talkies
自托管的OpenAI兼容语音服务，集成多种ASR与TTS模型。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：talkies。 它的用途是：自托管的OpenAI兼容语音服务，集成多种ASR与TTS模型。 完整的 Skill 内容见：https://321skill.com/skills/talkies-x-2/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
‘帮我把这段客户投诉电话录音转成文字，并区分开客服和客户说的话。’，它会调用Talkies服务的转录和说话人分离功能，快速生成带说话人标签的文本。或者，
对AI说：‘我需要为我的应用生成一段产品介绍的语音，使用沉稳的男声。’，它会通过Talkies的TTS接口，使用预设的Kokoro音色或克隆的特定音色生成高质量的语音文件。
介绍
Talkies是一个自托管的、兼容OpenAI API的语音服务，旨在为开发者提供一个统一、可扩展的本地语音处理解决方案。它解决了在私有化部署环境中，集成多种先进语音识别和语音合成模型的需求，避免了依赖单一云服务商的限制。
该服务通过提供与OpenAI /v1/audio 端点兼容的API，让开发者可以无缝接入。主要功能包括：/v1/audio/transcriptions 端点支持12种开源ASR模型（如Whisper、Parakeet等）进行音频转写，并提供WebSocket流式转录；/v1/audio/speech 端点则集成了Kokoro-82M和Qwen3-TTS系列两个TTS引擎，支持多种预设音色、语音克隆和语音设计。此外，它还具备立体声说话人分离、URL抓取音频、MCP端点支持和Bearer认证等功能。
Talkies非常适合需要在本地或私有云环境中处理语音任务的后端开发者、全栈开发者以及智能体开发者。无论是开发智能客服、语音助手，还是为应用添加语音交互功能，都可以通过它来灵活调用不同的模型，同时保障数据隐私。
使用建议：部署前需确认服务器是否满足特定模型的硬件要求（如Qwen3-TTS需要CUDA环境）。对于生产环境，建议仔细配置认证和网络隔离策略。由于集成了多种模型，初次使用时可先通过简单的音频文件进行测试，以确定最适合当前场景的模型。
核心特点
核心区别在于它在一个服务中同时集成了多达12种开源ASR模型和2个TTS引擎后端，并提供了与OpenAI完全兼容的API接口，使得开发者可以像调用OpenAI语音服务一样使用这些开源模型，实现了开源模型生态与标准化商业API的桥接。
注意事项
Qwen3-TTS引擎家族仅支持CUDA环境，对没有NVIDIA GPU的服务器不友好。
常见问题
Talkies支持实时语音转文字吗？
支持，通过 `/v1/audio/transcriptions/stream` 端点，可以使用WebSocket接收实时的PCM音频流进行转录。
能否用Talkies克隆我的声音？
可以，其集成的Qwen3-TTS引擎支持语音克隆功能，但需要提供音频样本并在支持CUDA的环境下运行。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/talkies-x-2/raw/index.md 读取 talkies 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/talkies-x-2/raw/index.md（查看排版版本）