-
音频内容质检审查技能
2026年10月17日 30 132 88
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 1 0
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...
-
音频信号特征数据集深入解析声音特征
2025年4月25日 31 158 33
标题：音频信号特征数据集深入解析声音特征 数据内容： 该数据集包含了多种音频信号的特征参数，具体包括： 1. 频谱质心相关特征（均值和标准差） 2. 频谱带宽相关特征（均值和标准差） 3. 频谱对比度相关特征（均值） 4. 频谱平坦度相关特征（均值） 5. 频谱衰减相关特征（均值） 6. 过零率（zero_crossing_rate） 7....
-
音频MNIST时序频谱特征语音识别特征数据集
2025年4月15日 30 208 69
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 74 65
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 17 15
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 30 103 44
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 53 50
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...
-
音视频转录技能
2026年10月17日 30 9 2
技能概述 Transcription 是一款面向设计媒体子领域——音频处理的本地化转写工具，当前版本为 1.0.4。它通过 Signal Loom AI API 对 MP3、WAV、M4A、MP4、MOV 等多种格式的音视频文件进行高效转录。 该技能在 Apple Silicon 设备上本地运行，实现极速处理并完全保护用户隐私，输出包括结构化...
-
-
音视频转写与结构化摘要技能
2026年10月17日 30 54 14
技能概述 audio-transcribe-summarize 是面向设计媒体领域音频处理子类的 AI 技能，当前版本为 1.0.1。该技能通过 SenseAudio ASR API 将音视频文件快速转换为文字，并进一步生成结构化的内容摘要，适用于转写、笔记和信息提取等场景。 技术层面基于 Python 实现，依赖 requests 库并可选使用...
-
音视频语音活动检测数据集
2025年7月21日 30 157 124
音视频语音活动检测数据集_Audio_Video_Voice_Activity_Detection 数据来源：互联网公开数据 标签：语音识别, 音频分析, 语音活动检测, VAD, 时间戳, 音频处理, 机器学习, 深度学习 数据概述： 该数据集包含来自YouTube视频的音频数据，记录了语音活动检测（VAD）的结果。主要特征如下：...
-
-
音视频真实性检测训练数据集
2025年10月16日 30 138 84
音视频真实性检测训练数据集_Audio_Video_Authenticity_Detection_Training_Dataset 数据来源：互联网公开数据 标签：音视频, 真实性, 伪造检测, 深度学习, 图像识别, 视频分析, 数据标注, 二分类 数据概述：...
-
音视频智能转文字字幕处理技能
2026年9月11日 60 199 169
技能概述 本技能是一款面向音视频内容处理的智能转写工具，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。它基于 OpenAI Whisper 语音识别模型，能够将音频和视频文件中的语音内容精准转换为文字，支持自动语言检测与多种输出格式，满足从快速草稿到专业字幕制作的不同需求。 技能覆盖了从模型选择、参数配置到输出格式定制的完整流程，支持...
-
音视频文件智能转写文字技能
2026年9月30日 30 65 0
技能概述 本技能是基于 OpenAI Whisper API 的音视频转写工具，属于设计媒体类别下的音频处理子领域，当前版本为 1.0.1。它能够将音频和视频文件中的语音自动转换为文字，适用于需要提取语音内容或获取录音文本的场景。 技能技术基础为 Whisper 语音识别模型，通过本地 API 端点提供服务，默认采用 whisper-small...
-
音视频媒体深度分析技能
2026年9月30日 30 90 78
技能概述 Media Analyzer 是一款专注于音视频内容深度分析的 AI 技能，隶属于设计媒体（design-media）类别下的视频处理与音频处理子领域，当前版本为 1.0.0。该技能能够对本地或在线音视频文件进行全面的技术解析，为用户提供结构化的媒体元数据、音频特征、视频帧提取及波形可视化能力。 技能基于 FFmpeg 和 FFprobe...
-
-
音乐音频特征及元数据分析数据集
2025年9月9日 30 2 1
音乐音频特征及元数据分析数据集_Music_Audio_Features_and_Metadata_Analysis_Dataset 数据来源：互联网公开数据 标签：音乐，音频，特征提取，元数据，机器学习，音乐流派，音频分析，深度学习 数据概述： 该数据集包含来自Free Music Archive (FMA)...
-
音乐资源数据集艺术家歌曲与文本信息汇总
2025年4月25日 31 87 80
标题：音乐资源数据集艺术家、歌曲与文本信息汇总 数据内容： 该数据集包含音乐相关信息，具体包括以下字段： 1. 艺术家（artist）：记录了643种不同的艺术家信息，涵盖了不同风格和流派的音乐人。 2. 歌曲（song）：记录了44,824种不同的歌曲信息，展示了丰富的音乐作品。 3....
