-
音频样本分类数据集
2025年4月25日 30 39 35
音频样本分类数据集 数据来源：互联网公开数据 标签：大调,小调,吉他,钢琴,音色识别,音乐分类,机器学习,音效分析,音调识别,音乐信息检索 数据概述： 本数据集包含吉他和钢琴两种乐器的音频样本，主要用于区分大调和小调音色的分类任务。数据集涵盖了不同演奏者、不同音色、不同音调的音频片段，提供丰富的音色特征信息。 数据用途概述：...
-
音频智能转写时间戳文本技能
2026年10月17日 30 170 159
技能概述 SenseVoice Transcribe 是一款专注于音频转写的 AI 技能，隶属于设计媒体（design-media）类别下的音频处理子领域，当前版本为 1.0.0。该技能基于 SenseVoice-Small 模型与 FSMN-VAD 技术，能够将 WAV、MP3、M4A、FLAC...
-
音频文件重命名元数据映射数据集
2025年7月19日 30 111 15
音频文件重命名元数据映射数据集_Audio_File_Renaming_Metadata_Mapping 数据来源：互联网公开数据 标签：音频处理, 文件管理, 元数据, 映射关系, 数据清洗, 批量重命名, 文本分析, 数据集 数据概述： 该数据集包含音频文件重命名过程中产生的元数据映射关系，记录了原始文件名与其对应的新文件名。主要特征如下：...
-
音频文件简易英文重命名技能
2026年10月17日 30 142 28
技能概述 Audio Rename 是一款面向设计媒体领域中音频处理子方向的工具，当前版本为 1.0.0。该技能通过触发词“重命名音频”“rename audio”等，实现对含有中文或特殊字符的音频文件进行统一英文命名，以满足 mlx‑stt 等后端识别系统的路径兼容需求。 技术实现基于 Python 对 Unicode 文件名的精准解析，支持...
-
音频文件智能语音转写翻译技能
2026年9月30日 30 132 27
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 47 11
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 44 6
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 29 19
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 85 73
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 36 31
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 75 37
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 30 125 51
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 3 2
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 69 43
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 30 10
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 67 26
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 83 69
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 33 16
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：...
