AI 智能体技能、规则与提示词工具包

Tamil Whisper ASR

skpranav22 · 工具包

在 Gradio 演示里把泰米尔语语音转成文字，使用经 LoRA 适配到泰米尔语的 Whisper small。适合做泰米尔语语音识别的开发者、研究者和学习者。

Voice Clone Tts

sammiwen · 工具包

一个名为 Voice Clone Tts 的小型静态网页，由 HTML、JavaScript 和 CSS 文件组成。可在线在浏览器里打开，也可从本地副本打开，无需安装。

Paradee 1.3

sahilmahendrakar · 工具包

用一个很小的多语言文字转语音模型朗读文本，有八种声音，覆盖英语、印地语、法语和西班牙语，在普通 CPU 上就能运行。适合想要轻量语音输出的人。

Clone Your Voice

remiai3 · 工具包

上传一段简短的声音样本，输入任意文字，就能用 Coqui XTTS-v2 得到克隆声音的语音。在 CPU 上运行，可在 Hugging Face 的浏览器里用，也可在自己电脑上运行。

Qwen3 TTS Voice Design

Qwen · 工具包

Qwen 团队的浏览器演示，如它的名称所示，用于 Qwen3 文字转语音和声音设计。适合想不安装任何东西就试着设计声音的创作者和开发者。

Reachy Stories

pollen-robotics · 工具包

让孩子和 Reachy Mini 机器人一起编睡前故事：机器人问三个问题，孩子用语音回答，机器人写出故事并朗读。适合家庭和机器人开发者。

Ai Voice Assistant

pirates2029 · 工具包

一个用 Gradio 搭的文字聊天助手，回复边写边流式显示，通过 Hugging Face Inference API 调用模型。适合想学怎么做聊天机器人的人当作小例子。

TTS Spaces Arena

Pendrokar · 工具包

TTS Arena v2 的代码库，一个 Gradio 应用，让你对 Hugging Face 上文字转语音模型的语音进行盲投。适合想用耳朵比较声音，或者自己运行一个竞技场的人。

CapSpeech TTS

OpenSound · 工具包

一个面向风格化语音的文字转语音演示，你可以自己调整声音、口音和情绪。适合想听听 OpenSound 团队做的可控语音的人。

MOSS TTS Nano

OpenMOSS-Team · 工具包

一个声音克隆演示，用上传的参考音频或内置预设的声音朗读你的文字。由 OpenMOSS-Team 制作，运行在 Hugging Face ZeroGPU 上。

TTS Tounsi

Nouira-Oussema · 工具包

用微调过的 XTTS v2 模型把突尼斯阿拉伯语方言的文字变成语音，可以用内置的男声或女声，也可以用你上传的声音。适合需要突尼斯方言语音的人。

OpenVoiceV2

myshell-ai · 工具包

在 Gradio 应用里演示 MyShell 的语音模型 OpenVoice v2，带示例音频和缓存输出。适合想在线试用这个模型或阅读演示搭建方式的人。

VoxPocket 高棉语语音合成

muyleanging · 工具包

在浏览器里把高棉语文字转成语音，支持用短音频克隆声音、选择风格，也能按描述设计声音。适合做高棉语音频的创作者和研究者。

ZONOS3 Mini

mrfakename · 工具包

用 ZONOS3-Mini 模型把文字转成十种语言的语音，有 27 种预设声音、短片段声音克隆、语速和响度控制，以及情绪调节。

OmniVoice MLX

mlx-community · 工具包

通过社区的 MLX 后端用 OmniVoice 文字转语音模型朗读文本，适合想试用它或在 Apple 芯片 Mac 上运行它的人。

Teacher in the Loop

MithrilMan · 工具包

在浏览器里完整运行从 Kokoro-82M 蒸馏出来的 8M 参数小型语音合成声音，并附有对比各训练方案的音频样本。

Leokani-tts 7M

milliwattlabs · 工具包

用一个只有 7M 参数的小型语音合成模型朗读你输入的任何一句话，它在浏览器里用你自己的 CPU 运行，适合想要本地语音输出的人。

Gradio Lipsync Wav2lip

manavisrani07 · 工具包

在 Gradio 页面里运行 Wav2Lip 口型同步，把嘴部动作和语音音频对上，适合试验视频和语音工具的人。

Matcha-TTS-PL v2

machinekind · 工具包

在浏览器里用两种合成声音朗读波兰语文字。ONNX 模型在你自己的设备上用 WebGPU 或 WebAssembly 运行，不会向服务器发送任何内容。

Voice Clone Tts

Kansasfan · 工具包

一个静态网页，名字指向声音克隆和文字转语音，包含一个 HTML 页面、一个脚本和一个样式表。README 没有描述。只使用你有权使用的声音。

Ultimate RVC

JackismyShephard · 工具包

Ultimate RVC 项目的一个 Gradio 应用，用于语音转换、音源分离、特征提取和训练，可以在线运行，也可以用 Python 3.12.7 在你的电脑上运行。

OmniVoice Azerbaijani TTS

hugging-apps · 工具包

朗读阿塞拜疆语文本，可以用自动声音、从一小段参考音频克隆的声音，或用文字描述的声音。适合使用阿塞拜疆语的开发者和创作者。

Ming-3.0-tts-0.5B

hugging-apps · 工具包

在 Ming-3.0-tts-0.5B 模型的 Gradio 演示里，把文字转成多种语言的语音，支持声音克隆和声音设计。

VoxCPM2 Myanmar Voice Clone Test

hub10 · 工具包

在接入 Dubbing Studio 之前测试 VoxCPM2 模型的声音克隆。适合做配音和语音的开发者，克隆声音需要说话人的许可。

Fun-CosyVoice3-0.5B

FunAudioLLM · 工具包

在 Gradio 演示里把文字转成九种语言和多种中文方言的语音，支持零样本声音克隆，适合测试语音合成的人。

ZONOS3 Mini

fffiloni · 工具包

用 Zyphra 的 ZONOS3-Mini 模型，把最多 600 个字符的文字转成语音，支持多种语言和预设声音。这是一个在 Hugging Face 上运行的 Gradio 应用。

Oromo VITS TTS

eyob7 · 工具包

用 VITS 声音朗读 Afaan Oromoo 文字，并先把数字写成奥罗莫语单词。适合奥罗莫语使用者、学习者，以及想要 Gradio 语音演示的开发者。

Voice Clone Tool

ejzhu2026 · 工具包

用 10 到 30 秒的音频样本克隆一个声音，并用这个声音朗读新的文字，支持 16 种语言。适合需要一个经过同意的声音来做旁白或测试的人。

Pocket TTS (CPU)

D3vShoaib · 工具包

在网页里把输入的文字转成语音，使用 Kyutai 的小型文字转语音模型，普通 CPU 就能运行，并可选择内置声音。适合不想用 GPU 的人。

Voxtral Studio

codexxx · 工具包

通过你自己的 Mistral API 密钥，用 Mistral AI 的 Voxtral 模型把语音转成文字、把文字转成语音，并把一段声音样本变成可重复使用的克隆声音。适合需要转写或配音的人。

matxa-tts-v2

BSC-LT · 工具包

用一个快速、轻量的中部加泰罗尼亚语声音模型，把加泰罗尼亚语文字转成语音。可在 Hugging Face 的浏览器里运行，也可在你自己电脑上的 Docker 容器里运行。

Applio

AnhP · 工具包

用一个注重易用和速度的语音转换工具，把一个声音转成另一个声音。适合想用插件和设置来适配自己项目的艺术家、开发者和研究者。

Vevo for Zero-shot VC, TTS, and More

amphion · 工具包

无需针对某个说话人训练，就能根据参考音频模仿声音，用于语音转换和文字转语音。这是 Amphion 项目里 Vevo 模型的演示，适合研究者和音频开发者。

Kızagan TTS v1.0

AlicanKiraz0 · 工具包

朗读土耳其语文本，可用内置参考声音，也能克隆你上传或录制的声音。提供表单界面、Gradio API 和 MCP 服务器。

DuplexJev Speech to Decisions

adventists-ai · 工具包

读取一段语音，一次计算就返回关于它的十个判断，如话轮状态、插话和情绪，不做转写。适合语音智能体开发者和语音研究者。

GPT SoVITS V2 Pro Plus

lj1995 · 工具包

在零样本文字转语音的 Gradio 演示里，用一段 3 到 10 秒的参考录音引导声音，说出你输入的任何文字。

voice-call-wasm

fusorlabs · 工具包

在浏览器里用三个小模型在你自己的 CPU 上进行语音对话，模型下载完成后，不会把任何音频发到别处。

Talking Pixel

cfahlgren1 · 工具包

给你一个会朗读你所输入文字的像素角色，用的是只有 1.4M 参数的小型语音模型，完全在浏览器里运行，不需要服务器，也不需要 GPU。

Full Duplex Leaderboard

aufklarer · 工具包

用三个公开基准比较语音智能体：何时开口、该调用哪个工具，以及说话是否符合风格指令。适合构建或挑选语音智能体的团队。

Russian Text To Speech

TeraTTS · 工具包

用 TeraTTSv2 模型和十个内置参考声音朗读俄语文本，返回一段 44.1 kHz 单声道音频。这是一个在 Hugging Face 上运行的 Gradio 演示。

RVC⚡ZERO

r3gm · 工具包

一个基于 VITS 的声音转换演示，可在浏览器里运行。自带一个示例声音模型、示例音频和一个 HuBERT 基础模型。适合探索声音转换的音频爱好者和开发者。

RVC-v2 + Beatrice-v2 Voice Conversion + training

Luminia · 工具包

用 RVC v2 或 Beatrice v2 模型把一段录音转换成另一种声音，还能用你自己的音频训练新模型，页面在 CPU 上也能运行。适合音频爱好者和开发者。

VoiceTut Egyptian-Arabic TTS (diacritized)

hugging-apps · 工具包

朗读埃及阿拉伯语文本，利用变音符号让发音更清晰，提供 19 种内置声音，也可以根据一段短音频克隆声音。适合用埃及阿拉伯语工作的创作者、学习者和开发者。

Confucius4-TTS Voice Clone

CharlesW · 工具包

根据一段简短的参考音频克隆声音，并用这个声音朗读你的文字，带自动语言检测和可选的参考音频转写。适合测试文字转语音和声音克隆的人。

Seed Voice Conversion

Plachta · 工具包

在运行于 ZeroGPU 硬件的 Gradio 页面里，把一个声音的语音转换成另一个声音，基于 Seed-VC。适合想试用声音转换的开发者和音频制作者。

Drama 3

fishaudio · 工具包

用 Fish Audio 的 Drama 3 模型，把你写的一句话用你选择或设计的声音说出来，并用提示指导每一次演绎。适合探索富有表现力的语音和声音克隆的创作者。

OmniVoice

k2-fsa · 工具包

在 Gradio 页面上克隆一种声音，并用它说出超过 600 种语言的文字，页面在浏览器里运行。适合想试用声音克隆文字转语音的人。

Qwen3-TTS Demo

Qwen · 工具包

在 Gradio 页面上用 Qwen3-TTS 模型把输入的文字变成语音，可在浏览器里用，也能在自己的电脑上运行。适合想听听模型声音或看看这个演示怎么搭的人。

一个 n8n 工作流，用你自己的口吻回复 Instagram 私信。ManyChat 把每条消息发到一个 webhook，OpenAI 智能体带着这次聊天的简短记忆写回复，回复再以 JSON 发回去。

一个 n8n 工作流，用 LlamaParse 读取 Gmail 里的发票 PDF，让 OpenAI 模型提取字段，并在 Google Sheets 里加一行数据。然后把邮件标为已处理。

一个 n8n 工作流，用你自己搭建的 Cradl AI 智能体读取 Gmail 里的发票 PDF。人可以核对它没把握的值，每个发票行都会成为 Google Sheets 里的一行。

一个 n8n 工作流，用九条规则对照你的供应商清单和未结采购订单检查供应商发票，然后入账、开审核工单或通知应付账款。每个外部系统都是你自己提供的 REST 调用。

一个 n8n 工作流：每个工作日早上读取 Google 表格里的发票标签页，给每位客户发一封礼貌的意大利语提醒，针对三天内到期或已逾期的未付款发票。

一个 n8n 工作流，给 Telegram 机器人处理文字、语音和图片。它把文字和语音转写标成待办或其他消息，并用 OpenAI 描述图片。

一个 n8n 工作流，在你选的两种语言之间翻译 Telegram 语音消息。它转写语音，用 OpenAI 模型翻译，再把结果作为文字和语音音频文件发回来。

一个用 OpenAI 的 gpt-5.6-terra 上的 AI 智能体回答 Telegram 消息的 n8n 工作流。文字直接交给智能体，语音则先转成文字。

一个把 Telegram 机器人变成个人助手的 n8n 工作流。你发文字或语音，OpenAI 智能体来回答，它能读你的未读 Gmail 邮件、Google Calendar 日程，以及 Baserow 里的任务和联系人。

一个用 ElevenLabs 朗读法语文字、用 OpenAI 转写这段音频的 n8n 工作流。OpenAI 模型把文字翻译成英语，再由 ElevenLabs 把英语读出来。

一个为视频写配音的 n8n 工作流。它从视频里挑出帧，让 OpenAI 视觉模型分批描述，把脚本变成语音，并把 mp3 存进 Google Drive。

一个 n8n 工作流，给你一个用于文字转语音的 Web 地址。给它一个声音 id 和一段文字，回复就是 ElevenLabs 生成的音频文件。

一个手动启动的 n8n 工作流：一个 Set 节点存着一行文字和一个声音，OpenAI 的文字转语音接口把它变成一个 MP3 文件。改这两个字段，就能朗读任何内容。

一个把 Google Drive 文件夹载入 Qdrant、并用它回答 ElevenLabs 语音智能体提问的 n8n 工作流。一个 OpenAI 智能体搜索存下的内容，把文字回给智能体去说。

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。

Charlie Hills Social Media Skills（社交媒体内容技能包）

charlie947 · 技能

Charlie Hills 做的 17 个免费技能，供 Claude 和 Codex 使用：语气档案、LinkedIn 帖子、开头钩子、Reel 脚本、YouTube 缩略图、Newsletter 和数据分析。先做一次简短的采访，之后其他技能用你的语气写草稿。发布由你自己来。

大头拼贴（bighead-collage）

HeyChengC · 技能

把一个选题和一份文案做成大头拼贴视频，自带配音、生成的图片、动画和音效，适合做故事类账号的创作者。

Talking Explainer

brewed-ops · 技能

把一个主题做成有旁白的动态图形短片，卡通主讲人会随着你的声音开口讲话。这是给创作者和品牌用的 Claude Code 技能，每部片子都带你的标志。

YouTube AI Motion Graphics

sirioberati · 技能

提供 74 个 HTML 动画讲解画板，用于 YouTube 视频，另附全部提示词和三个 Claude 技能，可把画板同步到你的声音并导出 MP4。

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。

一个给 Telegram 机器人用的 n8n 工作流，接收文字、语音或带说明的照片形式的营销请求。Gemini 智能体把每个请求交给你自己的子工作流，去做图片、视频，或者 LinkedIn、Instagram、Facebook 帖子。

一个通过 webhook 回答文字或语音 SEO 问题的 n8n 工作流。一个带记忆的 Gemini 智能体通过你基于 DataForSEO 的子工作流，查关键词、排名和 Google 搜索结果。它用 Firecrawl 读网页，再用 Markdown 回答。

一个用产品照片和产品名称做出 15 秒广告的 n8n 工作流，十五个镜头，每个一秒。Gemini 写分镜和一段结尾落在产品名上的旁白，再由 Kie.ai 上的 Seedance 2.0 渲染出来。

一个 n8n 工作流：盯着 Gmail 里的发票和收据。Mistral AI 读取附件，GPT-4.1 mini 判断这笔钱是收入还是支出，再往 Google Sheets 账目里写一行，附上文件在 Drive 里的链接。

一个 n8n 工作流：有人提交你的联系表单，它就给对方打电话。一次发给 Retell AI 的请求用你的号码拨出，你的语音智能体拿到对方的姓名、邮箱和主题，好跟对方聊。

一个 n8n 工作流，根据主题、模块数和每个模块的字数起草一门在线课程。Tavily 负责调研，OpenAI 把各个模块和一份配音稿写进两份 Google 文档，第二个表单再把配音稿变成 gpt-image-1 画的图，存进 Drive。

一个 n8n 工作流，把 Telegram 机器人变成股票图表分析师。用文字或语音发一个股票代码，它在 Chart-Img 上画出带成交量、RSI 和 MACD 的图表，让 gpt-4o 来读，再回你一份分七部分的技术报告。

一个 n8n 工作流，新线索提交联系表单后不久就给对方打电话。它先读对方的网站，让 Tavily 查找对方的 LinkedIn 主页，把一段简短摘要记进 Google Sheets。然后由 Vapi 语音助手拨出电话，助手事先已经知道对方是谁。

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。

Project AIRI 开源虚拟角色

moeru-ai · 工具包

Moeru AI 的开源虚拟角色，灵感来自主播 Neuro-sama。它可以在你的桌面或浏览器里运行，聊天模型、声音和视觉都由你自己选。Minecraft、Discord 和 Telegram 机器人需要从源码运行。

MoneyPrinterTurbo AI 短视频生成器

harry0703 · 工具包

harry0703 的开源 AI 短视频生成器。你给它一个主题或关键词，它会写脚本、匹配素材，配上配音、字幕和音乐，再渲染出高清视频。可以用网页界面、API、命令行来运行，也可以交给 AI 智能体的 Skill。

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。