talkies
自托管、兼容OpenAI API的语音转写与合成服务。
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、兼容OpenAI API的语音转写与合成服务。 完整的 Skill 内容见：https://321skill.com/skills/talkies-x-4/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
‘帮我把这段客户咨询电话录音转成文字，并区分开客服和客户的对话。’，Talkies 会调用其转写服务，利用立体声分离功能生成带说话人标签的文本。或者，
对AI说：‘用预设的“专业女声”把这篇产品说明念出来。’，它会通过 TTS 引擎生成高质量、符合品牌调性的语音文件。
介绍
Talkies 是一个自托管的语音服务，旨在为开发者提供一个本地化、可定制的语音转写（ASR）和语音合成（TTS）解决方案。它完美兼容 OpenAI 的音频 API 接口，让你无需依赖云端服务，即可在私有环境中实现高质量的语音交互功能。
使用上，Talkies 通过提供与 OpenAI 完全一致的 /v1/audio/transcriptions 和 /v1/audio/speech 等端点，极大降低了集成成本。开发者可以像调用 OpenAI 服务一样，无缝地将现有应用迁移到本地部署的 Talkies 上，同时它还支持 WebSocket 流式转录、URL 抓取音频、MCP 端点以及 Bearer 认证等高级功能。
该工具非常适合需要处理敏感语音数据、希望控制成本、或需要在无网络环境下工作的团队。例如，开发智能客服、语音笔记、无障碍应用、内容审核或内部培训系统的开发者，都可以利用 Talkies 构建安全、可靠的语音功能。
部署时，请注意其 TTS 后端对硬件有不同要求：Kokoro-82M 支持 CPU/GPU，而 Qwen3-TTS 系列则需要 CUDA 环境。建议根据实际需求（如对音质、克隆能力的要求）和服务器配置来选择合适的引擎。同时，确保服务器有足够的计算资源来运行所选的 ASR 模型。
核心特点
核心区别在于它集成了12个开源ASR模型和2个TTS引擎后端，在一个兼容OpenAI的接口下提供了极其丰富的模型选择与灵活的部署方式，同时支持实时流式转录和立体声说话人分离（diarization）等专业功能。
注意事项
Qwen3-TTS 引擎家族需要 CUDA 环境，因此不适合纯 CPU 或无 NVIDIA GPU 的服务器部署场景。
常见问题
Talkies 和直接使用 OpenAI 的语音 API 有什么区别？
Talkies 是自托管方案，数据完全留在本地，无需支付按量计费，且集成了更多开源模型供选择。
它支持实时语音转写吗？
支持，通过 /v1/audio/transcriptions/stream 端点，可以使用 WebSocket 接收实时的 PCM 音频流进行转写。
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-4/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-4/raw/index.md（查看排版版本）