使用 Deepdub 生成语音音频，并作为 MEDIA 文件附加（兼容 Telegram）

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

使用 faster-whisper 实现本地语音转文字，速度比 OpenAI Whisper 快 4 至 6 倍，准确率相同；GPU 加速可实现约 20 倍实时转录。支持 SRT/VTT/TTML/CSV 字幕、说话人分离、URL/YouTube 输入、批量处理带预计完成时间、字幕搜索、章节检测、按文件语言映射

使用Venice AI基于Whisper的语音识别技术将音频转录为文本，支持WAV、MP3、FLAC、M4A、AAC格式，并可选带时间戳

使用 Whisper 命令行工具进行本地语音转文本（无需 API 密钥）

使用 llama-tts（llama.cpp）和 OuteTTS-1.0-0.6B 模型实现本地文本转语音

通过TogetherAI API使用MiniMax speech-2.6-turbo模型进行文本转语音

使用OpenAI Whisper命令行工具实现本地语音转文本，支持中文、英文及100多种语言的翻译与摘要功能

音频输入、分析、转换与生成（语音识别、语音合成、静音检测、特征提取）