使用智谱AI（BigModel）GLM-ASR模型进行自动语音识别（ASR），适用于将音频文件转录为文本，支持中文音频转录，具备上下文提示、自定义热词及多种音频格式支持

让您的代理能够与您实时交谈，直接与Claude对话！超低延迟语音合成，文本转语音音频输出延迟约90毫秒，内置8种声音，即时响应。如需语音克隆，请使用说话技能。

通过 uvx zai-tts 命令调用 GLM-TTS 服务将文本转换为语音，用于从文本生成音频。适用场景：(1) 用户使用 "tts" 触发词或关键词请求语音输出；(2) 内容需要朗读而非阅读（如多任务处理、无障碍访问、播客、驾驶或烹饪时）；(3) 使用预克隆的语音进行播报。

使用智谱AI（BigModel）GLM-TTS模型进行文本转语音转换。适用于需要将文本转换为多种语音选项音频文件的场景，支持中文文本合成，提供多种语音角色、语速调节和输出格式选项。

使用 Yandex SpeechKit 从语音消息中识别语音（架构可扩展以支持其他服务商）。当需要将语音消息转换为文本时使用。

使用萨尔瓦姆AI实现印度语言的文本转语音、语音转文本、翻译和聊天功能

使用 ElevenLabs AI 实现文本转语音和语音转文本功能，适用于用户需要将文本转换为语音、转录语音消息或以多种语言处理语音的场景，支持高质量的 AI 语音和精准的转录。