talkies
自托管、兼容OpenAI API的语音转文字与文字转语音服务
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的语音转文字与文字转语音服务 完整的 Skill 内容见：https://321skill.com/skills/talkies-x/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。”，它会调用部署好的Talkies服务的`/v1/audio/transcriptions`端点，使用支持说话人分离的模型进行处理，返回带时间戳和说话人标签的文本。或者，
对AI说：“为我的智能助手生成一段欢迎语音，使用沉稳的男声。”，它会通过Talkies的`/v1/audio/speech`端点，调用Kokoro或Qwen3-TTS引擎，合成指定风格的语音文件。
介绍
Talkies是一个自托管的语音服务，它解决了开发者需要集成语音识别（ASR）和语音合成（TTS）能力，但又希望保持数据隐私和模型选择灵活性的问题。它提供了与OpenAI音频API完全兼容的接口，这意味着你可以将原本调用OpenAI Whisper或TTS的代码无缝迁移到自己的服务器上。
使用上，你只需部署Talkies服务，然后通过标准的/v1/audio/transcriptions和/v1/audio/speech端点进行调用。它支持多种开源ASR模型（如Whisper、Parakeet等）和TTS引擎（如Kokoro-82M、Qwen3-TTS），并提供了实时音频流转录、立体声说话人分离、URL抓取音频等高级功能。
该工具非常适合需要处理敏感音频数据、希望避免云服务费用、或需要特定开源语音模型的开发者、研究者和企业。无论是开发智能客服、会议记录工具，还是为应用添加语音交互功能，Talkies都能提供可控的本地化解决方案。
使用建议：部署前请确保服务器有足够的计算资源（尤其是GPU，对于Qwen3-TTS家族是必需的）。注意其Bearer认证机制，妥善管理API密钥。对于生产环境，建议结合负载均衡和监控工具使用。
核心特点
核心区别在于它在一个服务中集成了12种开源ASR模型和2种TTS引擎后端，并完全兼容OpenAI音频API协议，实现了从云端服务到本地自托管的无缝替换，同时提供了实时流式转录、说话人分离等云端服务不一定具备的高级功能。
注意事项
不适合对语音处理延迟要求极低（如实时同声传译）或缺乏本地GPU计算资源的场景。
常见问题
Talkies支持实时语音转文字吗？
支持，通过WebSocket端点`/v1/audio/transcriptions/stream`可接收实时PCM音频流进行转录。
TTS功能支持语音克隆吗？
是的，通过CUDA版的Qwen3-TTS引擎家族支持语音克隆、预设说话人和声音设计。
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/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/raw/index.md（查看排版版本）