64 pozycje · Skille 23 · MCP 39 · CLI 2
Muzyka i głos
Lektor, podcast i muzyka: synteza mowy, transkrypcja i sterowanie DAW-em.
Przykładowe efekty
- lektor do filmu
- podcast z transkrypcją
- podkład muzyczny
- efekty dźwiękowe
Z wyszukiwarką, filtrami i ocenami.
Gotowe paczki
Gotowe zestawy narzędzi do tego zadania. Każdy wczytasz w swoim AI jedną komendą.
- Odcinek podcastu
Odcinek podcastu gotowy do publikacji: intro z lektorem i podkładem, zmiksowane i zmasterowane nagranie oraz transkrypcja.
/podcast-episode
Wszystkie pozycje (64)
Skille (23)
Lektor, transkrypcja, efekty dźwiękowe, muzyka i dubbing przez API ElevenLabs.
Azure AI Transcription (Python)
Transkrypcja na żywo i wsadowa w Pythonie z SDK Azure AI Transcription.
Buduje aplikacje głosowe działające w czasie rzeczywistym z Azure AI Voice Live.
Generuje audio w stylu podcastu z tekstu przez Azure OpenAI Realtime API.
Integruje API Cartesia w kodzie: synteza Sonic, rozpoznawanie Ink, głosy i tokeny.
Prowadzi produkcję albumu z Suno: koncepcja, research, teksty, mastering i promocja.
Robi z dowolnego tematu kurs z ok. 12 dwuminutowych lekcji audio ze źródłami.
Uczy agenta API Deepgram: transkrypcja, synteza mowy, agenci głosowi i analiza audio.
Buduje aplikacje głosowe i wideo działające w czasie rzeczywistym na Gemini Live API.
Integruje transkrypcję Gladia w aplikacjach: nagrania, czas rzeczywisty i analiza mowy.
Buduje, testuje i wdraża agentów głosowych w LiveKit Agents (Python i Node.js).
Komponuje piosenki z wokalem, instrumentale i covery przez MiniMax Music API.
Uczy agenta Mubert Music API: generowanie, streaming i biblioteka muzyki bez tantiem.
Zamienia tekst w mowę lokalnie (Kokoro) lub w chmurze Noiz, z kontrolą czasu i głosu.
Zakłada projekty botów głosowych Pipecat, wdraża je do Pipecat Cloud i rozmawia głosem.
Tworzy asystentów, narzędzia, kampanie i numery telefonów w Vapi przez API.
Tworzy piosenki, podkłady, pętle, efekty dźwiękowe i lektora przez API Venice.
Studio wideo w Claude Code: scenariusz, lektor, muzyka, klipy AI i render w Remotion.
Dobiera modele fal.ai i prowadzi produkcję wideo: ujęcia, prompty, reklamy, animacje.
Lokalny montaż przez FFmpeg: cięcie, kadr 9:16, napisy, cisza, głośność i kontrola.
Robi teledysk w stylu motion graphics z utworu i promptu: postacie, animacja, rytm.
Otwarty system produkcji wideo z agentem: od researchu i scenariusza po montaż i render.
Montuje surowe nagrania w gotowy film: wycina wtrącenia i pauzy, koryguje kolor, dodaje napisy.
MCP (39)
Steruje Ableton Live: ścieżki MIDI i audio, instrumenty, klipy i aranżacja utworu.
Szuka sampli w katalogu Splice opisem słownym i składa z nich warstwowe stacki.
Odpowiada na pytania o Live, Push, Move i Max for Live na podstawie podręczników.
Zarządza playlistami, biblioteką i odtwarzaniem w Apple Music, z rekomendacjami.
Transkrybuje nagrania, rozpoznaje mówców, tłumaczy i streszcza przez AssemblyAI.
Transkrypcja, rozdzielanie ścieżek, odszumianie, audio do MIDI, TTS i muzyka AI.
Czyta teksty głosami Cartesia Sonic, transkrybuje nagrania, klonuje i lokalizuje głosy.
Usuwa szum, wypełniacze i ciszę z nagrań, robi transkrypcję i notatki do odcinka.
Montuje audio i wideo w Descript poleceniami dla Underlorda, publikuje i eksportuje.
Przeszukuje bazę Discogs i zarządza kolekcją płyt, ocenami i ofertami w marketplace.
Tworzy i konfiguruje agentów głosowych ElevenLabs oraz generuje próbki mowy.
Wyszukuje licencjonowaną muzykę i efekty, przycina utwory i tworzy lektora AI.
Steruje FL Studio: diagnoza miksu, wtyczki, piano roll i aranżacja z poziomu czatu.
Wydziela wokal, instrumenty i dialogi z audio lub wideo oraz synchronizuje teksty.
Zleca transkrypcje w Gladia z diaryzacją, tłumaczeniem, napisami i streszczeniem.
Wyszukuje podcasty, odcinki i transkrypcje oraz kontakty do działań PR.
Live Coding Music MCP (Strudel)
Komponuje i gra muzykę w Strudel.cc: wzorce, rytmy i analiza brzmienia na żywo.
Synteza mowy, klonowanie i projektowanie głosów oraz obrazy i wideo z modeli MiniMax.
Nagrywa i lokalnie transkrybuje rozmowy, a agent przeszukuje ich historię.
Zamienia surowe nagranie podcastu w gotowy odcinek z muzyką, rozdziałami i eksportem.
Generuje i streamuje muzykę bez tantiem z licencją komercyjną, przeszukuje bibliotekę.
Generuje teksty piosenek, całe utwory z wokalem i podkłady instrumentalne.
Komponuje i edytuje partytury w MuseScore: nuty, teksty, tempo i repetycje.
Daje agentowi kodującemu głos: rozmowa głosowa i podgląd ekranu przez Pipecat.
Steruje REAPER-em: ścieżki, MIDI, FX, miks, mastering, render i analiza audio.
Dane o milionach podcastów: słuchalność, demografia, kontakty, rankingi i sponsorzy.
Zamienia pomysł lub link do playlisty w import do Spotify, Apple Music, TIDAL i innych.
Steruje odtwarzaniem Spotify, wyszukuje utwory i zarządza playlistami.
Miksuje, masteruje i pisze MIDI w REAPER: 188 narzędzi, w tym pomiar głośności.
Tworzy asystentów głosowych Vapi, dzwoni i planuje rozmowy telefoniczne.
Rozmowy głosowe z Claude Code: mówisz do mikrofonu, agent odpowiada na głos.
Steruje ComfyUI z czatu: generuje obrazy i wideo, buduje workflowy i pobiera modele.
Ponad 1000 modeli obrazu, wideo i audio z fal.ai: wybór, wycena i generowanie z czatu.
Veo, Gemini Image, Lyria, Chirp i Gemini TTS z Google Cloud jako narzędzia agenta.
Montuje w chmurowym edytorze invideo: oś czasu, kolor, dźwięk i generowanie mediów.
Wgrywa nagrania do Kapwinga, pobiera eksporty, dodaje napisy, tłumaczy i dubbinguje.
Wyszukuje, porównuje i uruchamia modele z Replicate: obrazy, wideo i audio.
Generuje obrazy, wideo, audio i modele 3D przez API Runware, z cennikiem i wyborem modelu.
Pobiera wideo, audio, napisy i metadane z YouTube i innych serwisów przez yt-dlp.
CLI (2)
Transkrypcja, synteza mowy i analiza audio Deepgram prosto z terminala.
Wideo Hailuo, obrazy, mowa, transkrypcja i opisy obrazów MiniMax z terminala.