Azure Ai Voicelive Py

使用 Nano Banana Pro (Gemini 3 Pro Image) 生成或编辑图像。支持文生图、图生图及 1K/2K/4K 分辨率，适用于图像创建、修改及编辑请求，使用 --input-image 指定输入图像。

使用 Whisper CLI 进行本地语音转文字（无需 API 密钥）

使用 ffmpeg 从视频中提取帧或短片。

提供 UI/UX 设计智能与实现指导，帮助打造精美界面。适用于 UI 设计、UX 流程、信息架构、视觉风格、设计系统/标记、组件规格、文案/微文案、无障碍及前端 UI（HTML/CSS/JS、React、Next.js、Vue、Svelte、Tailwind）生成/评审/改进。工作流包括：①新 UI 布局与样式生成；②现有 UI/UX 改进；③设计系统标记和组件规范产出；④ UX 建议转化为代码变更。

专家级前端设计指南，用于创建美观、现代的用户界面。适用于落地页、仪表板等各类UI设计。

使用 mcp-diagram-generator MCP 服务器生成和编辑图表。适用于创建新图表、编辑现有的 .drawio/.mmd/.excalidraw 文件、网络拓扑图等场景。

使用 Remotion + React 进行程序化视频创作的完整工具包。涵盖动画、时间控制、渲染（CLI/Node.js/Lambda/Cloud Run）、字幕、3D、图表、文字特效、转场及媒体处理。适用于编写 Remotion 代码、构建视频生成流水线或创建数据驱动的视频模板。

通过 OpenAI Images API 批量生成图像。支持随机提示词采样，并提供 index.html 图库展示。

Generate AI-powered podcast-style audio narratives using Azure OpenAI's GPT Realtime Mini model via WebSocket. Use when building text-to-speech features, audio narrative generation, podcast creation from content, or integrating with Azure OpenAI Realtime API for real audio output. Covers full-stack implementation from React frontend to Python FastAPI backend with WebSocket streaming.

使用 Microsoft Agent Framework Python SDK 构建Azure AI Foundry代理。适用于通过 AzureAIAgentsProvider 创建持久代理、使用托管工具（代码解释器、文件搜索、网络搜索）、集成MCP服务器、管理会话线程或实现流式响应。涵盖函数工具、结构化输出及多工具代理。

Azure AI Transcription SDK for Python，用于实时和批量语音转文字（Speech‑to‑Text），支持时间戳和说话人分离。

适用于 Python 的 Azure AI 评估 SDK。用于通过质量、安全及自定义评估器来评估生成式 AI 应用程序。

使用 Azure AI 项目 Python SDK (azure-ai-projects) 构建 AI 应用。适用于处理 Foundry 项目客户端、使用 PromptAgentDefinition 创建版本化代理、运行评估、管理连接/部署/数据集/索引，或使用 OpenAI 兼容客户端。这是高级 Foundry SDK - 如需低级代理操作，请使用 azure-ai-agents-python 技能。