前版本为 1.2.0。它通过集成 faster‑whisper 模型，实现高效的语音录音转写，并将结构化信息自动写入用户指定的 Notion 数据库。 技术上依托 faster‑whisper...
-
语音转录文本结构化整理技能
2026年9月30日 30 15 12
技能概述 Whisper AI Audio to Text Transcriber 是一款面向办公效率场景的 AI 技能，专注于将原始转录文本转化为结构化摘要、会议纪要和待办事项。该技能属于文档处理与会议纪要子领域，当前版本为 1.0.1，适用于各类语音转录后的文本整理需求。...
-
语音身份验证与信任评估技能
2026年10月20日 30 177 135
技能概述 VoiceTrust 是一款面向 IT 运维安全子领域的声音身份验证工具，当前版本为 0.4.1，专注于安全扫描和权限检查场景。它通过解析 VoiceTrust 输出字段，为语音/音频输入提供所有者身份判定与信任标签解读。 技术上，该技能基于轻量化运行时包装，仅包含源码、配置文档及本地化的所有者注册数据，核心模型文件需自行部署。输出包括...
-
语音识别模型训练评估损失数据集
2026年3月10日 30 176 134
语音识别模型训练评估损失数据集_Speech_Recognition_Model_Training_Evaluation_Loss_Dataset 数据来源：互联网公开数据 标签：语音识别, 深度学习, 模型评估, 损失函数, 词错率, 训练数据, 性能分析, 自然语言处理 数据概述：...
-
语音识别噪声干扰数据集
2025年10月23日 30 116 71
语音识别噪声干扰数据集_Speech_Recognition_Noise_Interference_Dataset 数据来源：互联网公开数据 标签：语音识别, 噪声, 信号处理, 机器学习, 数据增强, 声学, 语音, 深度学习 数据概述： 该数据集包含模拟语音数据，记录了在不同信噪比（SNR）下，语音信号受到噪声干扰的情况。主要特征如下：...
-
语音识别与合成双向转换技能
2026年9月28日 30 85 30
技能概述 本技能是一款面向音频处理领域的语音双向转换工具，版本为2.0.1，属于设计媒体类别下的子领域。它集成了语音识别（ASR）与语音合成（TTS）两大核心功能，能够将语音消息转换为文字，或将文字内容合成为语音，并直接发送至Telegram平台，实现无缝的语音交互体验。...
-
语音识别WER结果数据集
2025年4月15日 30 184 63
语音识别WER结果数据集 数据来源：互联网公开数据 标签：语音识别,WER,Whisper模型,古兰经数据集,增强前采样,结果分析,模型评估 数据概述： 本数据集包含使用Transformers...
-
语音记录转录与会议洞察智能分析技能
2026年9月11日 30 133 116
技能概述 Pocket AI Integration 是一款专注于办公效率的 AI 技能，属于文档处理与会议纪要子领域，当前版本为 1.0.1。它通过可穿戴设备捕获会议、通话和日常语音，自动完成转录、索引与语义搜索，帮助用户从海量对话中快速提取关键信息。 该技能基于 Pocket AI 的公开...
-
语音翻译与合成技能
2026年10月17日 30 175 165
技能概述 speech‑translation 是面向设计媒体子领域的音频处理技能，当前版本为 1.0.0，支持在聊天或本地流水线两种模式下完成语音转写、文本翻译及译文语音合成。该技能归属 design‑media 类别，专注于多语言语音交互场景。 技术上依托 Whisper / faster‑whisper 完成高精度转录，默认使用当前大模型进行...
-
语音消息转文字智能识别技能
2026年9月30日 30 96 76
技能概述 本技能为设计媒体类别下的音频处理子领域技能，版本1.1.8，专注于将语音消息高效转换为文字。它基于Yandex SpeechKit服务，并采用可扩展架构，支持未来接入其他服务商，为语音识别提供灵活解决方案。...
-
语音消息知识库整理归档技能
2026年9月30日 30 49 5
技能概述 Voice Notes 是一款面向知识管理领域的 AI 技能，专注于将语音消息转录文本整理为结构化、可搜索的知识库。当前版本为 1.0.2，属于知识库问答、资料整理与笔记整理子领域。 该技能的技术基础是接受由代理平台（如 STT 服务）转写完成的文本，自身不执行音频转录，而是将文本存储于本地目录 ~/voice-...
-
语音消息智能转写回复合成技能
2026年10月17日 30 124 97
技能概述 Voice Chat Bridge 是一款专注于语音消息自动处理的 AI 技能，属于 AI 智能体（ai-agent）类别下的任务自动化与工具调用子领域，当前版本为 2.3.5。该技能能够自动识别语音输入，将语音转写为文字，并结合会话上下文生成智能回复，最后通过语音合成输出语音消息，实现从语音到语音的完整闭环。 技术基础上，该技能采用...
-
语音活动检测音频数据分析数据集
2025年9月2日 30 2 1
语音活动检测音频数据分析数据集_Voice_Activity_Detection_Audio_Analysis_Dataset 数据来源：互联网公开数据 标签：语音识别, 语音活动检测, VAD, 音频分析, 声音事件检测, 机器学习, 深度学习, 音频处理 数据概述：...
-
语音活动检测时间戳数据集
2025年7月18日 30 26 3
语音活动检测时间戳数据集_Voice_Activity_Detection_Timestamps_Dataset 数据来源：互联网公开数据 标签：语音识别, 语音处理, VAD, 时间戳, 音频分析, 机器学习, 深度学习, 声学模型 数据概述：...
-
语音欺诈检测数据集
2025年8月17日 30 47 22
语音欺诈检测数据集_Speech_Fraud_Detection_Dataset 数据来源：互联网公开数据 标签：语音识别, 欺诈检测, 声纹识别, 机器学习, 音频分析, 二分类, 深度学习, 语音安全 数据概述： 该数据集包含用于语音欺诈检测的音频数据，记录了真实语音（bonafide）和欺诈语音（spoof）的样本。主要特征如下：...
-
语音朗读回复技能
2026年10月20日 30 58 48
技能概述 voice-output 是一款面向设计媒体类的音频处理子领域的 AI 技能，当前版本为 1.0.1。该技能通过监听 Tony 的口令，如“语音回复”“用话说”等，实现对文本响应的即时朗读。 技术上依托 Doubao TTS 2.0 大模型（zh_female_xiaohe_uranus_bigtts）以及 macOS 原生播放器...
