talkies
自托管OpenAI兼容语音服务，支持多模型ASR/TTS
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OpenAI兼容语音服务，支持多模型ASR/TTS 完整的 Skill 内容见：https://321skill.com/skills/talkies-x-7/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
'部署talkies语音服务，然后帮我将一段会议录音转写为文字。' 它会启动服务，调用/v1/audio/transcriptions接口上传音频文件，返回转写结果。你还可以说：'用talkies的TTS接口，将这段营销文案生成语音，保存为MP3文件。' 它会调用/v1/audio/speech接口，使用Kokoro-82M模型生成自然语音。
介绍
许多AI应用需要语音转文字或文字转语音能力，但直接调用云端API存在隐私泄露、成本不可控和网络依赖问题。talkies让你在本地部署一套完整的语音服务，完全兼容OpenAI的/v1/audio/transcriptions和/v1/audio/speech接口，支持12个开源ASR模型（Whisper、Parakeet、Nemotron等）和2个TTS引擎（Kokoro-82M、Qwen3-TTS），数据不出域，安全可控。
部署后，你可以通过标准HTTP请求调用语音识别和合成功能。例如，使用/v1/audio/transcriptions上传音频文件获得文字，或通过WebSocket接收实时PCM流进行流式识别。TTS方面支持41种预设语音、语音克隆和声音设计，还提供立体声说话人分离、URL抓取、MCP端点等高级特性。只需配置Bearer Token认证，即可无缝集成到现有OpenAI客户端中。
适合后端开发者需要自建语音流水线、智能体开发者希望为AI助手添加语音交互能力、内容创作者批量生成配音或播客。学术研究者也可利用其多模型对比能力进行实验。对于注重隐私的团队，talkies是替代云端语音API的理想选择。
使用前建议准备至少一块NVIDIA GPU（TTS的Qwen3系列需要CUDA支持），ASR模型可在CPU上运行但速度较慢。首次启动需下载模型文件，请确保网络稳定和充足磁盘空间。注意合理配置认证和速率限制，避免未经授权的调用。如需高并发场景，建议搭配负载均衡和缓存策略。
核心特点
与Whisper API或直接使用Whisper源码相比，talkies不仅兼容OpenAI接口，还集成了12个ASR模型和2个TTS引擎（3个后端），支持立体声说话人分离、WebSocket实时流、MCP端点，开箱即用，无需编写额外适配代码。
注意事项
不适合需要极低延迟且无法提供GPU资源的场景，安装配置有一定门槛，首次模型下载耗时较长。
常见问题
支持中文语音识别吗？
支持，Whisper、Parakeet等多语言模型可识别中文，准确率优秀。
需要GPU吗？
推荐使用NVIDIA GPU以获得实时性能，部分ASR模型可在CPU上运行但速度较慢；TTS的Qwen3系列仅支持CUDA。
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-7/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-7/raw/index.md（查看排版版本）