共 23 条已上架资产
多平台中文 TTS 文本转语音，支持 Edge/Doubao/CosyVoice/Azure/Tencent/Baidu/MiniMax/Xunfei —— 8 种后端，均可在国内使用
通过 inference
使用 Google Gemini TTS 生成博客文章的音频朗读
使用AI模型（如FLUX、Nano Banana 2）生成或编辑图像
通过DashScope/Ark/Hunyuan/Zhipu/StepFun实现跨平台AI图像生成，专注于中文文本渲染和逼真图像生成
Fold Qwen Cloud's AI skills into your agent
Generate human-like speech audio with Model Studio DashScope Qwen TTS models (qwen3-tts-flash, qwen3-tts-instruct-flash)
Transcribe non-realtime speech with Alibaba Cloud Model Studio Qwen ASR models (`qwen3-asr-flash`, `qwen-audio-asr`, `qw…
使用阿里云 Model Studio 的 Qwen TTS Realtime 模型进行实时语音合成
将照片（人物、宠物、物品、标志）转换为4个带字幕的动画GIF贴纸
通过文本生成视频、图像生成视频、首尾帧生成视频或参考图生成视频，使用百炼、即梦的模型，以及MiniMax等，生成简短的中文视频片段
使用视觉大语言模型作为评判者对图像进行评分和比较
Agent skills for Xiaomi MiMo series
在创作者明确确认后，执行短剧项目的图片、视频、TTS/配音或时间线音乐生产任务，并将结果与精简运行记录落回项目
从 SRT 字幕文件自动生成完整白板动画视频的端到端工作流
使用 Gemini 图像生成技术为学术论文生成出版级 AI 插图
使用jimeng-mcp-server进行AI图像和视频生成
skill mcncarl/yichen-skills/yichen-asr
使用 OpenAI Whisper 将视频/音频文件转为逐字稿（带时间戳）
使用 ListenHub API 将文本转换为语音（TTS）