MiniMax多模态模型技能——使用MiniMax多模态模型生成语音、音乐、视频和图像。利用MiniMax AI创建语音（文本转语音、语音克隆、语音设计、多段合成）、音乐（歌曲、纯音乐）、视频（文本转视频、图像转视频、起止帧、主体参考、模板、长篇多场景）、图像（文本转图像、带角色参考的图像转图像）以及媒体处理（转换、拼接、剪裁、提取）。当用户提及MiniMax、多模态生成，或希望生成语音/音乐/视频/图像AI内容、使用MiniMax API或结合MiniMax输出的FFmpeg工作流时启用此技能。
使用 Telnyx 文本转语音 API 将文本生成语音音频，适用于将文本转换为语音、创建语音消息或生成音频内容的场景。
免费使用 Groq 的 Whisper API 进行语音识别，无需费用即可将语音消息转录为超过 50 种语言的文本，适用于语音转文本自动化、会议转录和无障碍功能，需使用免费的 Groq API 密钥
法国自由职业者工具箱：发票、工时追踪、客户管理、仪表板
通过 ElevenLabs API 实现文本转语音、音效生成、音乐生成、语音管理与配额查询，适用于使用 ElevenLabs 生成音频或管理语音时使用
使用 Vosk 离线语音识别技术将语音消息和音频文件转换为文本。当用户发送语音消息、音频文件或要求将语音转为文本时使用。
通过命令行控制 Alexa 设备：设置闹钟、播放音乐、播放简要新闻、发送智能家居指令。当需要设置闹钟、在 Echo 上播放内容、控制智能家居设备或向 Alexa 发送语音指令时使用。
使用 Kyutai Pocket TTS 将文本转为语音，轻量级、CPU 友好、支持流式输出和语音克隆，仅支持英语，在 M4 MacBook Air 上可达约 6 倍实时速度