iFly-Skills

给 AI Agent 装上讯飞的耳朵、眼睛和嘴

iFly-Skills 是科大讯飞官方开源的技能集合，面向 AI Agent 场景，把语音识别、语音合成、OCR 文字识别、机器翻译、文本校对和多模态理解等能力封装成可被智能体直接调用的技能模块。项目基于 Python，配套 skill.md 描述规范，可与讯飞星火（iFlytek Astron）等 Agent 框架对接。它解决的核心问题是：开发者在构建智能体时，往往需要自行对接多家语音与视觉 API，接口协议、鉴权、返回结构各不相同，集成成本高。iFly-Skills 提供统一封装，让 Agent 通过自然语言或结构化调用即可获得听、说、看、译、校等能力，降低多模态应用的开发门槛，适合快速搭建语音助手、会议记录、文档处理等场景。

开源 unknown 行业应用

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 220

维护状态较活跃

是否开源是

定价模式 unknown

项目数据

分类行业应用

开发团队iflytek

所属国家

官网地址

GitHubhttps://github.com/iflytek/iFly-Skills

定价模式unknown

价格说明定价信息待确认

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型agent,iflytek-astron,skill,skill-md,skills

GitHub 星标★ 220

30天Star增速

HF 下载量

上线时间2026-03-30 00:00:00

最近更新2026-09-17 00:00:00

维护状态较活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-09-19

浏览次数0

使用教程

核心亮点

官方维护，语音、OCR、翻译、校对、多模态能力覆盖较全
提供 skill.md 规范，便于 Agent 框架按统一格式发现和调用技能
Python 实现，接入讯飞星火生态时鉴权和接口适配成本低

不足之处

强依赖讯飞自家 API 与账号体系，换用其他模型或厂商时迁移成本高
早期项目，星标仅 220，社区案例和第三方文档较少

适用场景

为智能体增加语音输入输出，做语音对话助手
会议录音转写并自动翻译、校对成会议纪要
批量扫描件或图片的 OCR 识别与结构化提取

替代项目

Dify、FastGPT

项目介绍

iFly-Skills 是一个行业应用领域的开源项目，官方简介：Official collection of iFLYTEK skills for speech, OCR, translation, proofreading, and multimodal AI capabilities.。项目使用 Python 开发，在 GitHub 上获得 220 星标。

上一篇：GoldenDict-OCR

下一篇：SwiftyCrow