使用 Coqui XTTS v2 克隆任何声音并生成语音。操作极其简单：提供一段 6 至 30 秒的 WAV 音频样本和文字，即可获得克隆声音的音频。支持 14 种以上语言。适用于以下场景：(1) 克隆自己的声音或他人的声音；(2) 生成特定人物的语音；(3) 制作个性化语音消息；(4) 多语言语音克隆——用克隆的声音用任何语言说话。

使用本地的Kokoro TTS引擎将文本生成语音。当用户要求“朗读”某内容、请求语音消息或希望将文本转换为语音时使用。

Veryfi（https://veryfi.com）提供的实时OCR与数据提取API，可从收据、发票、银行对账单、W-9表格、采购订单、提单及其他任何文档中提取结构化数据。适用于需要对文档进行OCR识别、提取字段、解析收据/发票和银行对账单、分类文档、检测欺诈或获取任意文档的原始OCR文本的场景。

ElevenLabs 文本转语音，采用 Mac 风格的 say 用户体验

通过 Addis Assistant API（api.addisassistant.com）提供语音转文字（STT）和文本翻译功能。适用于将音频文件转换为文本（特别是阿姆哈拉语），或在不同语言间翻译文本（例如阿姆哈拉语转英语）。需要使用 'x-api-key'。

使用豆包（火山引擎）API 的文本转语音服务，支持200多种语音、交互式语音选择和多语言功能

审查并分类未分类的银行交易，将其与发票匹配，并核对记账记录。适用于用户需要审查交易、分类支出、进行记账或对账银行账户时使用

使用 AssemblyAI 转录音频/视频（本地上传或网址），并导出字幕及段落/句子格式

从飞书会议中获取信息、统计数据、字幕和媒体内容