AI 智能体技能、规则与提示词工具包

一个带 webhook、接收语音提问的 n8n 工作流。OpenAI 把你的录音转成文字，Gemini 带着之前的对话回答，ElevenLabs 把回答读出来，作为音频文件返回。

mpv

mpv-player · 工具包

在命令行里播放音频和视频文件，支持多种格式、编解码器和字幕类型，可用于 Linux、Windows 和 macOS。适合喜欢在终端里运行播放器的人。

rea-video

JuneYaooo · 技能

把任何视频逐镜头拆开，说明它的画面、文字、剪辑和音频是怎么做出来的，再给出翻拍方案。适合使用 Claude Code 或 Codex 的创作者和营销人员。

Scenario Agent Skills

scenario-labs · 技能

用于 AI 智能体生成游戏及创意项目所需的图像、视频、音频和 3D 资产的技能集合。包含与 Blender、Unity、Unreal Engine 及其他专业内容创作工具的集成。

Fish Speech

fishaudio · 工具包

基于大语言模型架构，将文本转换为富有表现力的多语言音频。它为开发语音应用的开发者提供声音克隆、多角色生成及精确的音频编辑功能。

Hex

anomalyco · 工具包

在你的设备上进行本地语音转文字，并将结果直接粘贴到当前应用中。这款工具适合希望在不将音频数据上传至云端的情况下，实现隐私化语音识别的用户。

一个处理 Cal.com 预约的 n8n 工作流。OpenAI 模型读取预约备注，并在网上调研这个人和他的公司。然后 Gmail 给你发一份简短的简报，附一段朗读它的 MP3。

一个 n8n 工作流：用几个词描述一个 ASMR 瞬间，就能做出一段带声音的短视频。OpenAI 智能体围绕特写质感和多层音效写出 Veo 3 提示词，Kie.ai 用 Veo 3 Fast 渲染出来。

一个 n8n 工作流，把一张人像和一段音频录音做成会说话的数字人视频。表单接收两个文件，RunningHub 保存它们并渲染视频，n8n 反复查询任务直到完成，再把视频下载下来。

VibeVoice 开源语音模型

microsoft · 工具包

微软的开源语音 AI 模型家族。VibeVoice-ASR 一次转写最长 60 分钟的音频，带说话人和时间戳。VibeVoice-Realtime 把流式文字合成语音。这份说明涵盖演示、vLLM 服务器和微调。

VoiceStudio 本地语音工作室

debpalash · 工具包

Palash Debnath 做的开源语音工作室，在你自己的电脑上运行。它能克隆和设计声音、给视频配音、听写、转写和朗读有声书，附有 Windows、macOS、Linux、Docker 和手机的安装说明。