Token导航 LogoToken导航

Agent Skill · 开发

whisper-voice(Whisper voice 音频)

用于辅助音频、音乐、语音转写、语音合成或声音素材处理。它适合让 Agent 生成配乐说明、整理音频流程、调用语音工具或处理播客和视频配音素材。使用时需要确认输入音频来源、输出格式、时长和模型限制;涉及人声克隆、版权音乐或公开发布时,应先核对授权和合规边界。

whisper-voice 是开发类 Agent Skill,可用宿主为 Codex、Claude、Cursor、Gemini CLI,通过GitHub 仓库获取,权限为需要联网;许可证信息还不明确,第三方扫描有提醒项,按安装量在开发类的 21,746 个 Skill 里排第 17,916。

总安装 372周安装 16GitHub Stars 9下载 131核验 2026-05-01

安装说明

本站只整理中文说明,不托管安装包,也不代用户安装。
GitHub
许可证
unknown

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:whisper-voice(Whisper voice 音频)
来源仓库:https://github.com/aiagentwithdhruv/skills
仓库路径:skills/whisper-voice
安装命令:
npx skills add https://github.com/aiagentwithdhruv/skills --skill whisper-voice
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 npx skills 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

skills.shnpx skills
npx skills add https://github.com/aiagentwithdhruv/skills --skill whisper-voice

这个 Skill 是做什么的

开发类 Skill 面向写代码、改代码和排查问题,一般会读写仓库文件,部分还会执行构建或测试命令。

whisper-voice 用于辅助音频、音乐、语音转写和声音素材处理。适合生成配乐说明、整理音频流程或调用语音工具。通过 npx skills add 命令从指定 GitHub 仓库安装使用。使用时需确认输入音频来源、输出格式、时长和模型限制。涉及人声克隆、版权音乐或公开发布时应先核对授权和合规边界。

来源仓库内路径:skills/whisper-voice

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 Codex、Claude、Cursor、Gemini CLI;先确认自己用的是其中之一,再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 npx skills add https://github.com/aiagentwithdhruv/skills --skill whisper-voice;命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开,让新装的 Skill 被重新扫描到,否则列表里可能看不到。

  4. 4

    按最小权限试用

    它需要需要联网,先在测试目录或测试账号里跑,确认没问题再放到正式项目。

常见问题

6 条

whisper-voice 怎么安装?

在终端执行 npx skills add https://github.com/aiagentwithdhruv/skills --skill whisper-voice。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

whisper-voice 支持哪些 AI 工具?

公开资料标注支持 Codex、Claude、Cursor、Gemini CLI。其他工具只要能读取本地 Skill 目录,一般也能手动放进去,但要自己确认触发方式是否一致。

whisper-voice 需要什么权限?

权限级别是需要联网。该 Skill 可能需要联网访问来源站点、仓库或外部 API;具体网络访问范围需要结合源码和 README 复核。

whisper-voice 是免费的吗?

公开资料没有标注明确许可证,收费和商用限制都无法确认。正式使用前请到来源仓库核对授权说明。

whisper-voice 用的人多吗?

公开数据是累计安装 372 次,近一周安装 16 次,下载 131 次,GitHub 9 星。这些数字来自第三方目录统计,只能当作热度参考,不代表质量或安全性。

whisper-voice 安全吗?

第三方扫描有提醒项,说明存在需要人工确认的行为。安装前请打开源码看清它读了什么、联网到哪里。

值得选的地方和要先想清楚的地方

值得选的地方

  • 同时适配 4 种工具,换客户端不用重新找替代品。

先想清楚的地方

  • 许可证没有明确标注,能不能商用、能不能再分发都不确定。
  • 第三方扫描存在提醒项或未通过项,需要人工逐条确认。
  • 第三方目录整理,版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 Codex,想直接扩展它能力的人。
  • 需要处理开发类任务、又不想每次都手写提示词的人。

不太适合

  • 需要明确授权才能用到公司项目里的场景。
  • 需要厂商级技术支持和 SLA 的生产系统。

开发类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
skill-vetter

技能审查员 · OpenClaw

8,779,018986操作浏览器MIT-0通过
ontology

本体论 · OpenClaw

6,636,960576只读MIT-0通过
entra-app-registration

内部应用程序注册 · Codex、Claude

6,631,872764接触敏感数据未明确通过
entra-app-registration

内部应用程序注册 · Codex、Claude

3,757,680201接触敏感数据未明确通过
nano-banana-pro

纳米香蕉专业版 · OpenClaw

3,526,898364接触敏感数据MIT-0有提醒
whisper-voice

Whisper voice 音频 · 本页

3729需要联网未明确有提醒

按安装量取同分类前几名;数字来自第三方目录统计,只作热度参考,不代表质量结论。

SKILL.md 原文

Whisper Voice — Live Speech-to-Text Mac App

Goal

Build and run a native macOS menu bar app that captures live microphone audio, transcribes it offline using WhisperKit (on Apple Silicon), and auto-types the text wherever the cursor is.

Inputs

NameTypeRequiredDescription
model_sizestringNoWhisper model: tiny, base (default), small
languagestringNo"en" (default) or "hi" for Hindi mode
chunk_durationfloatNoSeconds per audio chunk (default: 3.0)

Process

1. Build the app

cd AiwithDhruv_Voice/WhisperAiwithDhruv
swift build

2. Run the app

swift run WhisperAiwithDhruv
# Or open in Xcode: open Package.swift → Cmd+R

3. First launch setup

  1. Grant microphone permission when prompted
  2. Grant Accessibility in System Settings → Privacy → Accessibility
  3. Wait for model download (~140MB for base model)

4. Usage

  • Cmd+Shift+Space — Toggle recording on/off
  • Click mic icon in menu bar for controls
  • Speak — text auto-types at cursor position
  • Toggle Hindi mode for Hindi/Hinglish input

Outputs

NameTypeDescription
transcribed_textstringLive transcribed text typed at cursor
historyarrayLast 50 transcription entries in menu bar

Edge Cases

  • No mic: Shows error in menu bar dropdown
  • Accessibility denied: Auto-type disabled, manual copy from history
  • Silence: VAD skips silent chunks (energy-based threshold)
  • Hallucinations: Filters common Whisper artifacts ("Thank you.", "...")
  • Model not downloaded: Shows download progress bar

Environment

  • macOS 14+ (Sonoma)
  • Apple Silicon (M1/M2/M3/M4)
  • Xcode 15+ (for building)
  • No API keys needed (fully offline)

Schema

Inputs

NameTypeRequiredDescription
model_sizestringNotiny / base / small
languagestringNoen / hi
chunk_durationfloatNo2.0 - 8.0 seconds
silence_thresholdfloatNo0.002 - 0.05

Outputs

NameTypeDescription
transcriptionstringLive text output
auto_typedbooleanWhether text was injected at cursor

Credentials

NameSource
NoneFully offline, no API keys

Composable With

video-edit (add transcription captions), send-telegram (send transcriptions to phone)

Cost

Free — runs entirely on-device. Model download is one-time (~140MB for base).

平台分布

Codex

35.7%
按下载量换算47

Claude

31.08%
按下载量换算41

Cursor

19.85%
按下载量换算26

Gemini CLI

9.68%
按下载量换算13

安全审计

Gen Agent Trust Hub

可疑

Socket

通过

Snyk

通过

权限和风险

需要联网

该 Skill 可能需要联网访问来源站点、仓库或外部 API;具体网络访问范围需要结合源码和 README 复核。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。来源安全扫描存在提醒或未通过项,安装前请自行复核。目前只有一个公开来源,建议同时核对源仓库。

继续浏览同类 Skills