TencentCloud ASR：在 Agent 中接入騰訊雲語音轉文字
TencentCloud ASR（@tencent-adm/tencentcloud-asr，v0.1.5）由騰訊雲語音團隊在 SkillHub 發佈，需配置 API Key，支持本地文件與 URL 音頻。提供一句話識別（≤60s）、錄音識別極速版（≤2h/100MB 同步）與錄音識別（≤5h 異步）三種模式，適用於轉寫、字幕、會議與語音消息等場景。本文介紹定位、能力、SkillHub 安裝提示與使用注意，並給出官方地址。
閱讀全文xby-asr-5：DeepSeek Harness 語音識別插件
xby-skill/xby-asr-5 是 DeepSeek Harness (DSH) 的插件，用於集成語音識別功能。該插件支持中、英、日、韓、粵五種語言，具備自動語種檢測能力。核心功能包括設置 API 密鑰以及識別音頻鏈接、Base64 編碼數據和本地文件。用戶需先註冊小笨羊官網獲取密鑰進行鑑權，然後通過對應函數調用識別服務。插件源碼託管於 GitHub，許可證爲 MIT。
閱讀全文dsh-voice-input：DeepSeek Harness 語音輸入插件
`dsh-voice-input` 是 DeepSeek Harness 的語音輸入插件，通過瀏覽器原生 API 或 OpenAI 兼容的 `/audio/transcriptions` 接口實現語音轉文字。插件在輸入框集成麥克風按鈕，支持實時狀態反饋、雙引擎（瀏覽器/雲端/本地）選擇及安全憑證管理。它零依賴、無構建步驟，並提供一鍵安裝卸載腳本，支持 Whisper 本地服務及 Ollama（需具備音頻投影能力的模型）。
閱讀全文DeepSeek Harness 插件：dsh-bili-asr
DeepSeek Harness 插件 `dsh-bili-asr` 可解析 B站視頻並提取文本。它優先讀取自帶字幕，無字幕時調用本地 Whisper 模型進行語音轉寫，返回帶時間戳的文本並支持 SRT、TXT、JSON 格式導出。該工具支持多種鏈接格式，兼容 Windows/macOS/Linux，並自動註冊爲宿主工具。安裝依賴 ffmpeg，首次使用需下載模型，支持 CPU/GPU 加速，遵循 MIT 協議。
閱讀全文