-
音频文件智能语音转写翻译技能
2026年9月30日 30 91 81
技能概述 Speech to Text 技能是一款基于 Hugging Face Whisper 模型的音频转写与翻译工具，属于设计媒体类别下的音频处理子领域，当前版本为 1.0.0。该技能通过 Gradio 公共 Space 接口，无需付费 API 即可将本地音频文件转换为文本，支持多种常见音频格式。 技能依托 Whisper...
-
音频文件处理与播客制作技能
2026年8月28日 30 172 62
技能概述 Audio 技能是一款面向音频处理领域的专业数据资产，版本 1.0.1，隶属于设计媒体（design-media）类别下的音频处理子领域。它专注于音频文件的处理、增强与转换，支持降噪、归一化、格式转换、转录以及播客工作流等核心任务。 该技能基于 FFmpeg 和 FFprobe 等命令行工具构建，并可选集成 SoX、Whisper 和...
-
音频情感切换语音回复技能
2026年10月17日 30 126 52
技能概述 AudioClaw Voice Reply 属于设计媒体类别下的音频处理子领域，当前版本为 1.0.1。该技能专为已有文本回复的 AudioClaw、飞书或 Lark 场景提供可运行时切换的语音合成服务。\n技术实现基于 AudioClaw 的 openclaw_voice_switchboard 脚本，支持动态指定...
-
音频异常检测声音数据集
2025年10月13日 30 9 4
音频异常检测声音数据集_Audio_Anomaly_Detection_Sound_Dataset 数据来源：互联网公开数据 标签：音频分析, 异常检测, 声音识别, 机器学习, 工业场景, 无监督学习, 数据标注, 音频信号处理 数据概述： 该数据集包含来自工业环境的声音数据，记录了正常声音和异常声音的样本，用于音频异常检测任务。主要特征如下：...
-
音频处理与分析技能
2026年10月17日 30 189 56
技能概述 FFmpeg Audio Processing 属于设计媒体类中的音频处理子领域，当前发布版本为 0.1.0。该技能提供对视频文件中音频轨道的提取、标准化、混合及多种后期处理功能，适配常见的音频工作流需求。\n基于 FFmpeg...
-
音频声音分类数据集
2025年8月27日 30 89 23
音频声音分类数据集_Audio_Sound_Classification_Dataset 数据来源：互联网公开数据 标签：音频分类, 声音识别, 机器学习, 深度学习, 音频特征, 声学分析, 声音事件, 数据标注 数据概述： 该数据集包含来自公开声音资源的声音片段，记录了不同声音事件的音频数据。主要特征如下：...
-
音频回复与网页朗读技能
2026年8月28日 30 130 89
技能概述 Audio Reply 是一款专注于音频处理的 AI 技能，隶属于设计媒体（design-media）类别，子领域为音频处理，当前版本为 1.1.0。该技能通过 TTS（文本转语音）技术，将文本内容转换为自然流畅的语音回复，支持两种核心触发模式：一是通过“读给我听 [公开网址]”获取并朗读网页内容，二是通过“跟我聊...
-
音频医学场景咳嗽声与手部声音识别数据集
2025年7月21日 30 100 59
音频医学场景咳嗽声与手部声音识别数据集_Audio_Medical_Cough_and_Hand_Sound_Recognition 数据来源：互联网公开数据 标签：咳嗽声, 手部声音, 音频识别, 医学诊断, 机器学习, 声音特征, 数据标注, 情感分析 数据概述：...
-
音频分类音乐声音事件数据集
2026年3月5日 30 52 35
音频分类音乐声音事件数据集_Audio_Classification_Music_Sound_Event_Dataset 数据来源：互联网公开数据 标签：音频分类, 声音事件, 机器学习, 声学特征, 音乐分析, 深度学习, 数据集, 频谱图 数据概述：...
-
音频分类识别数据集
2025年8月20日 30 142 61
音频分类识别数据集_Audio_Classification_Recognition_Dataset 数据来源：互联网公开数据 标签：音频识别, 声音分类, 机器学习, 深度学习, 语音识别, 声音事件检测, 数据集, 音频处理 数据概述： 该数据集包含多种声音的音频文件，以及一个用于提交预测结果的CSV文件，主要用于音频分类任务。主要特征如下：...
-
-
音频分段切片技能
2026年10月17日 30 57 41
技能概述 Audio-Segmenter 属于设计媒体类中的音频处理子领域，当前版本为 1.1.9，专注于将长音频文件按用户指定的时长自动切割成小片段。该技能支持单个文件或递归遍历整个文件夹，利用 ffmpeg 完整保留原始目录结构并智能选择输出路径。\n技术实现基于 Python 脚本结合 ffmpeg 与 pydub 库，可处理...
-
音频内容质检审查技能
2026年10月17日 30 45 7
技能概述 audio-audit-skill 是面向设计媒体领域的音频处理子域的内容质量检查与合规审查工具，当前版本为 1.0.0。该 Skill 能对单文件或批量音视频进行自动化审核，输出结构化报告。 技术上基于 SenseAudio ASR...
-
音频内容生成技能
2026年10月18日 30 71 50
技能概述 Audio Gen 是一款面向设计媒体子领域‑音频处理的 AI 技能，当前版本为 1.0.0，专注于按需生成有声书、播客以及教育类音频内容。该技能通过 Claude AI 自动撰写脚本，再由 ElevenLabs 的高保真文本转语音技术合成 MP3 音频，实现多格式、多时长的定制化输出。 技术层面，Audio Gen...
-
音频MNIST时序频谱特征语音识别特征数据集
2025年4月15日 30 153 58
音频MNIST时序频谱特征语音识别特征数据集 数据来源：互联网公开数据 标签：音频特征,语音识别,时序特征,频谱特征,机器学习,深度学习,分类任务 数据概述：...
-
音视频转文字智能转录技能
2026年9月28日 30 145 96
技能概述 Speech to Text Transcription 技能是一款专注于音频与视频文件转写的专业工具，隶属于设计媒体类别下的视频与音频处理子领域，当前版本为 1.0.0。它能够将本地文件、URL 链接、语音备忘录、播客、访谈、会议及讲座等多种来源的音视频内容高效转换为文本，满足用户对语音内容数字化、可搜索化的核心需求。...
-
音视频转文字技能
2026年10月18日 30 126 78
技能概述 本技能属于设计媒体（design-media）类别，聚焦于视频处理与音频处理子领域，当前版本为1.0.0。它基于 OpenAI Whisper API 并配合 ffmpeg 完成全链路的媒体转录工作。 技术上实现了媒体抽取、分块、调用 Whisper...
-
音视频转换处理技能
2026年10月17日 30 192 140
技能概述 虾转音频是一款基于 FFmpeg 与 Whisper AI 的多功能媒体处理工具，归属设计媒体类下的视频与音频处理子领域，当前版本为 1.3.1。该技能提供格式转换、音频提取、合并、分割、压缩以及信息查询等全链路操作，并支持将音频内容转写为文字。 技术实现上依托 FFmpeg 的强大编解码能力覆盖 20 多种音视频格式，结合...
-
音视频转录说话人分离技能
2026年8月28日 30 29 6
技能概述 Transcribee 🐝 是一款面向知识管理场景的音视频转录技能，版本 1.2.1，属于信息检索与摘要总结子领域。它能够将 YouTube 视频、播客以及本地音视频文件转换为带说话人标签的清晰转录文本，满足用户对会议、访谈、课程等内容的文字化需求。 该技能基于 ElevenLabs 的说话人分离技术，支持多种主流音视频格式（如...
