audio-video-to-text
Skillby ivan830826
clawhub⭐ 07/10
音视频转文字技能，使用 Whisper 进行语音识别。支持多种音视频格式，可输出纯文本、SRT/VTT 字幕或 JSON 格式。适用于会议记录、视频字幕生成、采访整理、播客转录等场景。
基于Whisper的音视频转文字工具,支持多种格式输出,可生成SRT/VTT字幕,适用于视频字幕、会议记录、播客转录等场景。
📊 商业分析
商业模式
freemium
独特价值
支持SRT/VTT/JSON多格式输出,一键生成专业字幕,降低内容创作成本
竞品
CapCut(剪辑为主)、网易见外(功能相近但收费高)、阿里云语音识别(API复杂)
🎯 应用场景
目标用户
视频创作者播客主播企业会议记录员在线教育平台新闻媒体
工具信息
- 类型
- Skill
- 平台
- clawhub
- Stars
- ⭐ 0
- 价值评分
- 7/10
- 子分类
- 语音识别与音视频处理
- 可商业化
- ✅ 是
AI 标签
语音识别音视频处理字幕生成Whisper内容创作
相关工具推荐
skill-creatorSKILL
由Anthropic官方出品，支持从零创建AI Skill、编辑优化现有Skill、运行评估测试并进行方差分析的性能基准对比，实现AI能力工程化闭环管理。
9/10⭐ 86,759
conversation-memorySKILL
为LLM对话提供短期、长期、实体三层持久化记忆系统，让AI真正记住用户，支持跨会话上下文延续与知识积累。
9/10⭐ 22,346
self-improvingSKILL
具备自我反思、自我批评、持续学习与记忆组织能力的自进化Agent，自动评估并永久改进输出质量，无需人工反复校正。
9/10⭐ 638
proactive-agentSKILL
将AI Agent从被动任务执行者升级为主动预判伙伴，内置WAL协议、工作缓冲区与自主定时任务，支持持续自我改进的智能体框架
9/10⭐ 628
cellcogSKILL
DeepResearch Bench排名第一的全模态AI代理框架。通过多代理编排实现深度推理与文本、图像、音频、视频等全模态融合,支持复杂任务自动化。
9/10⭐ 6